预测差异或商？

Question

对于时间序列预测问题，我注意到有些人试图预测差异或商。例如，在交易中，我们可以尝试预测价格差异P_ {t-1}-P_t或价格商P_ {t-1} / P_t。因此，我们得到了一个更平稳的问题。使用用于回归问题的递归神经网络，如果价格没有足够快地变化，那么试图预测价格差异可能是一个真正的痛苦，因为它会在每个步骤中预测大多数为零。

问题：

1. 使用差或商而不是全部数量有什么好处和不便之处？
2. 在试图预测价格走势的问题中，有什么好的工具可以消除重复的零点？

Answer 1

• 如果假设价格是固定的（* P _t = C ^te ），则预测整个数量。
• 如果假设价格上涨（）是平稳的（P _t = P _t-1 + C ^te ），然后预测绝对差P _t -P _t-1 。 （注意：这是ARIMA模型，差异程度为1）
• 如果假设价格增长（以百分比为单位）是平稳的（P _t = P _t-1 + C ^te * P _t-1 ），然后预测相对差P _t / P _t-1 。
• 如果价格变化很少（即绝对或相对差通常为零），则尝试预测两次变化之间的时间间隔，而不是价格本身。