Singular Spectrum Analysis for Time Series - Nina Golyandina, Anatoly Zhigljavsky

Blick ins Buch

Singular Spectrum Analysis for Time Series (eBook)

Nina Golyandina, Anatoly Zhigljavsky (Autoren)

eBook Download: PDF

2013 | 2013
IX, 120 Seiten
Springer Berlin (Verlag)
978-3-642-34913-3 (ISBN)

Lese- und Medienproben

Ebook-Leseprobe (PDF)

Singular spectrum analysis (SSA) is a technique of time series analysis and forecasting combining elements of classical time series analysis, multivariate statistics, multivariate geometry, dynamical systems and signal processing. SSA seeks to decompose the original series into a sum of a small number of interpretable components such as trend, oscillatory components and noise. It is based on the singular value decomposition of a specific matrix constructed upon the time series. Neither a parametric model nor stationarity are assumed for the time series. This makes SSA a model-free method and hence enables SSA to have a very wide range of applicability. The present book is devoted to the methodology of SSA and shows how to use SSA both safely and with maximum effect. Potential readers of the book include: professional statisticians and econometricians, specialists in any discipline in which problems of time series analysis and forecasting occur, specialists in signal processing and those needed to extract signals from noisy data, and students taking courses on applied time series analysis.

Introduction: Preliminaries.- SSA Methodology and the Structure of the Book.- SSA Topics Outside the Scope of this Book.- Common Symbols and Acronyms.- Basic SSA: The Main Algorithm.- Potential of Basic SSA.- Models of Time Series and SSA Objectives.- Choice of Parameters in Basic SSA.- Some Variations of Basic SSA.- SSA for Forecasting, interpolation, Filtration and Estimation: SSA Forecasting Algorithms.- LRR and Associated Characteristic Polynomials.- Recurrent Forecasting as Approximate Continuation.- Confidence Bounds for the Forecast.- Summary and Recommendations on Forecasting Parameters.- Case Study: ‘Fortified Wine’.- Missing Value Imputation.- Subspace-Based Methods and Estimation of Signal Parameters.- SSA and Filters.

Erscheint lt. Verlag	19.1.2013
Reihe/Serie	SpringerBriefs in Statistics
Reihe/Serie	SpringerBriefs in Statistics
Zusatzinfo	IX, 120 p. 41 illus., 38 illus. in color.
Verlagsort	Berlin
Sprache	englisch
Themenwelt	Mathematik / Informatik ► Mathematik ► Statistik
	Mathematik / Informatik ► Mathematik ► Wahrscheinlichkeit / Kombinatorik
	Technik
Schlagworte	Data Analysis • Forecasting • Signal Processing • singular value decomposition • Time Series
ISBN-10	3-642-34913-7 / 3642349137
ISBN-13	978-3-642-34913-3 / 9783642349133

Haben Sie eine Frage zum Produkt?

PDF (Wasserzeichen)
Größe: 2,4 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasserzeichen und ist damit für Sie personalisiert. Bei einer missbräuchlichen Weitergabe des eBooks an Dritte ist eine Rückverfolgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seitenlayout eignet sich die PDF besonders für Fachbücher mit Spalten, Tabellen und Abbildungen. Eine PDF kann auf fast allen Geräten angezeigt werden, ist aber für kleine Displays (Smartphone, eReader) nur eingeschränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Print-Ausgabe

Buch | Softcover

58,84 €