የጊዜ ተከታታይ ትንተና፡ የጽህፈት መሳሪያ፣ ARIMA እና ትንበያ

ትርፍ፡

• የአዝማሚያ፣ የወቅት፣ የጽህፈትና አሃድ ሥር ጽንሰ-ሀሳቦችን የመረዳት ችሎታ እና አርቴፊሻል ኢንተለጀንስ በጊዜ ተከታታይ ሞዴሊንግ እና ትንበያ ትክክለኛ መረጃን መጠቀም።
• ARIMA/ወቅታዊ ሞዴሎችን የመተርጎም እና እርግጠኛ አለመሆንን የመተንበይ ችሎታ (የመተማመኛ ክፍተት፣ የተረፈ ትንታኔ) እና አስማታዊ መመለሻዎችን የማስወገድ ችሎታ።
• ሰው ሰራሽ ኢንተለጀንስ ትንበያ ካለፉት ቅጦች ላይ የተመሰረተ መሆኑን መለየት መቻል እና የባለሙያዎች ውሳኔ በመዋቅራዊ መቋረጥ እና በችግር ጊዜ ውስጥ ይታያል።

አብዛኛው የኢኮኖሚክስ እና የፋይናንሺያል ተንታኞች ዳቦ እና ቅቤ የሆነው መረጃ የጊዜ ተከታታይ ነው፡ በየጊዜው የሚለካው ተመሳሳይ ተለዋዋጭ እሴቶች በጊዜ ልዩነት (የወሩ የዋጋ ግሽበት፣ የየቀኑ የአክሲዮን ዋጋ፣ የሩብ አመት የሀገር ውስጥ ምርት)። የጊዜ ተከታታዮች በመሰረታዊነት ከተራ አቋራጭ መረጃ ይለያያሉ ምክኒያቱም ምልከታዎቹ ነጻ አይደሉም፡ የዛሬ ዋጋ በትላንትናው ላይ የተመሰረተ ነው። ይህ ጥገኝነት ሁለቱም እድል ነው (የወደፊቱን መተንበይ እንችላለን) እና አደጋ (ተራ መቀልበስ በቀላሉ እዚህ ያሳታል)። በዚህ ክፍል ውስጥ፣ አርቴፊሻል ኢንተለጀንስ (AI) የጊዜ ተከታታይ ሞዴሊንግ እና ትንበያ እንዴት እያፋጠነ እንደሆነ እናያለን፣ ነገር ግን በጣም አደገኛው ወጥመድ-አስከፊ ዳግም መመለሻ ትኩረት ለምን እንደሚያስፈልገው እንመለከታለን።

መሰረታዊ ጽንሰ-ሐሳቦች

ተከታታይ ጊዜ ባጠቃላይ ሶስት አካላትን ይይዛል፡ አዝማሚያ (የረጅም ጊዜ ወደላይ/የታች አዝማሚያ)፣ ወቅታዊነት (መደበኛ አመቱን ሙሉ የሚደጋገም፣ ለምሳሌ በበጋ የቱሪዝም መጨመር) እና ዑደት/ጫጫታ (ቀሪ ተለዋዋጭነት)። ሞዴሊንግ ከመደረጉ በፊት, የተከታታዩ በጣም ወሳኝ ባህሪ ቋሚነት ነው.

የማይንቀሳቀስ ተከታታይ ተከታታይ ስታትስቲካዊ ባህሪያቱ (አማካይ፣ ልዩነት) በጊዜ ሂደት የማይለዋወጡ ናቸው። ቋሚ ያልሆነ ተከታታይ አዝማሚያ ይይዛል፣ ልዩነቱ ያድጋል፣ ወይም አንድ አሃድ ስር አለው። አሃድ ሥር ተከታታይ በቋሚነት "ያስታውሳል" እና ወደ ትርጉሙ የማይመለስበት መዋቅር ነው; እንዲህ ዓይነቱ ተከታታይ እንደ የዘፈቀደ የእግር ጉዞ ነው. ለምን አስፈላጊ ነው? ምክንያቱም በእውነታው ላይ ምንም ግንኙነት ባይኖርም እንኳ በሁለት ቋሚ ባልሆኑ ተከታታይ መካከል ያለው መመለሻ ከፍተኛ R-squared እና ጉልህ የሆኑ መጠኖችን ሊያመጣ ይችላል - ይህ ስፒሪየስ ሪግሬሽን ይባላል። የተለመደው አዝማሚያ ብቻ ሁለቱ ተከታታዮች "ተዛማጆች" እንዲመስሉ ያደርጋቸዋል።

ማስጠንቀቂያ፡- ሁለት ተከታታይ ተከታታይ (ለምሳሌ የአንድ ሀገር ህዝብ እና የሌላ ሀገር አይስክሬም ሽያጭ) በከፍተኛ ሁኔታ ሊዛመዱ ይችላሉ። ሁለቱም ከጊዜ ወደ ጊዜ እየጨመሩ ሲሄዱ. ይህ ግንኙነት አይደለም, ነገር ግን የጋራ አዝማሚያ ቅዠት ነው. በሰዓት ተከታታዮች ውስጥ ማገገም ከመጀመርዎ በፊት የቋሚነት ሁኔታን ያረጋግጡ።

የደረጃ በደረጃ ተከታታይ የስራ ሂደት

1. በዓይነ ሕሊናህ ተመልከት. ተከታታዩን ያሴሩ፡ አዝማሚያ አለ፣ ወቅታዊነት አለ፣ ልዩነቱ በጊዜ ሂደት ይለዋወጣል፣ መዋቅራዊ እረፍት (ድንገተኛ ደረጃ ለውጥ) አለ?

2. የቋሚነት ሙከራ. የኤዲኤፍ ሙከራ (የተጨመረው ዲኪ-ፉለር) እና የKPSS የሙከራ አሃድ ስር/ቋሚ። ሁለቱ እርስ በርስ ይደጋገፋሉ፡ በኤዲኤፍ ባዶ መላምት "የአንድ ክፍል ሥር አለ"፣ በKPSS ውስጥ "ቋሚ" ነው። ሁለቱንም በጋራ መጠቀም የበለጠ አስተማማኝ ነው.

3. መቆም. ተከታታዩ ቋሚ ካልሆነ, ብዙውን ጊዜ ልዩነት አለው (የተከታታይ ምልከታዎች ልዩነት, ይህ አዝማሚያውን ያስወግዳል). ልዩነት አንድ ጊዜ "የመጀመሪያ ቅደም ተከተል የተቀናጀ" (I(1)) ተከታታይ ቋሚ ያደርገዋል። ልዩነቱ እያደገ ከሆነ የምዝግብ ማስታወሻ ለውጥ ይረዳል።

4. ሞዴል ይገንቡ. በጣም የተለመደው ማዕቀፍ ARIMA (AutoRegressive Integrated Moving Average) ነው፡ ክፍሎች ኤአርን (የተከታታዩ በራሱ ያለፉ እሴቶች ላይ ጥገኛ መሆን)፣ I (የዲፈረንሲንግ ዲግሪ)፣ MA (ያለፉት ስህተቶች ውጤት) ያጣምራል። ወቅታዊነት ካለ, SARIMA ጥቅም ላይ ይውላል. AI እንደ auto.arima ላሉ አውቶማቲክ መምረጫ መሳሪያዎች ኮድ ያመነጫል; ነገር ግን አውቶማቲክ ምርጫን በጭፍን አይቀበሉ።

5. የተረፈውን ያረጋግጡ. የጥሩ ሞዴል ቅሪቶች ነጭ ጫጫታ መሆን አለባቸው: ምንም ንድፍ የለም, ምንም ራስ-ሰር ግንኙነት የለም. የሉንግ-ቦክስ ሙከራ ይህንን ይፈትሻል። በቅሪዎቹ ውስጥ አሁንም ንድፍ ካለ, ሞዴሉ ያልተሟላ ነው.

6. መተንበይ እና እርግጠኛ አለመሆንን አሳይ። ትንበያው ነጠላ መስመር አይደለም; ሁልጊዜ በራስ መተማመን/በግምት ክፍተት ይሰጣል። አድማሱ ሲረዝም ክልሉ እየሰፋ ይሄዳል - ይህ የታማኝነት ምልክት እንጂ ጉድለት አይደለም።

ውህደት፡- ከማይቆሙ ተከታታይ ጋር እውነተኛ ግንኙነት

ሁለት ተከታታይ ያልሆኑ ሁሌም አጭበርባሪ ግንኙነቶችን አይሰጡም። በመካከላቸው እውነተኛ የረዥም ጊዜ እኩልነት ካለ (አብረው ይንቀሳቀሳሉ) ይህ ውህደት ይባላል እና በስህተት ማስተካከያ ሞዴል (ECM) ሊቀረጽ ይችላል። ስለዚህ መፍትሄው "ልዩነት እና መረጃውን መጣል" አይደለም; መጀመሪያ ውህደትን መሞከር ነው። ይህ ልዩነት ከእውነተኛ የረዥም ጊዜ ግኑኝነት የሚለየው አስመሳይ ዳግም ግስጋሴን የሚለይ ሲሆን AI በራሱ ሊወስን የማይችለው የንድፈ ሃሳብ ግምት ነው።

የንጽጽር ሰንጠረዥ

ሁኔታ

ምልክት

ትክክለኛ አቀራረብ

የማይንቀሳቀስ ተከታታይ

ቋሚ አማካኝ/ልዩነት

ቀጥተኛ ARCHING

ከአዝማሚያ ጋር (ዩኒት ስር)

ቀጣይነት ያለው መነሳት፣ ADF ትርጉም የለሽ ነው።

ልዩነት, ከዚያም ሞዴል

ሁለት ቋሚ ያልሆኑ ተከታታይ

ከፍተኛ R² የውሸት ሊሆን ይችላል።

በመጀመሪያ, ውህደት ሙከራ

ወቅታዊ

አመታዊ ተደጋጋሚ ስርዓተ-ጥለት

SARIMA / ወቅታዊ ልዩነት

መዋቅራዊ እረፍት

ድንገተኛ ደረጃ/ተዳፋት ለውጥ

የብልሽት ፈተና, የባለሙያ ፍርድ

አራት ሊገለበጡ የሚችሉ ጥያቄዎች

1. የቋሚነት ምርመራ;

የእርስዎ ሚና፡ ተከታታይ ረዳት። R ኮድ እፈልጋለሁ፣ ውሂቡን አላጋራም። 'ተከታታይ' ወርሃዊ ተከታታይ (ቲስ ነገር) ነው። ተግባር፡ (1) ተከታታይ እና አውቶኮሬሌሽን (ACF/PACF) ግራፎችን ይሳሉ፣ (2) የADF እና KPSS ፈተናዎችን ይተግብሩ፣ (3) ውጤቱን አንድ ላይ እንዴት እንደሚተረጉሙ ያብራሩ። ልዩነቱን ለመውሰድ ውሳኔ አደርጋለሁ; ምርመራ ያዘጋጃሉ.

2. የሞዴል ግንባታ (ክትትል የሚደረግበት)፡-

የእኔ ተከታታዮች በመጀመሪያ ልዩነት ላይ ቆመው ይታያሉ። በ auto.arima ሞዴል ያቅርቡ ነገር ግን፡ (1) የተመረጡትን (p፣ d፣ q) ትዕዛዞችን እና ለምን እንደተመረጡ ያብራሩ፣ (2) ቀሪዎቹ በሉንግ ቦክስ ነጭ ጫጫታ መሆናቸውን ለመፈተሽ ኮድ ይጨምሩ፣ (3) አውቶማቲክ ምርጫውን በጭፍን እንዳልቀበል አስታውሰኝ።

3. የውሸት የድጋፍ ማስጠንቀቂያ፡-

በሁለቱ ተከታታይ ጊዜያት (X፣ Y) መካከል ሪግሬሽን ማቀናበር እፈልጋለሁ ነገር ግን ሁለቱም የተዘበራረቁ ናቸው። የማስመሰል መልሶ ማቋቋም አደጋን የሚፈትሽ የስራ ፍሰት ኮድ ይፃፉ፡ መጀመሪያ የሁለቱንም ቋሚነት ይፈትሹ እና ከዚያ የትብብር ፈተናን (Engle-Granger ወይም Johansen) ይተግብሩ። lm()ን በቀጥታ ከማሮጥዎ በፊት ያቁሙኝ እና ለምን አደገኛ እንደሆነ ያብራሩ።

4. ትንበያ እና እርግጠኛ አለመሆን፡-

እኔ በፈጠርኩት የ ARIMA ሞዴል የ12 ወራት ወደፊት ትንበያ የሚያዘጋጅ ኮድ ፃፉ፤ ግምቱን በ 80% እና 95% የመተማመን ክፍተቶች ያቅዱ። ትንቢቱ ያለፉትን ስርዓተ-ጥለት መሰረት ያደረገ እና መዋቅራዊ መሰባበር/ቀውስ ሲከሰት ልክ ላይሆን እንደሚችል ከገበታው በታች ማስታወሻ ያክሉ።

ደካማ ጥያቄ / ጠንካራ ጥያቄ

ደካማ ጥያቄ፡

የእነዚህን ሁለት ተከታታዮች ግንኙነት ከእንደገና ጋር ያግኙ እና የሚቀጥለውን ዓመት ይተነብዩ.

ይህ የይገባኛል ጥያቄ ወደ የውሸት ሪግሬሽን ወጥመድ ግብዣ ነው፡ መመለሻ (regression) የቋሚነት ሁኔታን ሳያጣራ ከተዘጋጀ፣ ከፍ ያለ R-squared ግን ትርጉም የለሽ "ግንኙነት" እና ያልተፈቀደ ግምት ብቅ ይላል።

ኃይለኛ ጥያቄ፡-

የእርስዎ ሚና፡ ጥንቃቄ የተሞላበት ተከታታይ ረዳት። ደረጃ በደረጃ ይቀጥሉ፡ (1) የሁለቱም ተከታታይ እና ዘገባ ቋሚነት ይፈትሹ (2) ቋሚ ካልሆኑ ቀጥታ ሪግሬሽን አታድርጉ፣ መጀመሪያ ውህደትን ፈትኑ፣ (3) ትንበያ ካዘጋጁ፣ የመተማመን ክፍተት መጨመር እና መዋቅራዊ መሰባበር ማስጠንቀቂያ መፃፍዎን ያረጋግጡ። በእያንዳንዱ እርምጃ ውሳኔውን ለእኔ ተወው; ራስ-ሰር እድገት.

ልዩነት፡ የጠንካራ ፍላጐቱ ከመቀነሱ በፊት ቋሚነት እና ውህደትን ይፈልጋል፣ ግምቱን በእርግጠኝነት አያቀርብም።

ሶስት ጥቃቅን ጉዳዮች

ጉዳይ 1 - አስጸያፊ መመለሻ. አንድ ተንታኝ R²=0.91, p<0.001 በሁለት ተከታታይ ተከታታይ (የአንድ ሴክተር ሽግግር እና የሌላ ሀገር የኃይል ፍጆታ) መካከል አግኝቶ "ጠንካራ ግንኙነት" ጻፈ። አማካሪው የጽህፈት ቤቱን ፈተና ሲጠይቅ፣ ሁለቱም ዩኒት ስሮች እንዳላቸው ታይቷል፣ እና ልዩነቶቻቸው ሲወሰዱ ግንኙነቱ (r = 0.04) ሙሉ በሙሉ ጠፋ። ከፍተኛው R-squared የጋራ አዝማሚያ ቅዠት ብቻ ነበር። ትምህርት፡ ተከታታይ ጊዜ መመለስ ለቋሚነት ሳይሞከር አስተማማኝ አይደለም።

ጉዳይ 2 - በአውቶማቲክ ሞዴል ላይ ዕውር እምነት። አንድ ተማሪ በ auto.arima የተመረጠውን ሞዴል ሳይመረምር ተጠቀመ; በመተንተን ውስጥ ጉልህ የሆነ ወቅታዊነት እንዳለ አላስተዋለም። ሞዴሉ ስልታዊ በሆነ መልኩ የበጋውን ወራት አሳንሷል. የLjung-Box ሙከራ በቀሪዎቹ ውስጥ የራስ-ቁርኝትን አሳይቷል። ትክክለኛው መንገድ፡ ወቅታዊውን ክፍል (SARIMA) ማከል ነበር። ትምህርት: አውቶማቲክ ምርጫ መጀመሪያ እንጂ የመጨረሻው ቃል አይደለም; ቀሪዎቹ መፈተሽ አለባቸው።

ጉዳይ 3 - በመዋቅራዊ እረፍት ላይ ትንበያ ውድቀት። አንድ ሞዴል የ2020 ፍላጎትን ከ2019 ውሂብ ጋር ተንብዮአል። የመተማመን ክፍተቱ ጠባብ ነበር, ግምቱ በራስ መተማመን ነበር. የ2020 ትልቅ ድንጋጤ (ወረርሽኝ) ትንቢቱን ሙሉ በሙሉ ፈሷል ምክንያቱም ሞዴሉ ያለፈውን ስርዓተ-ጥለት ብቻ ያውቃል። ትምህርት: የጊዜ ተከታታይ ትንበያ ያለፈው ጊዜ ከወደፊቱ ጋር ተመሳሳይ እንደሚሆን ይገምታል; በችግር ጊዜ/በብልሽት ወቅት የባለሙያዎች ፍርድ ወደ ፊት ይመጣል።

የተለመዱ ስህተቶች

• የቋሚነት ሁኔታን ሳያረጋግጡ ሪግሬሽን ማቋቋም። ስፒሪየስ ሪግሬሽን ከፍተኛ R-squared ግን ትርጉም የሌለው ግንኙነት ይፈጥራል; መጀመሪያ ADF/KPSS ያመልክቱ።
• ውህደትን መለየት እና መዝለል። እውነተኛ የረጅም ጊዜ ግንኙነት ካለ ልዩነቱን በጭፍን መውሰድ መረጃን ይጥላል; መጀመሪያ ውህደትን ፈትኑ።
• አውቶማቲክ ሞዴሉን ሳያረጋግጡ መጠቀም. auto.arima ጥሩ ጅምር ነው ግን ቀሪዎቹን (Ljung-Box) ሳያረጋግጡ የማይታመን ነው።
• ግምቱን እንደ ነጠላ መስመር ማቅረብ. ያለ መተማመን ክፍተት ግምት የውሸት ትክክለኛነትን ይፈጥራል; ሁልጊዜ እርግጠኛ አለመሆንን አሳይ።
• መዋቅራዊ እረፍቱን ችላ ማለት. የቀውስ/የአገዛዝ ለውጥ ያለፈውን ጥለት ይረብሸዋል፤ ሞዴሉ ይህንን ማወቅ አይችልም, የባለሙያዎች ፍርድ ያስፈልጋል.

ጠቃሚ ምክር፡ ተከታታይ ግኝቶችን ከመጻፍዎ በፊት፣ የተከታታዩን ጥሬ ግራፍ እንደገና ይመልከቱ። በገዛ ዐይንዎ የሚያዩት ግልጽ አዝማሚያ ወይም እረፍት የትኛውም ፈተና እርስዎን እንዳይረሳው በጣም ጠንካራው ማስጠንቀቂያ ነው።

በማጠቃለያው

በጊዜ ተከታታይ ትንተና, ምልከታዎች ገለልተኛ አይደሉም; ይህ ሁለቱም የመተንበይ ኃይልን ይሰጣል እና እንደ አስመሳይ ዳግም መሻሻል ያሉ ወጥመዶችን ይፈጥራል። ሞዴሊንግ ከመደረጉ በፊት የቋሚነት (ADF/KPSS) ሙከራ; ቋሚ ያልሆኑ ተከታታይ መካከል regression በቀጥታ ከመመሥረት ይልቅ ጥምረት ሙከራ; ነጭ ድምጽ እስኪኖር ድረስ የ ARIMA/SARIMA ሞዴል ቀሪዎችን ያረጋግጡ; ሁል ጊዜ ግምቱን በራስ መተማመን ክፍተት ያቅርቡ። AI ለእነዚህ ሁሉ እርምጃዎች ኮዱን ያመነጫል, ነገር ግን ኤክስፐርቱ አውቶማቲክ ሞዴል ምርጫን, የትብብር ውሳኔን እና መዋቅራዊ መሰባበርን ይቆጣጠራል. ትንበያ ባለፈው ላይ የተመሰረተ ነው; በችግር ጊዜ የሰው ፍርድ የመጨረሻ ውሳኔ አለው።

የመተግበሪያ ተግባር

ተከታታይ ጊዜ ይምረጡ (በወር ወይም በየሩብ)። ከ AI በፊት፣ የቋሚነት ምርመራዎችን (ግራፍ፣ ACF/PACF፣ ADF፣ KPSS) ይጠይቁ እና ያሂዱ እና ተከታታዩን እንደ ቋሚ/ቋሚ ያልሆነ ይመድቡት። አስፈላጊ ከሆነ ይለያዩ፣ ARIMA/SARIMA ሞዴል ያዘጋጁ እና ቀሪዎቹን በLjung-Box ያረጋግጡ። የ6-12 ጊዜ ወደፊት ትንበያ ያዘጋጁ እና በራስ የመተማመን ጊዜ ያቅዱት። በመጨረሻም፣ በውሂብዎ ውስጥ መዋቅራዊ መቋረጥ ካለ ትንበያዎ እንዴት ስህተት ሊሆን እንደሚችል በአንቀጽ ውስጥ አስቡበት።

የማረጋገጫ ዝርዝር

• [ ] ተከታታዩን ንድፍ አውጥቼ አዝማሚያዎችን፣ ወቅታዊ ሁኔታዎችን እና እረፍቶችን በምስል መርምሬያለሁ።
• [] የጽህፈት መሳሪያን በኤዲኤፍ እና በKPSS ሞከርኩኝ። የሚፈለገውን ልዩነት አግኝቻለሁ።
• [] ቀጥታ መቀልበስን እና በቋሚ ባልሆኑ ተከታታይ መካከል የተፈተነ ውህደትን አስቀረሁ።
• [] የሞዴሉን ቀሪዎች (Ljung-Box) አረጋገጥኩ እና ነጭ ጫጫታ መሆኑን አረጋግጣለሁ።
• [] ግምቱን በራስ መተማመን አቅርቤዋለሁ; እንደ ነጠላ መስመር አልሰጠሁትም።
• [ ] መዋቅራዊ መበላሸት/ችግር ሲያጋጥም የትንበያ ገደቦችን አስተውያለሁ።