2014 dxdy logo

Научный форум dxdy

Математика, Физика, Computer Science, Machine Learning, LaTeX, Механика и Техника, Химия,
Биология и Медицина, Экономика и Финансовая Математика, Гуманитарные науки




 
 Байесовский подход и MCMC
Сообщение13.01.2016, 09:27 
Дан временной ряд, как мне сделать прогноз по этому временному ряду, используя байесовский подход и для оценки плотностей использоваться Марков Чейн Монте-Карло. Объясните пожалуйста алгоритм действий и объясните как оценить плотность с помощью алгоритма MCMC, как это работает вообще. Я в этом деле новичок.

 
 
 
 Posted automatically
Сообщение13.01.2016, 17:35 
Аватара пользователя
 i  Тема перемещена из форума «Computer Science» в форум «Помогите решить / разобраться (М)»

 
 
 
 Re: Байесовский подход и MCMC
Сообщение13.01.2016, 22:11 
1. Выбрать спецификацию модели (AR, VAR etc.); 2. Выбрать прайоры для параметров; 3. Используя данные, оценит апостериорное распределение для параметров с помощью МСМС; 4. используя это и спецификацию модели получить распределение для прогноза.
Гугл: мсмс, Метрополис-Хастингс, плотность распределения.

 
 
 
 Re: Байесовский подход и MCMC
Сообщение14.01.2016, 00:28 
dsge в сообщении #1090441 писал(а):
1. Выбрать спецификацию модели (AR, VAR etc.); 2. Выбрать прайоры для параметров; 3. Используя данные, оценит апостериорное распределение для параметров с помощью МСМС; 4. используя это и спецификацию модели получить распределение для прогноза.
Гугл: мсмс, Метрополис-Хастингс, плотность распределения.


Спасибо большое У меня вопросы: Что значит выбрать спецификацию модели? Приведи пожалуйста примеры спецификаций и что значит выбрать прайоры для параметров? Это значит выбрать априорные распределения для каждого параметра? Если так, то как их выбирать. То есть я должен сам сказать, что какой то параметр будет иметь например нормальное распределение или показательное?

 
 
 
 Re: Байесовский подход и MCMC
Сообщение14.01.2016, 00:41 
galachel в сообщении #1090480 писал(а):
о значит выбрать спецификацию модели?

dsge в сообщении #1090441 писал(а):
(AR, VAR etc.);

AR - это авторегрессия; VAR - векторная авторегрессия.
galachel в сообщении #1090480 писал(а):
Это значит выбрать априорные распределения для каждого параметра? Если так, то как их выбирать.

Некоторые параметры могут быть ограничены, другие положительные, например стандартные отклонения.

 
 
 
 Re: Байесовский подход и MCMC
Сообщение15.01.2016, 02:29 
Объясните пожалуйста на конкретном примере, из общих слов не совсем понятно или есть какая то литература или ссылки на примеры. Вот например есть модель по моему это называется ARIMA
$y_t=m_{t-1}+\varepsilon_t$
$m_t=m_{t-1}+\alpha\varepsilon_t$
Есть набор данных Date (какой то временной ряд). У модели ARIMA есть параметр $\alpha$, байесовский подход записывается так $p(\alpha|Date)=\frac{p(Date|\alpha)p(\alpha)}{p(Date)}$, (то есть как изменится значение параметра, когда мы получили вполне конкретный набор данных Date) и далее, когда нашли выражение для $p(\alpha|Date)$, то по алгоритму Метрополиса_Гастингса находим семплы $\alpha$ из этой плотности. Вот тут возникает несколько вопросов как найти по данному временному ряду плотность $p(Date)$? Как задать $p(\alpha)$ плотность распределение параметра? Как посчитать $p(Date|\alpha)$? И ещё вопрос, если горизонт прогноза например $L=10$, то сколько семплов для $\alpha$ надо брать из плотности $p(\alpha|Date)$ или при конкретных значениях Data (данный временной ряд) будет только одно значение $\alpha$, которое мы потом подставляем в модель ARIMA и дальше по этой модели находим 10 значений $y_t$ (на горизонт прогноза), то есть $y_1, y_2, ..., y_{10}$?

 
 
 
 Re: Байесовский подход и MCMC
Сообщение15.01.2016, 22:12 
galachel в сообщении #1090834 писал(а):
Вот например есть модель по моему это называется ARIMA
$y_t=m_{t-1}+\varepsilon_t$
$m_t=m_{t-1}+\alpha\varepsilon_t$

Нет, это не ARIMA.
galachel в сообщении #1090834 писал(а):
Как посчитать $p(Date|\alpha)$?

Это функция правдоподобия для ваших данных и модели при фиксированном $\alpha$.
galachel в сообщении #1090834 писал(а):
как найти по данному временному ряду плотность $p(Date)$?

Надо проинтегрировать все правдоподобия по $\alpha$ с учетом его априорного распределения.
galachel в сообщении #1090834 писал(а):
Как задать $p(\alpha)$ плотность распределение параметра?

Задать бета, гамма, Уишарда или равномерным на отрезке распределением.
galachel в сообщении #1090834 писал(а):
И ещё вопрос, если горизонт прогноза например $L=10$, то сколько семплов для $\alpha$ надо брать из плотности $p(\alpha|Date)$

Все.
galachel в сообщении #1090834 писал(а):
или есть какая то литература

Lancaster (2004) An Introduction to Modern Bayesian Econometrics
Bauwens et.al. Bayesian Inference in Dynamic Econometric Models.

 
 
 [ Сообщений: 7 ] 


Powered by phpBB © 2000, 2002, 2005, 2007 phpBB Group