【统计学】【2015】时间序列数据缺失值的多重填补

2024-01-17 20:59

本文主要是介绍【统计学】【2015】时间序列数据缺失值的多重填补,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
本文为美国杜克大学(作者:Sohae Oh)的硕士论文,共48页。

由于各种原因,金融股票市场数据常常包含缺失的数值。其中一个原因是,由于市场因假日休市,所以并不总是观察每日股价,这就造成了信息上的空白,使得很难预测第二天的股价。在这种情况下,节日期间的信息可以从其他国家的股票市场“借来”,因为全球股票价格往往表现出类似的走势,事实上是高度相关的。

本研究的主要目的是结合全球不同市场的股指数据,利用不同时间序列间的「资讯分享」,开发一种计算个别股指缺失值的演算法。为了开发适应时间序列特征的插补算法,我们对时间序列和面板数据采用动态线性模型的多重插补方法。该算法采用了可忽略的丢失数据机制,主要针对由于假期而导致的数据丢失。利用蒙特卡罗马尔可夫链(MCMC)方法模拟了参数的后验分布,并利用Rubin组合规则对绘制集的估计值进行组合,给出了数据集的最终推断。具体地说,我们使用Gibbs取样器、前向滤波和后向采样(FFBS)来模拟联合后验分布和隐变量的后验预测分布等参数。利用均方根误差(RMSE)和归一化均方根误差(NRMSE)两种基于误差的测量方法对算法的有效性和性能进行了仿真研究。我们比较了输入时间序列与完整数据集的总体趋势,并以最终值结转法(LVCF)为基准检验了算法的不充分可预测性。将该算法应用于美国、日本、香港、英国和德国的实际股价指数数据,通过仿真和实际应用,我们得出结论:该插补算法能够很好地实现我们的原始目标,以预测节后开盘价的股价,其效果优于基准方法。我们相信这种多重插补算法可以应用于许多处理具有缺失值的时间序列应用,如金融和经济数据以及生物医学数据。

Financial stock market data, for variousreasons, frequently contain missing values. One reason for this is that,because the markets close for holidays, daily stock prices are not alwaysobserved. This creates gaps in information, making it difficult to predict thefollowing day’s stock prices. In this situation, information during the holidaycan be “borrowed” from other countries’ stock market, since global stock pricestend to show similar movements and are in fact highly correlated. The main goalof this study is to combine stock index data from various markets around theworld and develop an algorithm to impute the missing values in individual stockindex using “information sharing” between different time series. To developimputation algorithm that accommodate time series-specific features, we takemultiple imputation approach using dynamic linear model for time-series andpanel data. This algorithm assumes ignorable missing data mechanism, as which missingnessdue to holiday. The posterior distributions of parameters, including missingvalues, is simulated using Monte Carlo Markov Chain (MCMC) methods andestimates from sets of draws are then combined using Rubin’s combination rule,rendering final inference of the data set. Specifically, we use the Gibbssampler and Forward Filtering and Backward Sampling (FFBS) to simulate jointposterior distribution and posterior predictive distribution of latentvariables and other parameters. A simulation study is conducted to check thevalidity and the performance of the algorithm using two error-basedmeasurements: Root Mean Square Error (RMSE), and Normalized Root Mean SquareError (NRMSE). We compared the overall trend of imputed time series withcomplete data set, and inspected the insample predictability of the algorithmusing Last Value Carried Forward (LVCF) method as a bench mark. The algorithmis applied to real stock price index data from US, Japan, Hong Kong, UK andGermany. From both of the simulation and the application, we concluded that theimputation algorithm performs well enough to achieve our original goal,predicting the stock price for the opening price after a holiday, outperformingthe benchmark method. We believe this multiple imputation algorithm can be usedin many applications that deal with time series with missing values such asfinancial and economic data and biomedical data.

  1. 引言
  2. 研究方法
  3. 估计
  4. 仿真
  5. 应用
  6. 结论与讨论

更多精彩文章请关注公众号:在这里插入图片描述

这篇关于【统计学】【2015】时间序列数据缺失值的多重填补的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/617200

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

Python的time模块一些常用功能(各种与时间相关的函数)

《Python的time模块一些常用功能(各种与时间相关的函数)》Python的time模块提供了各种与时间相关的函数,包括获取当前时间、处理时间间隔、执行时间测量等,:本文主要介绍Python的... 目录1. 获取当前时间2. 时间格式化3. 延时执行4. 时间戳运算5. 计算代码执行时间6. 转换为指

Java中字符串转时间与时间转字符串的操作详解

《Java中字符串转时间与时间转字符串的操作详解》Java的java.time包提供了强大的日期和时间处理功能,通过DateTimeFormatter可以轻松地在日期时间对象和字符串之间进行转换,下面... 目录一、字符串转时间(一)使用预定义格式(二)自定义格式二、时间转字符串(一)使用预定义格式(二)自

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

MySQL 中查询 VARCHAR 类型 JSON 数据的问题记录

《MySQL中查询VARCHAR类型JSON数据的问题记录》在数据库设计中,有时我们会将JSON数据存储在VARCHAR或TEXT类型字段中,本文将详细介绍如何在MySQL中有效查询存储为V... 目录一、问题背景二、mysql jsON 函数2.1 常用 JSON 函数三、查询示例3.1 基本查询3.2

SpringBatch数据写入实现

《SpringBatch数据写入实现》SpringBatch通过ItemWriter接口及其丰富的实现,提供了强大的数据写入能力,本文主要介绍了SpringBatch数据写入实现,具有一定的参考价值,... 目录python引言一、ItemWriter核心概念二、数据库写入实现三、文件写入实现四、多目标写入