Розуміння грейнджеризації: посібник із підготовки даних часових рядів

Грейнджеризація — це процес перетворення даних часового ряду в стаціонарний процес, що означає, що статистичні властивості даних залишаються постійними з часом. Це робиться шляхом видалення компонентів тенденції та сезонності з даних, залишаючи лише залишкові варіації, які не можна передбачити.

Термін «збільшення» походить від назви тесту причинності Грейнджера, який є статистичним тестом, який використовується для визначення того, чи один раз можна використовувати для прогнозування іншого часового ряду. Тест причинності Грейнджера базується на ідеї, що якщо один часовий ряд можна використовувати для прогнозування іншого часового ряду, то між ними повинен існувати певний зв’язок. Упорядковуючи дані, ми, по суті, усуваємо будь-які зв’язки, які можуть існувати між часовими рядами, і ускладнюємо прогнозування.

Існує кілька методів упорядкування даних часових рядів, зокрема:

1. Усунення тренду: це передбачає видалення загального тренду з даних шляхом підгонки лінійної або логарифмічної лінії тренду, а потім віднімання його з вихідних даних.
2. Сезонна декомпозиція: це передбачає розбиття даних на складові частини, такі як сезонні закономірності, та їх видалення з даних.
3. Розбіжність: це передбачає визначення різниці між послідовними спостереженнями в часовому ряді, що може допомогти усунути будь-які тенденції або сезонність, які можуть бути присутніми в даних.
4. Моделювання авторегресійної інтегрованої ковзної середньої (ARIMA): це включає підгонку статистичної моделі до даних, яка включає компоненти для тенденції, сезонності та випадкової варіації. Потім модель можна використовувати для видалення цих компонентів із даних, залишаючи лише залишкові варіації.

Загалом, грейнджеризація є корисною технікою для підготовки даних часових рядів для аналізу, оскільки вона може допомогти видалити будь-які змінні або зв’язки, які можуть вплинути на результати аналізу.