Оценка наибольшего правдоподобия для условных средних моделей

Инновационное распределение

Для условных средних моделей в Econometrics Toolbox™ форма инновационного процессаεt=σtzt, где zt может быть стандартизирован t Гауссова или Студента с ν>2 степени свободы. Задайте свой выбор распределения в свойстве Distribution объекта модели arima.

Инновационное отклонение, σt2, может быть постоянная положительная скалярная величина, или охарактеризованная условной моделью отклонения. Задайте форму условного отклонения с помощью свойства Variance. Если вы задаете условную модель отклонения, параметры той модели оцениваются с условными средними параметрами модели одновременно.

Учитывая стационарную модель,

yt=μ+ψ(L)εt,

применение обратного фильтра приводит к решению для инноваций εt

εt=ψ1(L)(ytμ).

Например, для AR (p) процесс,

εt=c+ϕ(L)yt,

где ϕ(L)=(1ϕ1LϕpLp) степень полином оператора AR p.

estimate использует наибольшее правдоподобие, чтобы оценить параметры модели arima. estimate возвращает адаптированные значения для любых параметров во входном объекте модели, равном NaN. estimate соблюдает любые ограничения равенства во входном объекте модели и не возвращает оценки для параметров с ограничениями равенства.

Функции Loglikelihood

Учитывая историю процесса, инновации условно независимы. Позвольте Ht обозначить историю процесса, доступного во время t, t = 1..., N. Функцией правдоподобия для инновационного ряда дают

f(ε1,ε2,,εN|HN1)=t=1Nf(εt|Ht1),

где f является стандартизированным Гауссовым или функцией плотности t.

Точная форма loglikelihood целевой функции зависит от параметрической формы инновационного распределения.

  • Если zt имеет стандартное Распределение Гаусса, то функция loglikelihood

    LLF=N2журнал(2π)12t=1Nжурналσt212t=1Nεt2σt2.

  • Если zt имеет распределение t стандартизированного Студента с ν>2 степени свободы, затем функция loglikelihood

    LLF=Nжурнал[Γ(ν+12)π(ν2)Γ(ν2)]12t=1Nжурналσt2ν+12t=1Nжурнал[1+εt2σt2(ν2)].

estimate выполняет оценку ковариационной матрицы для оценок наибольшего правдоподобия с помощью векторного произведения градиентов (OPG) метод.

Смотрите также

|

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте