有效的多时间序列分析的最佳实践

Question

我有大量的时间序列(> 100),它们的采样频率和可用时间不同.每个时间序列都必须进行单位根和季节性调整以及其他初步数据转换和检查等的测试.

由于必须定期检查大量系列,有效解决方案是什么？关注的是节省常规方面的时间并跟踪系列和分析结果.例如,该系列的单位根测试是主观的.这种类型的分析可以自动化多少以及如何进行？

我已经阅读了有关统计工作流程的问题,这些问题建议在每个系列上运行一个通用脚本.

我根据处理多个时间序列数据集的经验询问更具体的内容.重点更多的是在处理如此多的系列时最大限度地减少错误,同时自动执行重复性任务.

Answer 1

我认为该系列将被独立审查，因为您没有提到模型中的任何相互关系。我不确定您要使用哪种对象或进行哪些测试，但“最佳实践”的基本目标独立于要使用的实际包。

最简单的方法包括将对象加载到列表中，并通过简单的迭代器（例如lapplyR中的mclapply或 ）分析每个系列foreach。对于 Matlab，您可以对元胞数组进行操作。并行计算工具箱有一个名为parfor, 表示“并行 for”的函数，它与 R 中的函数类似。foreach就我而言，我建议使用 R，因为它更便宜（免费）并且具有更丰富的统计分析功能。Matlab 拥有更好的文档和帮助工具，但随着时间的推移，随着您对研究工具和方法的更加熟悉（以及参考书架的增加），这些往往变得不那么重要。

一般来说，习惯使用多核工具是件好事，因为这可以大大减少对一堆独立小对象进行分析所需的时间。