我有一些时间序列要分析。
给定数据来自的域 -
- 时间序列应该会有一些波动。
- 在某些情况下,可能根本不存在规则的周期性。可能会有一些不规则的干旱时期(根本没有发生波动)
- 这些波动可能是整体下降/上升趋势的一部分。
我试图避免像 ARIMA 等建模技术,因为我只对了解它们中的每一个的以下特征感兴趣:
- 平均波动幅度。
- 波动的平均时间段(值(value)上升和回落到几乎相同的水平需要多长时间?)。
- 波动的平均频率。这些波动发生在什么时期之后?
下面是一些数据的样子:
我采取的方法是——
首先在时间轴上建立某种注释(例如平坦、增加、减少)
然后基于这些标签进一步研究模式来回答上述问题。
如果系列中存在整体上升/下降趋势,我将通过移除均值/线性拟合等来消除趋势。
我想知道是否有任何其他方法或技术可以为我的数据回答上述问题。
最佳答案
看看奇异频谱分析 (ssa),它背后有一个 R 包 Rssa。我们做了一些研究,将 SSA 与已建立的自回归算法进行比较,发现 SSA 表现相当不错。
关于algorithm - 研究时间序列的波动,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/38055916/