Прогнозирование разницы или частное?

Question

Что касается проблемы прогнозирования временных рядов, я заметил, что некоторые люди пытались предсказать разницу или частное. Например, в торговле мы можем попытаться предсказать разницу в цене P_ {t-1} - P_t или частное значение P_ {t-1} / P_t. Таким образом, мы получаем более постоянную проблему. С рекуррентной нейронной сетью для проблемы регрессии, попытка предсказать разницу в цене может быть реальной болью, если цена не изменяется достаточно быстро, потому что она будет предсказывать в основном ноль на каждом шаге.

Вопросы:

1. Каковы преимущества и неудобства использования разности или коэффициента вместо целого количества?
2. Что может быть хорошим инструментом, чтобы избавиться от повторяющихся нулей в такой задаче, как попытка предсказать движение цены?

Answer 1

• Если предположение, что цена является стационарной (* P _t = C ^te ), то можно прогнозировать все количество.
• Если предположение, что повышение цены () является стационарным (P _t = P _t-1 + C ^te ), затем прогнозируют абсолютную разницу P _t -P _t-1 . (Примечание: модель ARIMA со степенью дифференцирования = 1)
• Если предположение, что рост цен (в процентах) является стационарным (P _t = P _t-1 + C ^te * P _t-1 ), затем прогнозируют относительную разницу P _t / P _t-1 .
• Если цена меняется редко (т. Е. Абсолютная или относительная разница чаще всего равна нулю), то попытайтесь предсказать временной интервал между изменениями буксировки, а не саму цену.