ලාභ:
- ප්රවණතාවය, සෘතුමය බව, නිශ්චලතාවය සහ ඒකක මූල යන සංකල්ප තේරුම් ගැනීමට සහ කාල ශ්රේණි ආකෘති නිර්මාණය සහ අනාවැකි සඳහා නිවැරදි දත්ත සමඟ කෘතිම බුද්ධිය භාවිතා කිරීමේ හැකියාව.
- ARIMA / සෘතුමය ආකෘති අර්ථකථනය කිරීමේ හැකියාව සහ අවිනිශ්චිතතාවය (විශ්වාස පරතරය, අවශේෂ විශ්ලේෂණය) පුරෝකථනය කිරීම සහ ව්යාජ පසුබෑම වළක්වා ගැනීම
- කෘත්රිම බුද්ධි පුරෝකථනය පදනම් වී ඇත්තේ අතීත රටාවන් මත බවත්, ව්යුහාත්මක බිඳවැටීම් සහ අර්බුදකාරී කාල පරිච්ඡේදවලදී විශේෂඥ විනිශ්චය ඉදිරියට එන බවත් වෙන්කර හඳුනා ගැනීමට හැකි වීම.
ආර්ථික විද්යාඥයින්ගේ සහ මූල්ය විශ්ලේෂකයින්ගේ පාන් සහ බටර් බොහෝ දත්ත කාල ශ්රේණි වේ: කාලයත් සමඟ නියමිත කාල පරතරයන්හිදී මනිනු ලබන එකම විචල්යයේ අගයන් (මාසික උද්ධමනය, දෛනික කොටස් මිල, කාර්තුමය දළ දේශීය නිෂ්පාදිතය). නිරීක්ෂණ ස්වාධීන නොවන නිසා කාල ශ්රේණිය සාමාන්ය හරස්කඩ දත්තවලට වඩා මූලික වශයෙන් වෙනස් වේ: අද අගය ඊයේ මත රඳා පවතී. මෙම යැපීම අවස්ථාවක් (අපට අනාගතය පුරෝකථනය කළ හැකිය) සහ අනතුරක් (සාමාන්ය ප්රතිගමනය පහසුවෙන් මෙහි නොමඟ යවයි). මෙම ඒකකය තුළ, කෘත්රිම බුද්ධිය (AI) කාල ශ්රේණි ආකෘති නිර්මාණය සහ පුරෝකථනය වේගවත් කරන්නේ කෙසේදැයි අපි බලමු, නමුත් වඩාත්ම භයානක උගුල - ව්යාජ ප්රතිගාමීත්වය - අවධානය අවශ්ය වන්නේ මන්දැයි.
මූලික සංකල්ප
කාල ශ්රේණියක සාමාන්යයෙන් සංරචක තුනක් අඩංගු වේ: ප්රවණතාවය (දිගු කාලීන ඉහළට/පහළට යන ප්රවණතාවය), සෘතුමය බව (වසර පුරා පුනරාවර්තනය වන නිත්ය රටාව, උදා: ගිම්හානයේදී සංචාරක ව්යාපාරය වැඩි වීම), සහ චක්රය/ශබ්ද (අවශේෂ අස්ථාවරත්වය). ආකෘති නිර්මාණය කිරීමට පෙර, මාලාවේ වඩාත්ම තීරණාත්මක ලක්ෂණය වන්නේ ස්ථාවරත්වයයි.
ස්ථාවර ශ්රේණියක් යනු සංඛ්යානමය ගුණ (මධ්යන්ය, විචලනය) කාලයත් සමඟ නියතව පවතින ශ්රේණියකි. ස්ථාවර නොවන ශ්රේණියක ප්රවණතාවක් අඩංගු වේ, එහි විචලනය වර්ධනය වේ, නැතහොත් එයට ඒකක මූලයක් ඇත. ඒකක මූලයක් යනු ශ්රේණිය ස්ථිරවම කම්පන "මතක" කරන ව්යුහයක් වන අතර එහි මධ්යන්යයට ආපසු නොපැමිණේ; එවැනි මාලාවක් අහඹු ඇවිදීමක් ලෙස හැසිරේ. එය වැදගත් වන්නේ ඇයි? ස්ථිතික නොවන ශ්රේණි දෙකක් අතර ප්රතිගාමී වීම යථාර්ථයේ කිසිදු සම්බන්ධයක් නොමැති වුවද ඉහළ R-වර්ග සහ සැලකිය යුතු සංගුණක නිපදවිය හැකි බැවිනි - මෙය ව්යාජ ප්රතිගාමීත්වය ලෙස හැඳින්වේ. පොදු ප්රවණතාවය පමණක් ශ්රේණි දෙක "සම්බන්ධ" ලෙස පෙනේ.
අවවාදයයි: නැගී එන ශ්රේණි දෙකක් (උදා: එක් රටක ජනගහනය සහ තවත් රටක අයිස්ක්රීම් අලෙවිය) ඉතා සහසම්බන්ධ විය හැක; ඔවුන් දෙදෙනාම කාලයත් සමඟ වැඩි වන බැවිනි. මෙය සම්බන්ධතාවයක් නොව, පොදු ප්රවණතාවයේ මිත්යාවකි. කාල ශ්රේණියේ ප්රතිගාමී වීම ආරම්භ කිරීමට පෙර නිශ්චලතාව පරීක්ෂා කිරීමට වග බලා ගන්න.
පියවරෙන් පියවර කාල ශ්රේණියේ කාර්ය ප්රවාහය
1. දර්ශනය කරන්න. මාලාව සැලසුම් කරන්න: ප්රවණතාවක් තිබේද, සෘතුමය බවක් තිබේද, කාලයත් සමඟ විචලනය වෙනස් වේද, ව්යුහාත්මක බිඳීමක් (හදිසි මට්ටමේ වෙනසක්) තිබේද?
2. පරීක්ෂණ ස්ථාවරත්වය. ADF පරීක්ෂණය (Augmented Dickey-Fuller) සහ KPSS පරීක්ෂණ ඒකක මූල/ස්ථිතිය. දෙක එකිනෙකට අනුපූරක වේ: ADF හි ශුන්ය කල්පිතය "ඒකක මූලයක් ඇත", KPSS හි එය "ස්ථිතික" වේ. දෙකම එකට භාවිතා කිරීම වඩා ආරක්ෂිතයි.
3. එකතැන පල්වීම. ශ්රේණිය නිශ්චල නොවේ නම්, එය සාමාන්යයෙන් වෙනස් වේ (අනුක්රමික නිරීක්ෂණවල වෙනස; මෙය ප්රවණතාවය ඉවත් කරයි). වරක් අවකලනය කිරීම "පළමු අනුපිළිවෙල ඒකාබද්ධ" (I(1)) ශ්රේණියක් නිශ්චල කරයි. විචලනය වර්ධනය වන්නේ නම් ලොග් පරිවර්තනය ද උපකාරී වේ.
4. ආකෘතියක් සාදන්න. වඩාත් පොදු රාමුව වන්නේ ARIMA (ස්වයංක්රීය ප්රතිගාමී ඒකාබද්ධ චලනය වන සාමාන්යය): එය AR (ශ්රේණියේ තමන්ගේම අතීත අගයන් මත යැපීම), I (අවකලනය වීමේ උපාධිය), MA (අතීත දෝෂවල බලපෑම) යන සංරචක ඒකාබද්ධ කරයි. සෘතුමය බව තිබේ නම්, SARIMA භාවිතා වේ. AI ස්වයංක්රීය තේරීම් මෙවලම් සඳහා කේතය උත්පාදනය කරයි auto.arima; නමුත් ස්වයංක්රීය තේරීම අන්ධ ලෙස පිළිගන්න එපා.
5. ඉතිරි වී ඇත්දැයි පරීක්ෂා කරන්න. හොඳ ආකෘතියක අවශේෂ සුදු පැහැති ඝෝෂාවක් විය යුතුය: රටාවක් නැත, ස්වයං සහසම්බන්ධතාවයක් නැත. Ljung-Box පරීක්ෂණය මෙය පරීක්ෂා කරයි. අවශේෂවල තවමත් රටාවක් තිබේ නම්, ආකෘතිය අසම්පූර්ණයි.
6. අවිනිශ්චිතතාවය පුරෝකථනය කර පෙන්වන්න. අනාවැකිය තනි පේළියක් නොවේ; සෑම විටම විශ්වාසය/ඇස්තමේන්තු පරතරයක් සහිතව ලබා දේ. ක්ෂිතිජය දිගු වන විට පරාසය පුළුල් වේ - මෙය අවංකකමේ ලකුණක් මිස දෝෂයක් නොවේ.
ඒකාබද්ධ කිරීම: ස්ථාවර නොවන ශ්රේණි සමඟ සැබෑ සම්බන්ධතාවය
ස්ථාවර නොවන ශ්රේණි දෙකක් සෑම විටම ව්යාජ සම්බන්ධතා ලබා නොදේ. ඒවා අතර සැබෑ දිගුකාලීන සමතුලිතතාවයක් තිබේ නම් (ඒවා එකට ගමන් කරයි), මෙය cointegration ලෙස හඳුන්වනු ලබන අතර දෝෂ නිවැරදි කිරීමේ ආකෘතිය (ECM) සමඟ ආකෘතිගත කළ හැක. එබැවින් විසඳුම "වෙනස සහ තොරතුරු ඉවත දැමීම" නොවේ; මුලින්ම cointegration පරීක්ෂා කිරීමයි. මෙම වෙනස සැබෑ දිගු කාලීන සහසම්බන්ධතාවයෙන් ව්යාජ ප්රතිගාමීත්වය වෙන්කර හඳුනා ගන්නා අතර AI හට තනිවම තීරණය කළ නොහැකි න්යායික සලකා බැලීමකි.
සංසන්දනාත්මක සටහන
තත්ත්වය
රෝග ලක්ෂණය
නිවැරදි ප්රවේශය
ස්ථාවර මාලාවක්
නියත මධ්යන්ය/විචලනය
සෘජු ආරුක්කු
ප්රවණතාවය සමඟ (ඒකක මූල)
අඛණ්ඩ නැගීම, ADF අර්ථ විරහිත ය
වෙනස, පසුව ආකෘතිය
ස්ථාවර නොවන ශ්රේණි දෙකක්
ඉහළ R² ව්යාජ විය හැක
පළමුව, සමෝධානික පරීක්ෂණය
සෘතුමය
වාර්ෂික පුනරාවර්තන රටාව
SARIMA / සෘතුමය වෙනස
ව්යුහාත්මක බිඳීම
හදිසි මට්ටම / බෑවුම වෙනස් වීම
බිඳීමේ පරීක්ෂණය, විශේෂඥ විනිශ්චය
පිටපත් කළ හැකි විමසීම් හතරක්
1. ස්ථිතික රෝග විනිශ්චය:
ඔබේ භූමිකාව: කාල ශ්රේණි සහායක. මට R කේතය අවශ්යයි, මම දත්ත බෙදා නොගනිමි. 'series' යනු මාසික කාල ශ්රේණියකි (TS වස්තුව). කාර්යය: (1) ශ්රේණි සහ ස්වයං සහසම්බන්ධතා (ACF/PACF) ප්රස්තාර අඳින්න, (2) ADF සහ KPSS පරීක්ෂණ යොදන්න, (3) ප්රතිඵල එකට අර්ථකථනය කරන ආකාරය පැහැදිලි කරන්න. වෙනස ගැනීමට මම තීරණය කරමි; ඔබ රෝග විනිශ්චය නිෂ්පාදනය කරයි.
2. ආදර්ශ ගොඩනැගිල්ල (අධීක්ෂණය):
මගේ මාලාව පළමු වෙනසේදී නිශ්චලව දිස්වේ. auto.arima සමඟ ආකෘතියක් යෝජනා කරන්න, නමුත්: (1) තෝරාගත් (p, d, q) ඇණවුම් සහ ඒවා තෝරා ගත්තේ ඇයිද යන්න පැහැදිලි කරන්න, (2) Ljung-Box සමඟ අවශේෂ සුදු ශබ්දයද යන්න පරීක්ෂා කිරීමට කේතය එක් කරන්න, (3) ස්වයංක්රීය තේරීම අන්ධ ලෙස පිළි නොගන්නා ලෙස මට මතක් කරන්න.
3. ව්යාජ ප්රතිගාමී අනතුරු ඇඟවීම:
මට මගේ කාල ශ්රේණි දෙක (X, Y) අතර ප්රතිගමනය පිහිටුවීමට අවශ්ය නමුත් ඒවා දෙකම ප්රමාද වී ඇත. ව්යාජ ප්රතිගාමී වීමේ අවදානම පරීක්ෂා කරන කාර්ය ප්රවාහ කේතය ලියන්න: පළමුව දෙකෙහිම නිශ්චලතාව පරීක්ෂා කරන්න, පසුව සමෝධානික පරීක්ෂණයක් යොදන්න (Engle-Granger හෝ Johansen). මම lm() කෙලින්ම ධාවනය කිරීමට පෙර, මාව නවත්වා එය භයානක වන්නේ මන්දැයි පැහැදිලි කරන්න.
4. පුරෝකථනය සහ අවිනිශ්චිතතාව:
මා විසින් නිර්මාණය කරන ලද ARIMA ආකෘතිය සමඟ මාස 12ක ඉදිරි පුරෝකථනයක් නිපදවන කේතයක් ලියන්න; ඇස්තමේන්තුව එහි 80% සහ 95% විශ්වාසනීය කාල පරතරයන් සමඟ සැලසුම් කරන්න. පුරෝකථනය අතීත රටාවන් මත පදනම් වී ඇති බවත් ව්යුහාත්මක බිඳීමක්/අර්බුදකදී අවලංගු විය හැකි බවත් ප්රස්ථාරයට පහළින් සටහනක් එක් කරන්න.
දුර්වල ක්ෂණික / ශක්තිමත් විමසුම
දුර්වල ක්ෂණික:
ප්රතිගාමීත්වය සමඟ මෙම ශ්රේණි දෙකෙහි සම්බන්ධතාවය සොයාගෙන ඊළඟ වසර අනාවැකි පළ කරන්න.
මෙම හිමිකම් පෑම ව්යාජ ප්රතිගාමී උගුලට ආරාධනයකි: නිශ්චලතාව පරීක්ෂා නොකර ප්රතිගාමීත්වය පිහිටුවුවහොත්, ඉහළ R-වර්ග සහිත නමුත් අර්ථ විරහිත "සම්බන්ධතාවයක්" සහ අනවශ්ය ඇස්තමේන්තුවක් මතු වේ.
බලවත් විමසුම:
ඔබේ භූමිකාව: ප්රවේශම් සහගත කාල ශ්රේණි සහකාර. පියවරෙන් පියවර ඉදිරියට යන්න: (1) ශ්රේණි සහ වාර්තාව යන දෙකෙහිම නිශ්චලතාව පරීක්ෂා කරන්න, (2) ඒවා නිශ්චල නොවේ නම්, සෘජු ප්රතිගමනය නොකරන්න, පළමුව ඒකාබද්ධ කිරීම පරීක්ෂා කරන්න, (3) ඔබ අනාවැකියක් ඉදිරිපත් කරන්නේ නම්, විශ්වාස අන්තරයක් එකතු කර ව්යුහාත්මක බිඳීමේ අනතුරු ඇඟවීමක් ලිවීමට වග බලා ගන්න. සෑම පියවරකදීම තීරණය මට භාර දෙන්න; ස්වයංක්රීය ප්රගතිය.
වෙනස: ප්රබල ඉල්ලුමට ප්රතිගමනයට පෙර නිශ්චලතාව සහ සමෝධානය අවශ්ය වේ, ඇස්තමේන්තුව අවිනිශ්චිතතාවයෙන් යුතුව ඉදිරිපත් කරයි.
කුඩා නඩු තුනක්
නඩුව 1 - ව්යාජ ප්රතිගාමිත්වය. විශ්ලේෂකයෙකු R²=0.91, p<0.001 ඉහළ යන ශ්රේණි දෙකක් අතර (එක් අංශයක පිරිවැටුම සහ වෙනත් රටක බලශක්ති පරිභෝජනය) සොයාගෙන "ශක්තිමත් සම්බන්ධතාවයක්" ලිවීය. ඔහුගේ උපදේශක නිශ්චලතා පරීක්ෂණය ඉල්ලා සිටි විට, ඔවුන් දෙදෙනාටම ඒකක මූලයන් ඇති බවත්, ඔවුන්ගේ වෙනස්කම් ගත් විට, සම්බන්ධතාවය (r = 0.04) සම්පූර්ණයෙන්ම අතුරුදහන් විය. ඉහළ R-චතුරශ්රය හුදෙක් පොදු ප්රවණතාවේ මායාවක් විය. පාඩම: නිශ්චලතාව පරීක්ෂා කිරීමකින් තොරව කාල ශ්රේණියේ ප්රතිගාමීත්වය විශ්වාස කළ නොහැක.
නඩුව 2 - ස්වයංක්රීය ආකෘතිය පිළිබඳ අන්ධ විශ්වාසය. සිසුවෙක් auto.arima විසින් තෝරාගත් ආකෘතිය පරීක්ෂා නොකර භාවිතා කළේය; ඔහුගේ විශ්ලේෂනයේ සැලකිය යුතු සෘතුමයතාවයක් ඉතිරිව ඇති බවක් ඔහු තවදුරටත් දුටුවේ නැත. මෙම ආකෘතිය ගිම්හාන මාස ක්රමානුකූලව අවතක්සේරු කළේය. Ljung-Box පරීක්ෂණය අවශේෂවල ස්වයං සහසම්බන්ධතාව පෙන්නුම් කළේය. නිවැරදි මාර්ගය: සෘතුමය සංරචකය (SARIMA) එකතු කිරීමයි. පාඩම: ස්වයංක්රීය තේරීම ආරම්භය මිස අවසාන වචනය නොවේ; අවශේෂ පරීක්ෂා කළ යුතුය.
නඩුව 3 - ව්යුහාත්මක බිඳවැටීමේදී අනාවැකි කඩා වැටීම. එක් ආකෘතියක් 2019 දත්ත සමඟ 2020 ඉල්ලුම පුරෝකථනය කළේය; විශ්වාසනීය පරතරය පටු විය, ඇස්තමේන්තුව විශ්වාස විය. 2020 විශාල කම්පනය (වසංගතය) අනාවැකිය සම්පූර්ණයෙන්ම පුපුරවා හැරියේ ආකෘතිය අතීත රටාව පමණක් දන්නා බැවිනි. පාඩම: කාල ශ්රේණි පුරෝකථනය අතීතය අනාගතයට සමාන වනු ඇතැයි උපකල්පනය කරයි; අර්බුද/බිඳවැටීම් කාලවලදී, විශේෂඥ විනිශ්චය ඉදිරියට පැමිණේ.
පොදු වැරදි
- නිශ්චලතාව පරීක්ෂා නොකර ප්රතිගාමීත්වය ස්ථාපිත කිරීම. ව්යාජ ප්රතිගාමීත්වය ඉහළ R-වර්ග සහිත නමුත් නොවැදගත් සම්බන්ධතාවයක් ඇති කරයි; පළමුව ADF/KPSS යොදන්න.
- සමෝධානය වෙනස් කිරීම සහ මඟ හැරීම. සැබෑ දිගුකාලීන සම්බන්ධතාවයක් තිබේ නම්, අන්ධ ලෙස වෙනස ගැනීමෙන් තොරතුරු ඉවතට විසි කරයි; පළමුව සමෝධානය පරීක්ෂා කරන්න.
- එය පරීක්ෂා නොකර ස්වයංක්රීය ආකෘතිය භාවිතා කිරීම. auto.arima හොඳ ආරම්භයක් නමුත් අවශේෂ (Ljung-Box) පරීක්ෂා නොකර විශ්වාස කළ නොහැක.
- ඇස්තමේන්තුව තනි පේළියක් ලෙස ඉදිරිපත් කිරීම. විශ්වාසනීය පරතරයකින් තොරව ඇස්තමේන්තු කිරීම ව්යාජ නිරවද්යතාවයක් ඇති කරයි; සෑම විටම අවිනිශ්චිත බව පෙන්වන්න.
- ව්යුහාත්මක බිඳීම නොසලකා හැරීම. අර්බුද/ තන්ත්රය වෙනස් වීම අතීත රටාව කඩාකප්පල් කරයි; ආකෘතියට මෙය දැනගත නොහැක, විශේෂඥ විනිශ්චය අවශ්ය වේ.
ඉඟිය: කාල ශ්රේණි සොයා ගැනීමක් ලිවීමට පෙර, මාලාවේ අමු ප්රස්ථාරය දෙස නැවත බලන්න. ඔබ ඔබේම දෑසින් දකින පැහැදිලි ප්රවණතාවක් හෝ බිඳීමක් යනු කිසිදු පරීක්ෂණයක් ඔබට අමතක නොකළ යුතු බවට ප්රබලම අනතුරු ඇඟවීමයි.
සාරාංශයක් ලෙස
කාල ශ්රේණි විශ්ලේෂණයේ දී නිරීක්ෂණ ස්වාධීන නොවේ; මේ දෙකම අනාවැකි බලය ලබා දෙන අතර ව්යාජ ප්රතිගාමීත්වය වැනි අන්තරායන් ඇති කරයි. ආකෘති නිර්මාණය කිරීමට පෙර ස්ථාවරත්වය (ADF/KPSS) පරීක්ෂා කරන්න; නිශ්චල නොවන ශ්රේණි අතර ප්රතිගාමීත්වය සෘජුව ස්ථාපිත කරනවාට වඩා පරීක්ෂණ සමීකරණය; සුදු ඝෝෂාවක් ඇති වන තුරු ARIMA/SARIMA ආකෘතියේ අවශේෂ පරීක්ෂා කරන්න; සෑම විටම ඇස්තමේන්තුව විශ්වාසනීය පරතරයක් සහිතව ඉදිරිපත් කරන්න. AI මෙම සියලු පියවර සඳහා කේතය ජනනය කරයි, නමුත් විශේෂඥයා ස්වයංක්රීය මාදිලි තේරීම, සමෝධානික තීරණය සහ ව්යුහාත්මක බිඳීම් අර්ථ නිරූපණය පාලනය කරයි. පුරෝකථනය අතීතය මත පදනම් වේ; අර්බුදකාරී කාලවලදී, අවසාන ප්රකාශය මිනිසාගේ විනිශ්චයට ඇත.
යෙදුම් කාර්යය
කාල මාලාවක් තෝරන්න (මාසික හෝ කාර්තුමය). AI ට පෙර, ස්ථිතික රෝග විනිශ්චය (ප්රස්ථාරය, ACF/PACF, ADF, KPSS) ඉල්ලා ධාවනය කර ශ්රේණි ස්ථිතික/නිශ්චල නොවන ලෙස වර්ග කරන්න. අවශ්ය නම් වෙනස් කරන්න, ARIMA/SARIMA ආකෘතියක් සකසා Ljung-Box සමඟ අවශේෂ පරීක්ෂා කරන්න. 6-12 කාල පරිච්ඡේද ඉදිරි පුරෝකථනයක් නිපදවා විශ්වාසනීය පරතරයකින් එය සැලසුම් කරන්න. අවසාන වශයෙන්, ඔබේ දත්තවල ව්යුහාත්මක බිඳීමක් ඇත්නම් ඔබේ අනාවැකිය වැරදි විය හැකි ආකාරය ඡේදයකින් සලකා බලන්න.
පිරික්සුම් ලැයිස්තුව
- [ ] මම මාලාව සැලසුම් කළ අතර ප්රවණතා, සෘතුමයභාවය සහ බිඳීම් දෘෂ්යව පරීක්ෂා කළෙමි.
- [ ] මම ADF සහ KPSS සමඟ නිශ්චලතාව පරීක්ෂා කළෙමි; මට අවශ්ය වෙනස ලැබුණා.
- [ ] මම සෘජු ප්රතිගාමී වීම වැළකුණු අතර ස්ථාවර නොවන ශ්රේණි අතර සමෝධානය පරීක්ෂා කළෙමි.
- [ ] මම ආකෘති අවශේෂ (Ljung-Box) පරීක්ෂා කර එය සුදු ශබ්දයක් බව තහවුරු කළෙමි.
- [ ] මම ඇස්තමේන්තුව විශ්වාසනීය පරතරයක් සහිතව ඉදිරිපත් කළෙමි; මම ඒක තනි රේඛාවක් විදියට දුන්නේ නැහැ.
- [ ] ව්යුහාත්මක බිඳීම/අර්බුද වලදී පුරෝකථනයේ සීමාවන් මම සටහන් කළෙමි.