класс arima

Суперклассы:

Создайте ARIMA или модель временных рядов ARIMAX

Описание

arima создает объекты модели для стационарного или модульного корня неустановившаяся линейная модель временных рядов. Это включает скользящее среднее значение (MA), авторегрессивное (AR), смешанное авторегрессивное и скользящее среднее значение (ARMA), интегрированный (ARIMA), мультипликативные сезонные, и линейные модели временных рядов, которые включают компонент регрессии (ARIMAX).

Задайте модели с известными коэффициентами, оцените коэффициенты с данными с помощью estimate или моделируйте модели с simulate. По умолчанию отклонение инноваций является положительной скалярной величиной, но можно задать любую поддерживаемую условную модель отклонения, такую как модель GARCH.

Конструкция

Mdl = arima создает модель ARIMA нуля степеней.

Mdl = arima(p,D,q) создает несезонную линейную модель временных рядов использование авторегрессивной степени p, степень дифференцирования D и степень скользящего среднего значения q.

Mdl = arima(Name,Value) создает линейную модель временных рядов, использующую дополнительные опции, заданные одним или несколькими аргументами пары Name,Value. Name является именем свойства, и Value является соответствующим значением. Имя должно находиться внутри одинарных кавычек (' '). Можно задать несколько аргументов пары "имя-значение" в любом порядке как Name1,Value1,...,NameN,ValueN.

Входные параметры

Примечание

Можно только использовать эти аргументы для несезонных моделей. Для сезонных моделей используйте синтаксис значения имени.

p

Положительное целое число, указывающее на степень несезонного авторегрессивного полинома.

D

Неотрицательное целое число, указывающее на степень несезонного интегрирования в линейных временных рядах.

q

Положительное целое число, указывающее на степень несезонного полинома скользящего среднего значения.

Аргументы в виде пар имя-значение

Укажите необязательные аргументы в виде пар ""имя, значение"", разделенных запятыми. Имя (Name) — это имя аргумента, а значение (Value) — соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

'AR'

Вектор ячейки несезонных авторегрессивных коэффициентов, соответствующих стабильному полиному. Когда задано без ARLags, AR является вектором ячейки коэффициентов в задержках 1,2... до степени несезонного авторегрессивного полинома. Когда задано с ARLags, AR является вектором ячейки эквивалентной длины коэффициентов, сопоставленных с задержками в ARLags.

Значение по умолчанию: вектор Ячейки NaN s.

'ARLags'

Вектор положительных целочисленных задержек сопоставлен с коэффициентами AR.

Значение по умолчанию: Вектор целых чисел 1,2... до степени несезонного авторегрессивного полинома.

'Beta'

Вектор действительных чисел коэффициентов, соответствующих компоненту регрессии в условной средней модели ARIMAX.

Значение по умолчанию: [] (никакие коэффициенты регрессии, соответствующие компоненту регрессии)

'Constant'

Скалярная константа в линейных временных рядах.

Значение по умолчанию: NaN

'D'

Неотрицательное целое число, указывающее на степень несезонного дифференцирования, изолирует полином оператора (степень несезонного интегрирования) в линейных временных рядах.

Значение по умолчанию: 0 (никакое несезонное интегрирование)

'Distribution'

Распределение условной вероятности инновационного процесса. Distribution является 'Gaussian' или 't'. Также задайте его как структуру данных с полем Name, чтобы сохранить распределение 'Gaussian' или 't'. Если распределением является 't', то структуре также нужно поле DoF, чтобы сохранить степени свободы.

Значение по умолчанию: 'Gaussian'

'MA'

Вектор ячейки несезонных коэффициентов скользящего среднего значения, соответствующих обратимому полиному. Когда задано без MALags, MA является вектором ячейки коэффициентов в задержках 1,2... до степени несезонного полинома скользящего среднего значения. Когда задано с MALags, MA является вектором ячейки эквивалентной длины коэффициентов, сопоставленных с задержками в MALags.

Значение по умолчанию: вектор Ячейки значений NaN.

'MALags'

Вектор положительных целочисленных задержек сопоставлен с коэффициентами MA.

Значение по умолчанию: Вектор целых чисел 1,2... до степени несезонного полинома скользящего среднего значения.

'SAR'

Вектор ячейки сезонных авторегрессивных коэффициентов, соответствующих стабильному полиному. Когда задано без SARLags, SAR является вектором ячейки коэффициентов в задержках 1,2... до степени сезонного авторегрессивного полинома. Когда задано с SARLags, SAR является вектором ячейки эквивалентной длины коэффициентов, сопоставленных с задержками в SARLags.

Значение по умолчанию: вектор Ячейки NaN s.

'SARLags'

Вектор положительных целочисленных задержек сопоставлен с коэффициентами SAR.

Значение по умолчанию: Вектор целых чисел 1,2... до степени сезонного авторегрессивного полинома.

'SMA'

Вектор ячейки сезонных коэффициентов скользящего среднего значения, соответствующих обратимому полиному. Когда задано без SMALags, SMA является вектором ячейки коэффициентов в задержках 1,2... до степени сезонного полинома скользящего среднего значения. Когда задано с SMALags, SMA является вектором ячейки эквивалентной длины коэффициентов, сопоставленных с задержками в SMALags.

Значение по умолчанию: вектор Ячейки NaN s.

'SMALags'

Вектор положительных целочисленных задержек сопоставлен с коэффициентами SMA.

Значение по умолчанию: Вектор целых чисел 1,2... до степени сезонного полинома скользящего среднего значения.

'Seasonality'

Неотрицательное целое число, указывающее на степень сезонного дифференцирования, изолирует полином оператора в линейной модели временных рядов.

Значение по умолчанию: 0 (никакое сезонное интегрирование)

'Variance'

Отклонение положительной скалярной величины образцовых инноваций, или поддерживаемый условный объект модели отклонения (например, объект модели garch).

Значение по умолчанию: NaN

'Description'

Представьте в виде строки скаляр или вектор символов, описывающий модель. По умолчанию этот аргумент описывает параметрическую форму модели, например, "ARIMA(1,1,1) Model (Gaussian Distribution)".

Примечания

  • Каждый AR, SAR, MA и коэффициент SMA сопоставлены с базовым полиномом оператора задержки и подвергаются тесту исключения почти неприятия. Таким образом, программное обеспечение сравнивает каждый коэффициент с неприятием оператора задержки по умолчанию, 1e-12. Если значение коэффициента больше, чем 1e-12, то программное обеспечение включает его в модель. В противном случае программное обеспечение рассматривает коэффициент достаточно близко к 0 и исключает его из модели. Для дополнительных деталей смотрите LagOp.

  • Задайте задержки, сопоставленные с сезонными полиномами SAR и SMA в периодичности наблюдаемых данных, и не как множители параметра Seasonality. Это соглашение не соответствует стандартному Полю и Дженкинсу [1] обозначение, но это - более гибкий подход для слияния мультипликативной сезонности.

Свойства

AR

Вектор ячейки несезонных авторегрессивных коэффициентов, соответствующих стабильному полиному. Связанные задержки 1,2... до степени несезонного авторегрессивного полинома, или, как задано в ARLags.

Beta

Вектор действительных чисел коэффициентов регрессии, соответствующих компоненту регрессии.

Constant

Скалярная константа в линейной модели временных рядов.

D

Неотрицательное целое число, указывающее на степень несезонного интегрирования в линейных временных рядах.

Description

Представьте скаляр в виде строки для образцового описания.

Distribution

Структура данных для распределения условной вероятности инновационного процесса. Поле Name хранит имя распределения "Gaussian" или "t". Если распределением является "t", то структура также имеет поле DoF, чтобы сохранить степени свободы.

MA

Вектор ячейки несезонных коэффициентов скользящего среднего значения, соответствующих обратимому полиному. Связанные задержки 1,2... до степени несезонного полинома скользящего среднего значения, или, как задано в MALags.

P

Степень составного авторегрессивного полинома. P является общим количеством изолированных наблюдений, необходимых, чтобы инициализировать авторегрессивный компонент модели.

P включает эффекты несезонного и сезонного интегрирования, полученного свойствами D и Seasonality, соответственно, и несезонных и сезонных авторегрессивных полиномов AR и SAR, соответственно.

Свойство P не обязательно соответствует стандартному обозначению Поля и Дженкинса. Это только соответствует, если модель не имеет никакого интегрирования, ни сезонного авторегрессивного компонента.

Q

Степень составного полинома скользящего среднего значения. Q является общим количеством изолированных инноваций, необходимых, чтобы инициализировать компонент скользящего среднего значения модели. Q включает эффекты несезонных и сезонных полиномов скользящего среднего значения MA и SMA, соответственно.

Свойство Q не обязательно соответствует стандартному обозначению Поля и Дженкинса. Это только соответствует, если модель не имеет никакого сезонного компонента скользящего среднего значения.

SAR

Вектор ячейки сезонных авторегрессивных коэффициентов, соответствующих стабильному полиному. Связанные задержки 1,2... до степени сезонного авторегрессивного полинома, или, как задано в SARLags.

SMA

Вектор ячейки сезонных коэффициентов скользящего среднего значения, соответствующих обратимому полиному. Связанные задержки 1,2... до степени сезонного полинома скользящего среднего значения, или, как задано в SMALags.

Seasonality

Неотрицательное целое число, указывающее на сезонную степень полинома дифференцирования в области линейной модели временных рядов.

Variance

Отклонение положительной скалярной величины образцовых инноваций, или поддерживаемая условная модель отклонения (например, модель garch).

Методы

оценкаОцените ARIMA или параметры модели ARIMAX
фильтрОтфильтруйте воздействия с помощью модели ARIMA или ARIMAX
прогнозПредскажите ответы модели ARIMA или ARIMAX или условные отклонения
импульсИмпульсная функция отклика
вывестиВыведите невязки модели ARIMA или ARIMAX или условные отклонения
печать(Чтобы быть удаленным), оценка параметра Отображения заканчивается для моделей ARIMA или ARIMAX
моделироватьСимуляция Монте-Карло моделей ARIMA или ARIMAX
подвести итогОтобразите результаты оценки модели ARIMA

Копировать семантику

Значение. Чтобы изучить, как классы значения влияют на операции копии, смотрите Копирование Объектов (MATLAB).

Примеры

свернуть все

Задайте модель ARIMA (2,1,2),

(1-ϕ1L-ϕ2L2)(1-L)yt=(1+θ1L+θ2L2)εt

Mdl = arima(2,1,2)
Mdl = 
  arima with properties:

     Description: "ARIMA(2,1,2) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 3
               D: 1
               Q: 2
        Constant: NaN
              AR: {NaN NaN} at lags [1 2]
             SAR: {}
              MA: {NaN NaN} at lags [1 2]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Модель является несезонной, таким образом, можно использовать краткий синтаксис. Результатом является модель с двумя несезонными коэффициентами AR (p = 2), два несезонных коэффициента MA (q = 2), и одна степень дифференцирования (D = 1). Свойство P равно p + D = 3. значения NaN указывают на допускающие оценку параметры.

Создайте, и затем измените модель arima.

Задайте модель AR (3) с известными коэффициентами,

yt=0.05+0.6yt-1+0.2yt-2-0.1yt-3+εt,

где εt имеет Распределение Гаусса со средним значением 0 и отклонением 0.01.

Mdl = arima('Constant',0.05,'AR',{0.6,0.2,-0.1},...
	'Variance',0.01)
Mdl = 
  arima with properties:

     Description: "ARIMA(3,0,0) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 3
               D: 0
               Q: 0
        Constant: 0.05
              AR: {0.6 0.2 -0.1} at lags [1 2 3]
             SAR: {}
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: 0.01

Измените объект модели, чтобы сделать все параметры модели неизвестными (установите их на NaN).

Mdl.Constant = NaN;
Mdl.AR = {NaN NaN NaN};
Mdl.Variance = NaN
Mdl = 
  arima with properties:

     Description: "ARIMA(3,0,0) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 3
               D: 0
               Q: 0
        Constant: NaN
              AR: {NaN NaN NaN} at lags [1 2 3]
             SAR: {}
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Сделайте инновационное распределение a t распределение с 10 степенями свободы.

tdist = struct('Name','t','DoF',10);
Mdl.Distribution = tdist
Mdl = 
  arima with properties:

     Description: "ARIMA(3,0,0) Model (t Distribution)"
    Distribution: Name = "t", DoF = 10
               P: 3
               D: 0
               Q: 0
        Constant: NaN
              AR: {NaN NaN NaN} at lags [1 2 3]
             SAR: {}
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Задайте модель MA без постоянных условий, и скользящего среднего значения в задержках 1, 2, и 12,

yt=εt+θ1εt-1+θ2εt-2+θ12εt-12.

Mdl = arima('Constant',0,'MALags',[1,2,12])
Mdl = 
  arima with properties:

     Description: "ARIMA(0,0,12) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 0
               D: 0
               Q: 12
        Constant: 0
              AR: {}
             SAR: {}
              MA: {NaN NaN NaN} at lags [1 2 12]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Задайте мультипликативную сезонную модель ARIMA с сезонным и несезонным интегрированием,

(1-L)(1-L12)yt=(1+θ1)(1+θ12L12)εt.

Mdl = arima('Constant',0,'D',1,'Seasonality',12,...
	'MALags',1,'SMALags',12)
Mdl = 
  arima with properties:

     Description: "ARIMA(0,1,1) Model Seasonally Integrated with Seasonal MA(12) (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 13
               D: 1
               Q: 13
        Constant: 0
              AR: {}
             SAR: {}
              MA: {NaN} at lag [1]
             SMA: {NaN} at lag [12]
     Seasonality: 12
            Beta: [1×0]
        Variance: NaN

Модель ARIMA принята, чтобы быть мультипликативной любое время, SMALags или SARLags заданы.

Задайте модель ARIMAX с одним или несколькими коэффициентами регрессии, соответствующими данным о предикторе.

Задайте модель ARIMAX(1,1,1),

(1-0.2L)(1-L)1yt=0.5xt+(1+0.3L)εt

использование arima.

Mdl = arima('AR',0.2,'D',1,'MA',0.3,'Beta',0.5)
Mdl = 
  arima with properties:

     Description: "ARIMAX(1,1,1) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 2
               D: 1
               Q: 1
        Constant: NaN
              AR: {0.2} at lag [1]
             SAR: {}
              MA: {0.3} at lag [1]
             SMA: {}
     Seasonality: 0
            Beta: [0.5]
        Variance: NaN

В выводе свойство P является суммой задержек AR и степенью несезонного интегрирования p + D = 2.

Измените эту модель ARIMAX(1,1,1) путем добавления еще двух коэффициентов регрессии,

 Mdl.Beta=[0.5,4,-0.6]
Mdl = 
  arima with properties:

     Description: "ARIMAX(1,1,1) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 2
               D: 1
               Q: 1
        Constant: NaN
              AR: {0.2} at lag [1]
             SAR: {}
              MA: {0.3} at lag [1]
             SMA: {}
     Seasonality: 0
            Beta: [0.5 4 -0.6]
        Variance: NaN

Задайте ARIMA (1,0,1) условная средняя модель с GARCH (1,1) условная модель отклонения.

Задайте условную среднюю модель.

Mdl = arima(1,0,1);

Задайте условную модель отклонения.

Mdl.Variance = garch(1,1)
Mdl = 
  arima with properties:

     Description: "ARIMA(1,0,1) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 1
               D: 0
               Q: 1
        Constant: NaN
              AR: {NaN} at lag [1]
             SAR: {}
              MA: {NaN} at lag [1]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: [GARCH(1,1) Model]

Больше о

развернуть все

Для просмотра документации необходимо авторизоваться на сайте