CRAN Task View: Time Series Analysisの英語での説明文をGoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。

Maintainer: Rob J Hyndman, Rebecca Killick
Contact: Rob.Hyndman at monash.edu
Version: 2022-10-23
URL: https://CRAN.R-project.org/view=TimeSeries
Source: https://github.com/cran-task-views/TimeSeries/
Contributions: このタスクビューに対する提案や改良は、GitHubのissueやpull request、またはメンテナのアドレスに電子メールで送ってください。詳しくは Contributing guideをご覧ください。
Installation: このタスク・ビューのパッケージは、ctvパッケージを使用して自動的にインストールすることができます。例えば、ctv::install.views(“TimeSeries”, coreOnly = TRUE) はコアパッケージを全てインストールし、ctv::update.views(“TimeSeries”)はまだインストールしていない最新状態のパッケージを全てインストールする。詳しくは、CRAN Task View Initiativeを参照してください。

基本的なRには、特にstatsパッケージに、時系列に有用な機能が多く含まれています。これは、CRAN上の多くのパッケージによって補完されており、以下に簡単に要約します。時系列のためのツールと、Econometrics、Finance、Environmetricsなどの特定のドメインのために設計されたツールの間には重複があります。

このビューに表示されるパッケージは、おおよそ次のようなトピックに分類されます。もし、このリストにないパッケージがあると思われる場合は、メンテナへのメール、または上記のリンク先の GitHub リポジトリに課題またはプルリクエストを提出してお知らせください。

基礎

  • インフラストラクチャ：
    • Base Rは、時系列データを表現し、分析するための実質的なインフラストラクチャを含みます。
    • 基本クラスは、（数値タイムスタンプを使用して）定期的に離間時系列を表すことができる「TS」です。したがって、特に年次、月次、四半期データなどに適しています。
  • ローリング統計：
    • 移動平均は、forecastからのmaとzooからのrollmeanによって計算されます。後者は、他の特定のローリング統計関数とともに、一般関数rollapplyも提供します。
    • sliderは、あらゆるRデータ型に対して、タイプ安定した実行関数の多様で包括的なセットを計算します。
    • tsibbleは、統計をローリングするためのslide()、オーバーラップしないスライディングウィンドウのためのtile()、およびウィンドウを拡大するためのstretch()を提供します。
    • tbrfは、nラグ観測の代わりに日付と時間ウィンドウに基づいてローリング関数を提供します。
    • rollは、ローリング統計を計算するための並列関数を提供します。
    • runnerは、ローリングウィンドウまたは日付ウィンドウでR関数を実行するためのツールを提供します。
    • runstatsは、いくつかの実行中のサンプル統計に対して高速な計算方法を提供します。
    • data.tableの場合、froll()は高性能のローリング統計に使用できます。
  • グラフィックス：
    • 時系列プロットはtsのオブジェクトに適用されるplot()が得られます。（部分）自己相関関数プロットがpacf()とacf()で実装されています。
    • forecastのAcf()およびPacf()によって、tsdisplay()を使用した組み合わせ表示とともに、代替バージョンが提供されます。
    • 季節ごとの表示は、statsのmonthplot()とforecastのseasonplot、tsutilsのseasplotを使用して取得されます。
    • feastsとbrolgarは、時間プロット、季節プロット、サブシリーズプロット、ACFおよびPACFプロット、およびいくつかの組み合わせ表示を含む、tsibbleオブジェクトのさまざまな時系列グラフィックスを提供します。
    • tsibbletalkは、htmlwidgetsを使用したtsibbleのインタラクティブなグラフィックを提供します。
    • dCovTSは、距離共分散および時系列の相関関数を計算しプロットします。
    • ggseasは、季節調整されたシリーズおよびローリング統計のggplot2グラフィックスを提供します。
    • sugrrantsは、カレンダープロットを実装しています。
    • gravitasは、2変量の時間的粒度を条件とした確率分布の視覚化を可能にします。
    • dygraphsは、Dygraphsインタラクティブ時系列グラフ作成ライブラリへのインターフェースを提供します。
    • TSstudioは、時系列のインタラクティブな視覚化ツールが用意されています。
    • ZRAは、dygraphsを使用してforecastからforecastオブジェクトをプロットします。
    • forecastおよびvarsは、予測分布の基本的なファンプロットを提供しています。
    • fanplotは、任意のシーケンシャル分布のより柔軟なファンプロットを実装しています。

時刻と日付

  • クラス「TS」は数値のみのタイムスタンプに対応することができるが、多くのクラスは、それとの時間/日付情報とコンピューティングを格納するための利用可能です。概要について、R Help Desk: Date and Time Classes in R by Gabor Grothendieck and Thomas Petzoldt in R News 4(1) , 29-32を参照してください
  • zooのクラス「yearmon」と「yearqtr」は、それぞれ、月次および四半期ごとの観測でより便利な計算が可能になります。
  • baseパッケージのクラス「Date」は、毎日のデータの日付を扱うための基本的なクラスです。日付は内部的に1970年1月1日からの日数として格納されます。
  • chronは、chron()でdate/time（intra-day）、hours()、dates()ためのクラスが用意されている。タイムゾーンと夏時間はサポートされていません。内部的には、「chron」のオブジェクトは、1970年1月1日以降（小数）の日です。
  • クラス「POSIXct」と「POSIXlt」は日付/時刻（イントラデイ）についてはPOSIX標準を実装し、また、タイムゾーンと夏時間をサポートしています。ただし、タイムゾーンの計算は、いくつかの注意を必要とし、システムに依存する可能性があります。内部的には、「POSIXct」オブジェクトは 1970-01-0100:00:00 GMTからの秒数です。
    • lubridateは、特定のPOSIXベースの計算を容易にする機能を提供します。
    • clockは、直交する新しい日付-時刻クラス（duration, time points, zoned-time, calendars）を使用して、日付-時刻を操作するための包括的なライブラリを提供します。
    • timechangeは、タイムゾーンと夏時間の会計処理を効率的に処理します。
    • wktmoは、週単位のデータをいくつかの異なる方法で毎月のデータに変換します。
  • クラス「timeDate」は、timeDate（：fCalendar以前）で提供されています。それは、「金融センター」という新しい概念を経由してタイムゾーンと夏時間時間を扱い、金融の時間/日付の情報を目指している。内部的には、「POSIXct」内のすべての情報を格納し、唯一のGMTですべての計算を行います。例えば、様々な証券取引所のための土・日・祝日についての情報を含むカレンダーの機能もまた含まれています。
  • グレゴリオ暦とヴェーダ暦の間で変換するには、VedicDateTimeを使用します。
    • jalcalは、グレゴリオ暦とペルシャ暦の Jalali (または太陽暦) 暦の間の変換を提供します。
    • 年ベースの時系列の場合、eraは、考古学、天文学、地質学、その他の 古科学 などで使用される年ベースのタイム スケールだけでなく、現代および歴史上の暦 (西暦紀元、イスラムの「ヒジュラ」年など) で使用される多くの年の番号付けシステムを提供します。
  • tisは、時間/日付については、「ti」クラスが用意されています。
  • mondateの「mondate」クラスは、月単位の日付とコンピューティングを容易にします。
  • tempdisaggは、より高い周波数系列の時間的に分解し、低周波数の時系列を補間する方法を含みます。

時系列クラス

  • 上述したように、「ts」が数値タイムスタンプを用いて規則的な間隔時系列のための基本的なクラスである。
  • zooは、（つまり、前のセクションのすべてのクラスを可能にする）タイムスタンプのための任意のクラスを使用して、定期的かつ不規則な間隔時系列のためのインフラストラクチャを提供します。これは、「TS」とできるだけ一致するように設計される。「zoo」からへの強制は、このセクションに記載されている他のすべてのクラスで利用可能です。
  • xtsは、zooに基づいており、Rの異なる時間ベースのデータクラスの均一な処理を提供します。
  • いくつかのパッケージは時間ベースのtibble処理を目的としています。
    • tsibbleは、整頓された一時的なデータフレームと関連するツールを提供します。
    • timetkは、時間ベースのtibble、xts、zoo、tsオブジェクトを操作して強制するためのツールが含まれています。
    • tsboxは、さまざまな時系列データクラスを変換するための別のツールキットです。
  • data.tableは、リード/ラグ操作のshift()を含む時系列の操作ツールを提供します。
    • DTSgは、data.tableに基づくさらに基本的な時系列機能を提供します。
    • dttsは、nanotimeとdata.tableによって高頻度な時系列をサポートしています。
  • collapseは、時系列データやパネルデータのリード/ラグ演算、（準・対数）差、成長率、パネルデータのACF/PACF/CCF推定など、いくつかの時系列関数を高速に計算します。
  • 各種パッケージは、特に金融アプリケーションを対象とし、「POSIXct」タイムスタンプに基づいて、不規則な時系列を実装します。これらには、tseriesからの「irts」を含みます。
  • timeSeriesのクラス「timeSeries」（以前：fSeries）は、「timeSeries」タイムスタンプが時系列を実装しています。
  • tisのクラス「tis」は、「ti」のタイムスタンプを持つ時系列を実装しています。
  • tframeは、異なる形式で時間枠を設定するためのインフラストラクチャが含まれています。
  • timeseriesdbは、tsオブジェクトをPostgreSQLのリレーションにマッピングすることによって、公式統計の時系列を管理します。

予測と単変量モデリング

  • fableは、単変量時系列モデルをETS、ARIMA、TSLM、その他のモデルを含む多くのシリーズに同時に適合させるためのツールを提供します。また、予測を計算および分析するための多くの機能も提供します。時系列は、tsibble形式でなければなりません。
    • fabletoolsは、fableフレームワークを拡張するためのツールを提供します。
  • forecastは、クラスと単変量時系列予測のための方法を提供し、statsパッケージ内のすべてのものを含む様々な予測モデルを実現する多くの機能が用意されています。
  • forecastは、tsオブジェクトに同様のツールを提供します。
    • modeltimeとmodeltime.ensembleは、「tidymodels」エコシステムで使用するための時系列予測ツールを提供します。
  • 指数平滑：
    • statsのHoltWinters()は部分的な最適化を備えたいくつかの基本モデルを提供し、fableからのETS()およびforecastからのets()は完全な最適化を備えたモデルと施設のより大きなセットを提供します。
    • robetsは、ets()関数の堅牢な代替手段を提供します。
    • smoothは、指数平滑化の一般化を実装します。
    • legionは、指数平滑化の多変数バージョンを実装しています。
    • MAPAは、予測精度を向上させるために一時的な凝集の異なるレベルで指数平滑モデルを組み合わせます。
    • Rlgtは、指数平滑法のいくつかのベイジアン拡張を含みます。
  • prophetは、非線形トレンドが年次および週次の季節性と休日に適合している加法モデルに基づいて時系列を予測します。それは毎日のデータで最もよく機能します。
    • fable.prophetは、預言モデルをfableフレームワークで使用できるようにします。
  • thetaメソッドは、fableのTHETA()関数とforecastのthetaf()関数、tsutilsのtheta()関数に実装されています。
    • forecThetaは、代替および拡張実装を提供しています。
  • 自己回帰モデル：
    • （モデル選択付き）statsのar()。
  • ARIMAモデル：
    • statsでのarima()は、ARIMA、SARIMA、ARIMAX、およびサブセットARIMAモデルのための基本的な機能です。
    • 自動モデリングを可能にするARIMA()関数を介して、fableで強化されています。
    • 同様の機能は、auto.arima()関数を介してforecastで提供されます。
    • tseriesのarma()は、ARMAとサブセットARMAモデルの異なるアルゴリズムを提供します。
    • itsmrは、イノベーションアルゴリズムを含む他の推定方法を提供しています。
    • gsarimaは、一般SARIMA時系列シミュレーションのための機能が含まれています。
    • robustarimaは、堅牢なARIMAモデリングを提供しています。
    • bayesforecastは、季節的なARIMAやARIMAXモデルを含むベイジアン時系列モデルにフィットします。
    • BayesARIMAXは、ARIMAXモデルのベイズ推定を実装します。
    • mar1sは、季節のプロセスと乗法のAR（1）を処理します。
    • TSTutorialは、ボックス・ジェンキンスモデリングのためのインタラクティブなチュートリアルが用意されています。
    • tsPIは、ARIMAと構造的時系列モデルの改良された予測区間を提供しています。
  • 複数の季節期間を持つARIMAモデルは、tfarimaとsmoothで処理できます。
  • 周期的なARMAモデル：
    • 定期的な自己回帰時系列モデルのpartsm、pcts、および定期的な時系列分析のその他の手順。
  • ARFIMAモデル：
    • fracdiffは、小数階差ARFIMAモデルのいくつかの機能を提供します。
    • arfimaは、動的回帰（伝達関数）モデルを含むARFIMAとARIMAモデルのより高度で一般的な施設を併設しています。
    • nsarfimaは、非定常ARFIMAモデルを近似およびシミュレーションするための追加の方法を提供します。
    • LongMemoryTSは、長い記憶の時系列を分析するための関数の集まりを提供します。
    • garmaは、Gegenbaur ARMAプロセスの分数差分を処理します。
    • esemifar は、長期記憶の時系列をノンパラメトリックに平滑化するツールを提供します。
  • 伝達関数モデルは、arfimaとtfarimaのarfima関数を提供します。
  • 構造モデル（または未観測成分）はstatsのStructTS()で実装され、自動モデリングと予測は、UCompとautostsmで提供されます。
    • statespacerは、構造モデルやSARIMAモデルを含む一変量状態空間モデルを実装しています。
    • bstsは、ベイズ構造的な時系列モデルを実装しています。
    • RobKFは、堅牢なカルマンフィルターを提供します。
  • 非ガウス時系列は、glarmaによるGLARMA状態空間モデルや、GASとgasmodelの一般化自己回帰スコアモデルで扱うことができます。
    • GlarmaVarSelは、高次元スパースGLARMAモデルの変数選択を行います。
    • mclcarは、Monte Carlo Likelihoodメソッドを使用する条件付き自動回帰モデルを実装しています。
    • bssmは、非線形および非ガウス状態空間モデルに対する効率的なベイジアン推論を提供しています。
    • NGSSEML (archived)は、厳密な周辺尤度を持つ非ガウス状態空間モデルを与えます。
    • PTSRは、正の時系列に対する回帰に基づくダイナミックモデルの範囲をモデル化し、予測する機能を備えています。
  • tscountとacpは、カウント時系列モデルを処理します。
    • tsintermittentは、間欠的な需要時系列を分析・予測するための様々なモデルを実装しています。
    • ZIMは、カウント時間系列のゼロ膨張したモデルを提供します。
    • ZINARpは、ゼロインフレートINARモデルを提供しています。
  • GARCHモデル：
    • tseriesのgarch()は、基本的なGARCHモデルに適合します。
    • rugarchは、GARCHモデルの多くのバリエーションを提供します。
    • fGarchは、他の単変量GARCHパッケージとして、GARCH革新の幅広いクラスでARIMAモデル実装を含みます。
    • bayesforecastは、GARCHモデルのいくつかのバリエーションを含むベイジアン時系列モデルに適合します。
    • Financeタスクビューは、より多くのGARCHパッケージが記載されています。
  • stochvolは、確率的ボラティリティ・モデルをベイズの枠組みで処理します。打ち切り時系列は、ARCensRegを使用してモデル化することができます。ARCensRegは、自己回帰誤差を持つ一変量打ち切り回帰モデルを適合させます。
  • diffusionとDIMORAは、BassやGompertz曲線などの拡散モデルを提供しています。
  • かばん検定は、statsパッケージにBox.test()を介して提供されます。
    • 追加の検定は、testcorrで与えられます。
  • Chen-Liuアプローチ以下の外れ値検出は、tsoutliersによって提供されます。
    • forecastパッケージのtsoutliers関数とtsclean関数は、外れ値を特定して修正するためのいくつかの簡単なヒューリスティック手法を提供します。
    • otsadは、時系列のオンライン異常検出機能を実装しています。
    • tsrobprepは、モデルベースのアプローチを用いて、欠損値や外れ値を置き換える方法を提供します。
  • 変化点検出は、（線形回帰モデルを使用する）strucchangeとstrucchangeRcpp、（ノンパラメトリック検定を使用する）trendに設けられています。
    • changepointは、多くの一般的Changepointのメソッドを提供します。
    • ecpは、単変量および多変量シリーズのノンパラメトリックChangepointの検出を行います。
    • changepoint.np は、ノンパラメトリックPELTアルゴリズムを実装しています。
    • changepoint.geoは、高次元の変化点検出メソッドGeomCPを実装しています。
    • FAVARは、ベイズ法により因子補強型VAR（FAVAR）モデル推定します。
    • InspectChangepointは、スパースプロジェクションを使用して高次元時系列の変化点を推定します。
    • VARDetectは、構造的VARモデルにおける複数の変化点検出を実装しています。
    • Rbeastは、ベイズ型変化点検出と時系列分解を提供します。
    • breakfastは、複数の変化点をすばやく検出して推定する方法が含まれています。
  • funtimesは、単調でない可能性のあるトレンドの検定を提供します。
  • 時系列代入は、imputeTSで提供されています。
    • いくつかのより限定された機能は、forecastのna.interp()を使用して利用可能です。
    • imputeTestbenchは、代用メソッドのテストと比較のためのツールを提供します。
    • mtsdiは、空間的および時間的相関関係を考慮して、多変量正規の時系列で欠損値を代入するEMアルゴリズムを実装します。
  • seerは、機能ベースの予測モデル選択のためのフレームワークを実装しています。
  • 単純な線形式を使用して、予測をfableにまとめることができます。
    • ForecastCombは、単純な幾何学的および回帰ベースの組み合わせを含む、多くの予測の組み合わせ方法をサポートしています。
    • forecastHybridは、アンサンブル予測の機能を提供し、forecastからアプローチを組み合わせます。
    • operaは、ユーザーが提供する予測の組み合わせに基づくオンライン予測機能があります。
    • profocは、CRPS学習を用いて確率的な予測を組み合わせます。
  • 予測評価は、fableとforecastのaccuracy()関数で提供されます。
    • スコアリングルールを使用した分布予測評価は、fableとscoringRules、scoringutilsで利用できます。
    • 2つのモデルの予測精度を比較するためのDiebold-Marianoテストは、forecastのdm.test()関数で実装されています。
    • multDMは、Diebold-Mariano検定の多変量版を提供しています。
    • tsutilsは、予測を比較するためのNemenyi検定を実装しています。
    • greyboxは、予測の一般的なローリングオリジン評価のためのro()を提供しています。
  • 予測のための整ったツールは、sweepによって提供され、forecastで生成されたオブジェクトを「整然とした」データフレームに変換します。
  • 複数の機械学習アプローチを使用した複数ステップ先の直接予測が、forecastMLで提供されます。
  • onlineforecastは、適応型予測モデルに適合させるためのフレームワークを提供し、予測をモデルへの入力として使用し、新しいデータの到着に応じてモデルを更新することを可能にします。
  • その他：
    • ltsaは、線形時系列解析のためのメソッドを含みます。
    • timsacは、時系列解析と制御のためのメソッドを含みます。

周波数解析

  • スペクトル密度推定はピリオド、平滑ピリオドグラムとAR予測などのstatsパッケージにspectrum()によって提供されます。
    • bspecとbeyondWhittle、regspecは、ベイジアンスペクトル推定を提供します。
    • quantspecは、一変量時系列のラプラスピリオドグラムを計算してプロットするメソッドが含まれています。
    • lombは、不均一にサンプリングされた時系列に対してLomb-Scargleのピリオドグラムを提供します。
    • spectralは、スペクトルフィルタリングのためにフーリエ変換およびヒルベルト変換を使用する。
    • psdは、適応、正弦マルチテーパスペクトル密度の推定値を生成します。
    • kzaは、断線検出とスペクトル解析、ウェーブレットとKZフーリエ変換など、コルモゴロフZurbenko適応フィルタが用意されています。
    • multitaperは、いくつかのマルチテーパスペクトル解析ツールを提供しています。
    • rhosaは、バイスペクトル、バイコヒーレンス、クロスバイスペクトル、クロスバイコヒーレンスを含む高次スペクトル解析を実装しています。
  • ウェーブレット方法：
    • waveletsは、コンピューティングウェーブレットフィルタ、ウェーブレット変換と多重解像度解析を含みます。
    • mrfは、ウェーブレットを使ったマルチレゾリューション・フォーキャストを実装しています。
    • WaveletCompは、クロスウェーブレット、位相差および有意差検定を含む単変量および二変量時系列のウェーブレットベース解析のためのいくつかのツールを提供します。
    • biwaveletは、1変量および2変量ウェーブレット解析用のWTC Matlabパッケージの移植版です。
    • mvLSWは、多変量局所定常ウェーブレット過程のためのツールを提供します。
    • LSWPlib は、局所定常ウェーブレットパケット過程のシミュレーションとスペクトル 推定を行うための関数を含んでいます。
    • hwwntestは、ホワイトノイズ使用してウェーブレットのテストを提供しています。
    • wavScalogramは、ウェーブレットスカログラムツールを提供しています。
    • rwtとwaveslim、wavethreshは、ウェーブレットの方法を提供しています。
  • fableとforecastは、フーリエ変換機能を介して、いくつかの簡単な高調波回帰ファシリティを提供しています。

分解とフィルタリング

  • フィルタ：
    • statsのfilter()は、複数の単変量時系列の自己回帰移動平均線フィルタリングを提供します。
    • robfilterは、いくつかの堅牢な時系列フィルタを提供します。
    • statsのsmooth()は、Tukeyの移動中央平滑、3RS3R、3RSS、3Rなどを計算します。
    • sleektsは、4253H を2回平滑メソッドを計算します。
    • mFilterは、Hodrick-PrescottおよびButterworthフィルタを含む傾向および周期成分を平滑化および抽出するためのいくつかのフィルタを実装しています。
    • smootsは、時間傾向とその導関数のノンパラメトリック推定を提供します。
  • 分解：
    • 古典分解はdecompose()を介して提供される、より高度で柔軟性の分解は、基本的な統計パッケージから両方、stl()を使用して提供されています。
    • ArDecは、自己回帰ベースの分解を提供しています。
    • tsdecompは、ARIMAベースの四半期および月次データの分解を実装します。
  • RssaとASSAは、特異スペクトル解析を実装しています。
  • EMDは、経験的モード分解（EMD）とヒルベルトスペクトル分析を提供しています。
    • hhtは、アンサンブルEMDを含む追加のツールを提供しています。
    • Rlibeemdは、アンサンブルEMDとその完全な変異体の代替実装を提供しています。

季節性

  • 季節性の分解：
    • statsは、decompose()で古典的分解し、stl()でSTL分解を提供しています。
    • stlplusは、強化されたSTL分解を提供しています。
    • stRは、回帰に基づいて季節トレンドの分解を提供します。
    • smoothとtsutilsは、古典的な分解の拡張バージョンを実装しています。
  • x13binaryは、X-13-ARIMA-SEATSバイナリを提供しています。
    • seasonalは、Rインターフェイスを提供します。
    • seasonalviewは、GUIを提供します。
    • x12は、代わりのインタフェースを提供します。
  • RJDemetraは、JDemetra+季節調整ソフトウェアへのインターフェースを提供しています。
    • ggdemetraは、関連するggplot2関数を提供します。
  • dsaは、曜日、時間帯、時間帯および休日の影響を考慮した日々の時系列の季節調整を提供しています。
  • 季節性の分析：
    • bfastは、トレンドや分解から得た季節のコンポーネント内の急激な変化を検出し、特徴づけるための方法も提供します。
  • season：
    • 回帰モデル、時間成層ケースクロスオーバー、プロット関数、残差チェックを含む健康データの季節分析。
  • seas：
    • 季節の分析、特に気候学のためのグラフィックス。
  • sazedR：
    • 季節的な時系列の期間を推定する方法。

定常性、単位根および共和分

  • 定常性と単位根：
    • tseriesは、拡張ディッキー・フラー、フィリップス・ペロン、およびKPSSを含む様々な定常性と単位根検定を提供しています。
    • urcaは、ADFおよびKPSSテストの代替実装はまた、エリオット・ローゼンバーグ・ストック、シュミット・フィリップスとZivot・アンドリュース試験など更なるメソッドを含みます。
    • urootは、季節単位の単位根検定を提供します。
    • CADFtestは、標準のADFおよび共変量 – 増補ADF（CADF）テストの両方の実装を提供します。
    • MultipleBubblesは、Phillips-Shi-Yu（2015）に基づいて気泡の存在をテストします。
  • ローカル定常性：
    • locitsは、ローカル定常性のテストを提供し、ローカライズされた自己共分散を計算します。
    • costatは、時系列costationarity判定を提供します。
    • LSTSは、局所定常時系列解析のための機能を備えています。
    • wavethreshは、非定常時系列のローカルでの静止ウェーブレットモデルを実装しています（プロッティング、推定を含めて、時間的に変化するスペクトルのシミュレーション機能）。
  • 共和分：
    • tseriesとurcaは、フィリップスOuliarisの共和分検定とエングル・グレンジャー2段階法を実装しています。後者は、さらにヨハンセントレースおよびラムダマックス・テストのための機能が含まれています。
    • tsDynは、ヨハンセンのテストおよびAIC/BIC同時ランクラグの選択を提供しています。
    • cointRegは、共推計回帰におけるパラメータ推定と推論を実装しています。
    • nardlは、非線形共積分自己回帰分散ラグモデルを推定します。
    • Qardlは、自己回帰分布ラグの枠組みでの分位級コインテグレーションを提供しています。

非線形時系列解析

  • 非線形自己回帰：
    • NTS (archived)は、しきい値自己回帰モデル、マルコフスイッチングモデル、畳み込み関数自己回帰モデル、非線形性テストなど、非線形時系列分析のためのツールを提供しています。
    • tsDynは、加法的AR、SETAR、LSTARモデル、閾値VAR、VECMなど、様々な形式の非線形自己回帰が利用できます。
    • bentcableARは、ベント・ケーブルの自己回帰を実装しています。
    • BAYSTARは、閾値自己回帰モデルのベイズ分析を提供します。
    • mixARとuGMARは、Mixture ARモデルをで実装しています。
  • ニューラルネットワーク自己回帰
    • tsDynとGMDH、nnforは、遅延入力に基づくニューラルネットワークによる予測を提供しています。
    • NlinTSは、ニューラルネットワークVARと、フィードフォワードニューラルネットワークに基づくGranger因果関係テストの非線形バージョンが含まれています。
    • TSLSTMは、LSTM（Long Short Term Memory）モデルを用いて予測を行います。
    • TSdeeplearningは、LSTMとGRUのネットワークを実装しています。
    • TSANNは、予測精度に基づいて人工ニューラルネットワークを自動的に識別します。
  • tseriesChaosは、TISEANプロジェクトからのアルゴリズムの研究の実装を提供します。
    • DChaosは、一変量時系列内のカオス信号を検出するためのいくつかのアルゴリズムを提供します。
  • depmixとdepmixS4は、潜在マルコフモデルの依存混合は、カテゴリおよび連続時系列を提供しています。
    • MSwMは、自己回帰マルコフスイッチングモデルを提供しています。
  • テスト：
    • fNonlinearは、非直線性のための様々なテストを提供しています。
    • tseriesEntropyは、エントロピーメトリックに基づいて非線形シリアル依存性に関してテストします。
  • nltsとnonlinearTseriesは、非線形時系列のための追加機能を提供しています。

エントロピー

  • RTransferEntropyは、ShannonとRenyiの転送エントロピーとの時系列間の情報フローを測定します。
  • tseriesEntropyは、Bhattacharya-Hellinger-Matusita距離に基づくエントロピー尺度を実装しています。
  • TSEntropiesは、さまざまな近似およびサンプルエントロピーを計算します。

動的回帰モデル

  • 動的線形モデル：
    • dynlmは、OLS経由フィッティング動的回帰モデルのための便利なインタフェースを提供しています。
    • dynは、他の回帰関数とより多くの時間系列クラスで機能強化されたアプローチを実装しています。
    • dseは、より高度な動的システム方程式を用いて取り付けます。
    • ガウスの線形状態空間モデルは、MCMCを使用するbstsを用いて、または（最大尤度、カルマンフィルタリング/平滑化及びベイズ法を介して）dlm (archived)を使用して取り付けることができます。
    • dLagMは、分布ラグを用いた時系列回帰を提供します。
    • dlnmは、分布ラグ非線形のモデリングのための機能を提供します。
    • sym.armaは、条件付き対称分布に従う回帰式を持つARMAモデルに適合します。
  • tprは、時変パラメータ・モデルを使用して取り付けることができます。
  • greyboxは、動的回帰モデルを用いたモデリングと予測のためのいくつかのツールを提供します。

多変量時系列モデル

  • ベクトル自己回帰（VAR）モデルは、AICで選択などの基本的なstatsパッケージにar()を介して提供されています。これらのモデルは、静止して制限されています。
    • MTSは、VAR、VARMA、季節VARMA、外生変数を含むVARモデル、時系列誤差を含む多変量回帰など、多変量時系列を解析するための万能ツールキットです。
    • おそらく非定常VARモデルは、mArに組み込まれており、主成分空間内のVARモデルも可能です。
    • sparsevarは、スパースVARとVECMモデルの推定を可能にします。
    • bigtimeは、大きなVAR、VARXとVARMAモデルを推定します。
    • BigVARは、VARとVARXモデルを構造化されたlassoペナルティで推定します。
    • svarsは、データ駆動型構造VARを実装します。
    • VARshrinkは、VARの収縮推定方法を実装しています。
    • vars、tsDyn、dseのestVARXls()は、より精巧なモデルを提供しています。
    • VAR.etp (archived)は、ブートストラップ予測区間を持つ別の実装を提供しています。
    • bvartoolsは、ベイジアンVARモデルの設定を支援します。
    • BMTARは、欠損データを含むベイジアン多変量しきい値ARモデルを実装します。
    • bsvarsは、構造的VARモデルのベイズ推定を行うための効率的なアルゴリズムを実装しています。
    • BVARは、階層ベイズVARモデルのためのツールキットを提供します。
    • BGVARはベイジアングローバルVARモデルを実装しています。
    • mlVARは、マルチレベルのベクトル自己回帰を提供します。
    • gmvarkitは、ガウス混合VARモデルを推定します。
    • GNARは、ネットワークARモデルにフィッティングするためのメソッドを提供しています。
    • graphicalVARは、グラフィカルなVARモデルを推定します。
    • gdpcは、一般化された動的主成分を実装します。
    • pcdpcaは、動的主成分を定期的に相関する多変量時系列に拡張します。
    • mgmは、正規化された回帰を経て、時変の混合グラフモデルと混合VARモデルを推定します。
  • VARIMAモデルおよび状態空間モデルは、dseに設けられています。
  • ベクトル誤差補正モデルは、構造的な制約としきい値とのバージョンを含むurca、ecm、varsやtsDynを介して利用できます。
  • smoothは、ベクトル指数平滑化を提供しています。
  • 動的因子モデルは、dfmsで EM または 2 段階推定を使用して利用できます。
    • ベイズ型動的因子分析はbayesdfaとbvartoolsで実装されています。
  • 時系列成分分析：
    • ForeCAは、多変量時系列を可能な限り予測可能にする最良の線形変換を検索することにより、予測可能なコンポーネント分析を実装します。
    • PCA4TSは、互いに無相関であるより低次元のサブシリーズを与える多変量時系列の線形変換を検索します。
    • HDTSAは、いくつかの高次元時系列解析ツールの手順を提供します。
    • odpcは、片面動的主成分を計算します。
    • freqdomは、周波数領域ベースの動的PCAを実装しています。
    • tsBSSは、時系列のブラインドソース分離と教師付き次元削減を行います。
  • 多変量状態空間モデル：
    • KFASは、高速な多変量カルマンフィルタ、よりスムーズなシミュレーション、滑らかな予測を提供しています。
    • FKFは、欠損値に対応できるカルマンフィルタの高速かつ柔軟な実装を提供します。
    • FKF.SPは、逐次処理による高速カルマンフィルタリングを実現します。
    • kalmanfilterは、状態空間モデル用の多変量カルマンフィルタの「Rcpp」実装で、観測方程式と状態方程式における欠損値や外生データを扱えるようにします。
    • dlm (archived)は、別実装の状態空間型に他の多変量モデルに変換するためのツールが含みます。
    • mssmは、多変量の状態空間モデルの手法も提供しています。
    • MARSSは、EMアルゴリズムを使用して拘束され拘束されていない多変量自己回帰状態空間モデルに適合します。これらのパッケージはすべて、観測と状態誤差項は無相関であると仮定します。
    • mbstsは、多変量ベイジアン構造時系列モデル用のツールを提供します。これらのパッケージはすべて、観測誤差と状態誤差の条件が無相関であると想定しています。
  • 部分的に観察されたマルコフプロセスは、非ガウス非線形モデルを可能にする通常の多変量線形状態空間モデルの一般化です。これらはpompに実装されています。
  • factorstochvolは、多変量確率的揮発性モデル（潜在因子を使用）を提供しています。
  • MultiGlarmaVarSelは、変数選択を含む高次元のスパース多変量GLARMAモデルを扱います。

時系列の大規模なグループの分析

  • 時系列の特徴は、tsibble形式の時系列のfeastsで計算されます。
  • 時系列特徴は、tsfeaturesを使用して時系列のリストまたは行列から計算されます。多くの組み込み機能機能が含まれており、ユーザーは自分自身を追加することができます。
    • Rcatch22は、特に有用と思われる22の機能を高速に計算します。
    • theftは、様々な R および Python パッケージから時系列特徴を計算します。
    • fsMTSは、多変量時系列に対する特徴選択ルーチンを実装しています。
  • TSclust、dtwclust、BNPTSclust、pdcは、時系列クラスタリングを実装しています。
  • TSdistは、時系列データの距離測度を提供します。
  • TSreprは、次元削減と特徴抽出を使用して時系列を表現する方法が含まれています。
  • rucrdtwは、UCR Suiteの関数にRバインディングを提供し、動的タイムワーピングとユークリッド距離の下で最高のマッチを探すための超高速サブシーケンス検索を可能にします。
    • IncDTWは、ストリーミング時系列の動的タイムワープの増分計算を提供します。
  • htsは、階層的グループ化された時系列の集合をプロット、予測するための方法を提供しています。
    • thiefは、時間的に集計された時系列の予測を調整するために階層的方法を使用します。
    • FoRecoは、横断的および時間的、時間的制約のある時系列に対して、さまざまな予測調整方法を提供します。
    • gtopは、階層的な時系列の予測を両立するための別のアプローチを提供しています。
    • ProbRecoは、確率スコアリング関数を最適化することにより、予測調整の重みをトレーニングするツールを提供します。

機能時系列

  • ftsaは、ファンクション時系列の可視化とモデリング、予測、分析のためのツールを実装しています。
    • NTSは、関数的自己回帰モデルも実装しています。
    • Rsfarは、季節関数型自己回帰モデルを提供しています。
    • fpcbは、関数型時系列の予測信頼帯を実装しています。
  • fdaACFは、機能時系列の自己相関関数を推定します。
  • freqdom.fdaは、機能的な時系列に対して動的な機能主成分の実装を提供します。
  • STFTSは、関数型時系列の定常性、トレンド、単位根検定が含まれています。

行列とテンソル値の時系列

  • tensorTSは、行列やテンソル値の時系列に対する因子モデルや自己回帰モデルの推定、シミュレーション、予測のための関数を提供します。

連続時間モデル

  • carfimaは、連続時間ARFIMAモデルを使用できます。
  • Sim.DiffProcは、確率微分方程式を作り、シミュレートします。
  • sdeとyuimaは、確率微分方程式のシミュレーションと推論を提供しています。

再サンプリング

  • ブートストラップ：
    • bootは、いくつかの亜種とブロックブートストラップ含む時系列ブートストラップのために、機能tsboot()を用意されています。
    • blocklengthは、従属ブートストラップに最適なブロック長を選択することができます。
    • tseriesのtsbootstrap()は、高速静止ブロックブートストラップが用意されています。
    • mebootは、時系列のための最大エントロピーブートストラップを提供しています。
    • BootPR (archived)は、自己回帰時系列のバイアス補正後の予測およびブートストラップ予測区間を計算します。
    • bootURは、ブートストラップユニットルートテストを実装します。

時系列データ

  • tsibbledataによって、tsibble形式のさまざまなデータセットが提供されます。
  • Cryer and Chan (2010, 2nd ed) Time series analysis with applications in R のデータは、TSAで提供されています。
  • Hyndman and Athanasopoulos (2017, 2nd ed) Forecasting: principles and practiceのデータは、fpp2で提供されています。
  • Hyndman and Athanasopoulos (2020, 3rd ed) Forecasting: principles and practiceのデータは、fpp3で提供されています。
  • Hyndman, Koehler, Ord and Snyder (2008) Forecasting with exponential smoothingのデータは、expsmoothで提供されています。
  • Makridakis, Wheelwright and Hyndman (1998) Forecasting: methods and applicationsのデータは、fmaで提供されています。
  • シャムウェイとStoffer（2011）からのデータは、astsaにあります。
  • Tsay（2005、2nd ed）のFinancial Time Seriesのデータは、FinTSに入っています。
  • tswgeは、Woodward、Gray、Elliottの第2版Applied Time Series Analysis with Rのテキストが付いています。
  • AERとEcdatは、いずれも多くの計量経済学の教科書から（時系列データを含む）多くのデータセットが含まれています。
  • M-competitionとM3-competitionからのデータはMcompで提供されています。
    • Tcompは、2010 IJF Tourism Forecasting Competitionのデータを提供します。
    • M4 の競技データは、M4comp2018から入手できます。
    • M5予測コンテストのデータは、m5を使用してダウンロードできます。
  • 全国の時系列データ：
    • readabsは、Australian Bureau of Statisticsから時系列データをダウンロード、インポート、整理します。
    • BETSは、ブラジルで最も重要な経済的時系列へのアクセスを提供します。
    • bundesbankは、ドイツの中央銀行の時系列データベースへのアクセスを許可します。
    • dataseries.org経由のスイスからのデータは、dataseriesを使用してダウンロードしてインポートすることができます。
    • ugatsdbは、ウガンダの時系列データにアクセスするためのAPIを提供しています。
  • 時系列データベース：
    • fameは、FAME時系列データベースのためのインタフェースを提供します。
    • fredrは、FRED（連邦準備制度の経済データ）からの経済時系列およびその他のデータを取得できます。
    • rdbnomicsは、DBnomicsから何億もの時系列データへのアクセスを提供します。
    • influxdbrは、InfluxDB時系列データベースへのインタフェースを提供します。
    • pdfetchは、公共の情報源からの経済・金融時系列をダウンロードするための機能を提供します。
    • 金融、経済的、社会的なデータセットへのQuandlオンラインポータルからのデータは、対話的にQuandlを使用して照会することができます。
    • TSdbi (archived)は、時系列のデータベースに共通のインタフェースを提供します。
    • tsdbは、数値時系列のためのシンプルなデータベースを実装しています。
  • 合成データは、forecastのsimulate()やfableのgenerate()によって、特定のモデルが与えられれば生成されます。
  • gratisは、混合自己回帰モデルを使用して、多様で制御可能な特性を持つ新しい時系列を生成します。
  • synthesisは、線形系、非線形系、カオス系など、一般的な統計モデルから合成時系列を生成します。
  • tssimは、季節成分、カレンダー成分、異常値成分を用いて、日次または月次の時系列を柔軟にシミュレーションします。

その他

  • dtw：時系列間のペアワイズアライメントを計算、プロットするための動的時間ワープアルゴリズム。
  • EBMAforecast：GibbsサンプリングまたはEMアルゴリズムを使用したアンサンブルベイジアンモデル平均予測。
  • ensembleBMA：アンサンブル予報や気象観測から、確率的な予測を作成するためのベイズモデル平均化。
  • FeedbackTS：時系列にフィードバックを調査する断片化されたタイム・方向性の分析。
  • gsignalは，様々な信号処理ツールを含むOctaveパッケージ「signal」をRで実装したものです。
  • nets：時系列データのためのスパース長期的に部分的な相関ネットワークを推定するためのルーチン。
  • paleoTS：古生物学、時系列的に進化をモデル化。
  • pastecs：規制分解と空間・時系列の分析。
  • PSF：パターンシーケンスを用いて単変量時系列を予測します。
  • ptw：パラメトリックタイムワーピング。
  • RGENERATEは、ベクトル時系列を生成するためのツールを提供しています。
  • RMAWGENは、VARモデルの気温と降水量を作る使用の日々の時系列の空間的なマルチサイト確率的生成のためのS3とS4関数の集合です。パッケージには、気候学、統計水文学で使用することができます。
  • RSEIS：地震時系列解析ツール。
  • rts：ラスター時系列解析（衛星画像、例えば、時系列）。
  • SLBDD：「Statistical Learning with Big Dependent Data」(Pena & Tsay, 2021)に基づく大規模時系列解析のための関数です．
  • spTimer：時空間ベイズモデリング。
  • surveillance：時間的および時空間モデリングと流行現象のモニタリングが行われます。
  • Tides：関数の準周期的な時系列などの特性を計算する観測された河口水位。
  • tsfknn：k最近傍点の時系列予測。
  • tsModel：大気汚染と健康のための時系列のモデル化。

関連する記事

  • Ubuntu14.04でPython3に対応したmatplotlibを使用するための手順Ubuntu14.04でPython3に対応したmatplotlibを使用するための手順 Ubuntu14.04でPython3に対応したmatplotlibを使用するための手順をご紹介する。 1. […]
  • RStudioのエディタテーマ一覧RStudioのエディタテーマ一覧 RStudio(ver 1.0.153)のエディタテーマの一覧をご紹介します。 Ambiance Chaos Chrome Clouds Midnight Clouds Cobalt Crimson Editor Dawn Dreamweaver Eclipse Idle Fingers Katzenmilch Kr […]
  • 経営戦略に使えるRFM分析の基礎知識と活用法経営戦略に使えるRFM分析の基礎知識と活用法 RFM分析とは、ある一定期間の購買履歴データを用いて、顧客を分類することにより様々な示唆を得るための分析手法である。分類の仕方は、顧客を直近購買時期・購入頻度・購買額の3つの軸で分類し、各軸ごとにランク分けをする。このことにより、顧客が現在どの位置にいて、それがどのくらいの人数なのかを把握することができる。 あなたは、このような分類をすることにどのようなメリットがあるの […]
  • UCI 機械学習リポジトリのデータセット一覧UCI 機械学習リポジトリのデータセット一覧 UCI machine learning repositoryで公開されているデータセットの一覧をご紹介します。英語での要約(abstract)をgoogle翻訳を使用させていただき機械的に翻訳したものを掲載しました。データセットのサンプルを探す参考にしていただければ幸いです。 掲載内容は2022年11月01日の情報で、データセット数は606です。 2.4 […]
  • 平均的に分類する方法の考察（１）平均的に分類する方法の考察（１） ある定量データが与えられたとき、それを平均的に分類するための方法を考えてみる。 ここで言う平均的に分類するというのは、分類された各グループのデータ数がほぼ等しく、かつ、分類された各グループの平均値が定量データ全体の平均値にほぼ等しくなるように分類するということである。 具体的には、学生のクラス替えを行う際に、100人の学生を3つのクラスに振り分けたいが、その場合、各ク […]
R言語 CRAN Task View：時系列解析

「R言語 CRAN Task View：時系列解析」への1件のフィードバック

コメントは受け付けていません。