Singular Spectrum Analysis for Time Series (eBook)

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

Lese- und Medienproben

Singular Spectrum Analysis for Time Series - Nina Golyandina, Anatoly Zhigljavsky
Systemvoraussetzungen
58,84 inkl. MwSt
  • Download sofort lieferbar
  • Zahlungsarten anzeigen
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
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?
PDFPDF (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.

Mehr entdecken
aus dem Bereich