Разбиране на Grangerizing: Ръководство за подготовка на данни от времеви редове

Грейнджъризирането е процес на трансформиране на данни от времеви серии в стационарен процес, което означава, че статистическите свойства на данните остават постоянни във времето. Това се прави чрез премахване на компонентите на тенденцията и сезонността от данните, оставяйки само остатъчните вариации, които не са предсказуеми.

Терминът "ограничаване" идва от името на причинно-следствения тест на Грейнджър, който е статистически тест, използван за определяне дали един път серия може да се използва за прогнозиране на друга времева серия. Тестът за причинно-следствена връзка на Грейнджър се основава на идеята, че ако една времева серия може да се използва за прогнозиране на друга времева серия, тогава трябва да има някаква връзка между двете. Чрез ранжиране на данните ние по същество премахваме всякакви връзки, които биха могли да съществуват между времевите редове и затрудняваме прогнозирането им.

Има няколко метода за ранжиране на данни от времеви редове, включително:

1. Премахване на тенденцията: Това включва премахване на цялостната тенденция от данните чрез поставяне на линейна или логаритмична линия на тенденция и след това изваждането й от оригиналните данни.
2. Сезонно разлагане: Това включва разделянето на данните на съставни части, като например сезонните модели, и премахването им от данните.
3. Разлика: Това включва вземане на разликата между последователни наблюдения във времевия ред, което може да помогне за премахване на всякакви тенденции или сезонност, които може да присъстват в данните.
4. Авторегресивно моделиране на интегрирана подвижна средна (ARIMA): Това включва напасване на статистически модел към данните, който включва компоненти за тренд, сезонност и случайна вариация. След това моделът може да се използва за премахване на тези компоненти от данните, оставяйки само остатъчните вариации.

Като цяло, гранджирането е полезна техника за подготовка на данни от времеви редове за анализ, тъй като може да помогне за премахване на всякакви объркващи променливи или връзки, които биха могли да повлияят на резултати от анализа.