关于回归做预测的问题

我这里有个问题在时间序列里做预测,比如一个股票的时间序列,我的样本只有观测到的股票值x,也就是说只有自变量x没有对应的因变量y,我通过传统的时间序列模型ARIMA(自相关差分移动平均)模型,可以预测下一个时刻的股票值,但对于回归预测来讲,应该需要自变量x和因变量y的样本,然后建立一个x和y的函数,接着用这个函数来预测看到自变量x,y的值,不知道这么理解对不对?也就是说如果只有自变量x没有因变量y就只能用自回归系列的模型,而不能用回归去做预测,这样理解对吗?如果可以,请给个例子

邹博 - 计算机科学博士,深谙机器学习算法原理

赞同来自: lixiaoming1984

倒不一定。比如,我们仍然可能使用HMM做下一个时刻的预测的——因为可以通过当前给定序列计算隐序列,从而计算后续时刻的预测值。

lixiaoming1984

赞同来自:

老师感谢您的回复,如果是通过hmm模型来预测后续时刻的预测值,那是不是意味着,需要通过给定序列计算隐序列,然后因序列乘以转义概率,计算下一个时刻的隐藏状态,然后根据混肴矩阵来判断在下一个时刻的隐藏状态下,概率最大的输出值,是不是这么理解??

要回复问题请先登录注册