¿Qué es un modelo de serie temporal para pronosticar un porcentaje limitado por (0,1)?

Esto debe aparecer --- el pronóstico de cosas que están atrapadas entre 0 y 1.

En mi serie, sospecho que hay un componente de regresión automática y también un componente de reversión a la media, por lo que quiero algo que pueda interpretar como un ARIMA --- pero no quiero que se dispare al 1000% en el futuro .

¿Utiliza un modelo ARIMA como parámetro en una regresión logística para limitar el resultado entre 0 y 1?

O aprendí aquí que las regresiones Beta son más apropiadas para los datos (0,1). ¿Cómo aplicaría esto a una serie temporal? ¿Existen buenos paquetes de R o funciones de Matlab que faciliten el ajuste y el pronóstico?

En mi tesis doctoral en Stanford en 1978, construí una familia de procesos de autorregresión de primer orden con distribuciones marginales uniformes en Para cualquier número entero sea donde tiene la siguiente distribución uniforme discreta que es para . Es interesante que aunque sea ​​discreto, cada tenga una distribución uniforme continua en si comienza suponiendo que es uniforme en . Más tarde, Richard Davis y yo extendimos esto a la correlación negativa, es decir$[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]$$X(t) =-X(t-1)/r + e(t)$ . Es interesante como ejemplo de una serie temporal autorregresiva estacionaria limitada a variar entre y ya que el OP indicó que le interesa. Es un caso ligeramente patológico porque, aunque el máximo de las secuencias satisface un límite de valor extremo similar al límite para los uniformes IID tiene un índice extremo inferior a . En mi tesis y en el artículo de Annals of Probability mostré que el índice extremo era$0$$1$$1$$(r-1)/r$. No me referí a él como el índice extremo porque ese término fue acuñado más tarde por Leadbetter (mencionado más notablemente en su texto Springer de 1983 en coautoría con Rootzen y Lindgren). No sé si este modelo tiene mucho valor práctico. Creo que probablemente no, ya que la distribución del ruido es tan peculiar. Pero sirve como un ejemplo ligeramente patológico.

Lo pregunté hace mucho tiempo, pero SO simplemente lo volvió a abrir. En el caso que estaba viendo, terminé pronosticando el numerador y el denominador por separado, lo que de todos modos tenía más sentido para la métrica.