Класс: arima
Выведите невязки модели ARIMA или ARIMAX или условные отклонения
[E,V] =
infer(Mdl,Y)
[E,V,logL]
= infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y,Name,Value)
[
выводит невязки и условные отклонения одномерной подгонки модели ARIMA к данным E
,V
] =
infer(Mdl
,Y
)Y
.
[
дополнительно возвращает loglikelihood значения целевой функции.E
,V
,logL
]
= infer(Mdl
,Y
)
[E,V,logL] = infer(Mdl,Y,
выводит невязки модели ARIMA или ARIMAX и условные отклонения, и возвращает loglikelihood значения целевой функции, с дополнительными опциями, заданными одним или несколькими аргументами пары Name,Value
)Name,Value
.
Y
Данные об ответеДанные об ответе, заданные как числовой вектор-столбец или числовая матрица. Если Y
является матрицей, то он имеет наблюдения numObs
и numPaths
отдельные, независимые контуры.
infer
выводит невязки и отклонения Y
. Y
представляет временные ряды, охарактеризованные Mdl
, и это - продолжение преддемонстрационной серии Y0
.
Если Y
является вектор-столбцом, то он представляет один путь базового ряда.
Если Y
является матрицей, то он представляет наблюдения numObs
за путями numPaths
базовых временных рядов.
infer
принимает, что наблюдения через любую строку происходят одновременно. Последнее наблюдение за любым рядом является последним.
Типы данных: double
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.
'E0'
— Преддемонстрационные инновации0
(значение по умолчанию) | числовой вектор-столбец | числовая матрицаПреддемонстрационные инновации, которые имеют среднее значение 0 и обеспечивают начальные значения для модели, заданной как пара, разделенная запятой, состоящая из 'E0'
и числового вектор-столбца или числовой матрицы.
E0
должен содержать, по крайней мере, столбцы numPaths
и достаточно строк, чтобы инициализировать модель ARIMA и любую условную модель отклонения. Таким образом, E0
должен содержать, по крайней мере, инновации Mdl.Q
, но может быть больше, если вы используете условную модель отклонения. Если количество строк в E0
превышает необходимый номер, то infer
только использует последние наблюдения. Последняя строка содержит последнее наблюдение.
Если количество столбцов превышает numPaths
, то infer
только использует первые столбцы numPaths
. Если E0
является вектор-столбцом, то infer
применяет его к каждому выведенному пути.
Типы данных: double
'V0'
— Преддемонстрационные условные отклоненияПреддемонстрационные условные отклонения, обеспечивающие начальные значения для любой условной модели отклонения, заданной как пара, разделенная запятой, состоящая из 'V0'
и числового вектор-столбца или матрицы с положительными записями.
V0
должен содержать, по крайней мере, столбцы numPaths
и достаточно строк, чтобы инициализировать модель отклонения. Если количество строк в V0
превышает необходимый номер, то infer
только использует последние наблюдения. Последняя строка содержит последнее наблюдение.
Если количество столбцов превышает numPaths
, то infer
только использует первые столбцы numPaths
. Если V0
является вектор-столбцом, то infer
применяет его к каждому выведенному пути.
По умолчанию infer
устанавливает необходимые наблюдения на безусловное отклонение условного процесса отклонения.
Типы данных: double
X
Внешние данные о предиктореВнешние данные о предикторе для компонента регрессии, заданного как пара, разделенная запятой, состоящая из 'X'
и матрицы.
Столбцы X
являются отдельными, синхронизируемыми временными рядами с последней строкой, содержащей последние наблюдения.
Если вы не задаете Y0
, то количеством строк X
должен быть, по крайней мере, numObs + Mdl.P
. В противном случае количеством строк X
должен быть, по крайней мере, numObs
. В любом случае, если количество строк X
превышает необходимый номер, то infer
использует только последние наблюдения.
По умолчанию условная средняя модель не имеет коэффициента регрессии.
Типы данных: double
y0
Преддемонстрационные данные об ответеПреддемонстрационные данные об ответе, которые обеспечивают начальные значения для модели, заданной как пара, разделенная запятой, состоящая из 'Y0'
и числового вектор-столбца или числовой матрицы. Y0
должен содержать, по крайней мере, строки Mdl.P
и столбцы numPaths
. Если количество строк в Y0
превышает Mdl.P
, то infer
только использует последние наблюдения Mdl.P
. Последняя строка содержит последнее наблюдение. Если количество столбцов превышает numPaths
, то infer
только использует первые столбцы numPaths
. Если Y0
является вектор-столбцом, то infer
применяет его к каждому выведенному пути.
По умолчанию, обратные броски infer
, чтобы получить необходимые наблюдения.
Типы данных: double
NaN
s указывает на отсутствующие значения, и infer
удаляет их. Программное обеспечение объединяет преддемонстрационные данные и основные наборы данных отдельно, затем использует мудрое списком удаление, чтобы удалить любой NaN
s. Таким образом, infer
устанавливает PreSample
= [Y0 E0 V0]
и Data
= [Y X]
, затем это удаляет любую строку в PreSample
или Data
, который содержит по крайней мере один NaN
.
Удаление NaN
s в основных данных уменьшает эффективный объем выборки. Такое удаление может также создать неправильные временные ряды.
infer
принимает, что вы синхронизируете ответ и ряд предиктора, таким образом, что последнее наблюдение за каждым происходит одновременно. Программное обеспечение также принимает, что вы синхронизируете преддемонстрационный ряд так же.
Программное обеспечение применяет весь внешний ряд в X
к каждому ряду ответа в Y
.
E
Выведенные невязкиВыведенные невязки, возвращенные как числовая матрица. E
имеет строки numObs
и столбцы numPaths
.
V
Выведенные условные отклоненияВыведенные условные дисперсии, возвращенные как числовая матрица. V
имеет строки numObs
и столбцы numPaths
.
logL
— Значения целевой функции LoglikelihoodЗначения целевой функции Loglikelihood сопоставлены с моделью Mdl
, возвращенной как числовой вектор. logL
сопоставили элементы numPaths
с соответствующим путем в Y
.
Типы данных: double
Выведите невязки из модели AR.
Задайте модель AR (2) с помощью известных параметров.
Mdl = arima('AR',{0.5,-0.8},'Constant',0.002,... 'Variance',0.8);
Моделируйте данные об ответе с 102 наблюдениями.
rng 'default';
Y = simulate(Mdl,102);
Используйте первые два ответа в качестве преддемонстрационных данных и выведите невязки для остающихся 100 наблюдений.
E = infer(Mdl,Y(3:end),'Y0',Y(1:2)); figure; plot(E); title 'Inferred Residuals';
Выведите условные отклонения из AR (1) и GARCH (1,1) составная модель.
Задайте модель AR (1) с помощью известных параметров. Установите отклонение, равное модели garch
.
Mdl = arima('AR',{0.8,-0.3},'Constant',0); MdlVar = garch('Constant',0.0002,'GARCH',0.6,... 'ARCH',0.2); Mdl.Variance = MdlVar;
Моделируйте данные об ответе с 102 наблюдениями.
rng 'default';
Y = simulate(Mdl,102);
Выведите условные отклонения для последних 100 наблюдений, не используя преддемонстрационные данные.
[Ew,Vw] = infer(Mdl,Y(3:end));
Выведите условные отклонения для последних 100 наблюдений с помощью первых двух наблюдений в качестве преддемонстрационных данных.
[E,V] = infer(Mdl,Y(3:end),'Y0',Y(1:2));
Постройте два набора условных отклонений для сравнения. Исследуйте первые несколько наблюдений, чтобы видеть незначительные различия между рядом вначале.
figure; subplot(2,1,1); plot(Vw,'r','LineWidth',2); hold on; plot(V); legend('Without Presample','With Presample'); title 'Inferred Conditional Variances'; hold off subplot(2,1,2); plot(Vw(1:5),'r','LineWidth',2); hold on; plot(V(1:5)); legend('Without Presample','With Presample'); title 'Beginning of Series'; hold off
Выведите невязки из модели ARMAX.
Задайте модель ARMA(1,2) с помощью известных параметров для ответа (MdlY
) и модель AR (1) для данных о предикторе (MdlX
).
MdlY = arima('AR',0.2,'MA',{-0.1,0.6},'Constant',... 1,'Variance',2,'Beta',3); MdlX = arima('AR',0.3,'Constant',0,'Variance',1);
Моделируйте ответ и данные о предикторе с 102 наблюдениями.
rng 'default'; % For reproducibility X = simulate(MdlX,102); Y = simulate(MdlY,102,'X',X);
Используйте первые два ответа в качестве преддемонстрационных данных и выведите невязки для остающихся 100 наблюдений.
E = infer(MdlY,Y(3:end),'Y0',Y(1:2),'X',X); figure; plot(E); title 'Inferred Residuals';
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ timeseries: Предсказывая и Управление 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.
[2] Enders, W. Прикладные эконометрические временные ряды. Хобокен, NJ: John Wiley & Sons, 1995.
[3] Гамильтон, J. D. Анализ timeseries. Принстон, NJ: Издательство Принстонского университета, 1994.
1. Если смысл перевода понятен, то лучше оставьте как есть и не придирайтесь к словам, синонимам и тому подобному. О вкусах не спорим.
2. Не дополняйте перевод комментариями “от себя”. В исправлении не должно появляться дополнительных смыслов и комментариев, отсутствующих в оригинале. Такие правки не получится интегрировать в алгоритме автоматического перевода.
3. Сохраняйте структуру оригинального текста - например, не разбивайте одно предложение на два.
4. Не имеет смысла однотипное исправление перевода какого-то термина во всех предложениях. Исправляйте только в одном месте. Когда Вашу правку одобрят, это исправление будет алгоритмически распространено и на другие части документации.
5. По иным вопросам, например если надо исправить заблокированное для перевода слово, обратитесь к редакторам через форму технической поддержки.