（0,1）によってバインドされたパーセンテージを予測するための時系列モデルとは何ですか？

これは浮かび上がるはずです--- 0と1の間で止まっているものの予測。

私のシリーズでは、自動回帰コンポーネントと平均回帰コンポーネントも疑っています。そのため、ARIMAのように解釈できるものが欲しいのですが、将来1000％まで飛ばしたくありません。 。

ロジスティック回帰のパラメーターとしてARIMAモデルを使用して、結果を0と1の間に制限しますか？

または、ベータ回帰は（0,1）データに適していることをここで学びました。これを時系列にどのように適用できますか？これを簡単にフィッティングおよび予測できる優れたRパッケージまたはMatlab関数はありますか？

1978年にスタンフォード大学で博士号を取得した論文では、に一様な周辺分布を持つ一次自己回帰プロセスのファミリーを構築しました 。任意の整数、ここで、は次の離散的な均一分布を持ちます。これは、に対してです。が均一であると仮定すると、が離散的であるにもかかわらず、各が連続均一分布を持つことが興味深いです。後にリチャード・デイビスと私はこれを負の相関に拡張しました。$[0,1]$$r\geq 2$$X(t) = X(t-1)/r+e(t)$$e(t)$$P(e(t) = k/r)=1/r$$k=0,1,..., r-1$$e(t)$$X(t)$$[0,1]$$X(0)$$[0,1]$$X(t) =-X(t-1)/r + e(t)$。OPが関心を示しているように、と間で変化するように制約された定常自己回帰時系列の例として興味深いです。これは、シーケンスの最大値が制限と同様の極値の制限を満たしているため、少し病理的なケースですIIDユニフォームの場合、極値インデックスは未満です。私の論文と確率論の論文で、極値指数は$0$$1$$1$$(r-1)/r$。この用語は後にLeadbetterによって作成されたので、私はそれを極値インデックスと呼びませんでした（特にRootzenおよびLindgrenと共著した1983年のSpringerのテキストで言及されています）。このモデルに実用的な価値があるかどうかはわかりません。ノイズの分布があまりにも奇妙だからです。しかし、それは少し病理的な例として役立ちます。

私はずっと前にこれを尋ねましたが、SOはそれを元に戻しました。私が見ていたケースでは、分子と分母を別々に予測することになりました。