Спецификации модели MA

Модель MA по умолчанию

Этот пример показывает, как использовать краткий синтаксис arima(p,D,q), чтобы задать MA по умолчанию

yt=c+εt+θ1εt-1++θqεt-q.

По умолчанию все параметры в созданном объекте модели имеют неизвестные значения, и инновационное распределение является Гауссовым с постоянным отклонением.

Задайте модель MA (3) по умолчанию:

model = arima(0,0,3)
model = 
  arima with properties:

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

Вывод показывает, что созданный объект модели, model, имеет значения NaN для всех параметров модели: постоянный термин, коэффициенты MA и отклонение. Можно изменить созданный объект модели с помощью записи через точку или ввести его (наряду с данными) к estimate.

Модель MA без постоянного термина

Этот пример показывает, как задать MA (q) модель с постоянным равным нулю термином. Используйте синтаксис значения имени, чтобы задать модель, которая отличается от модели по умолчанию.

Задайте модель MA (2) без постоянного термина,

yt=εt+θ1εt-1+θ2εt-2,

где инновационное распределение является Гауссовым с постоянным отклонением.

model = arima('MALags',1:2,'Constant',0)
model = 
  arima with properties:

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

Аргумент значения имени MALags задает задержки, соответствующие ненулевым коэффициентам MA. Свойство Constant в созданном объекте модели равно 0, как задано. Объект модели имеет значения по умолчанию для всех других свойств, включая значения NaN как заполнители для неизвестных параметров: коэффициенты MA и скалярное отклонение.

Можно изменить созданную образцовую переменную или ввести ее (наряду с данными) к estimate.

Модель MA с непоследовательными задержками

Этот пример показывает, как задать MA (q) модель с ненулевыми коэффициентами в непоследовательных задержках.

Задайте модель MA (4) с ненулевыми коэффициентами MA в задержках 1 и 4 (никакой постоянный термин),

yt=εt+θ1εt-1+θ12εt-12,

где инновационное распределение является Гауссовым с постоянным отклонением.

model = arima('MALags',[1,4],'Constant',0)
model = 
  arima with properties:

     Description: "ARIMA(0,0,4) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 0
               D: 0
               Q: 4
        Constant: 0
              AR: {}
             SAR: {}
              MA: {NaN NaN} at lags [1 4]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Вывод показывает ненулевые коэффициенты AR в задержках 1 и 4, как задано. Свойство Q равно 4, количество преддемонстрационных инноваций должно было инициализировать модель MA. Неограниченные параметры равны NaN.

Отобразите значение MA:

model.MA
ans = 1x4 cell array
    {[NaN]}    {[0]}    {[0]}    {[NaN]}

Массив ячеек MA возвращает четыре элемента. Первые и последние элементы (соответствующий задержкам 1 и 4) имеют значение NaN, указывая, что эти коэффициенты являются ненулевыми и должны быть оценены или в противном случае заданы пользователем. arima устанавливает коэффициенты во временных задержках, равных нулю поддерживать непротиворечивость с индексацией массива ячеек MATLAB®.

Модель MA с известными значениями параметров

Этот пример показывает, как задать MA (q) модель с известными значениями параметров. Можно использовать такую полностью заданную модель в качестве входа к simulate или forecast.

Задайте модель MA (4)

yt=0.1+εt+0.7εt-1+0.2εt-4,

где инновационное распределение является Гауссовым с постоянным отклонением 0.15.

model = arima('Constant',0.1,'MA',{0.7,0.2},...
						'MALags',[1,4],'Variance',0.15)
model = 
  arima with properties:

     Description: "ARIMA(0,0,4) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 0
               D: 0
               Q: 4
        Constant: 0.1
              AR: {}
             SAR: {}
              MA: {0.7 0.2} at lags [1 4]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: 0.15

Поскольку все значения параметров заданы, созданный объект модели не имеет никаких значений NaN. Функции simulate и forecast не принимают входные модели со значениями NaN.

Модель MA с t Инновационным Распределением

Этот пример показывает, как задать MA (q) модель с t инновационным распределением Студента.

Задайте модель MA (2) без постоянного термина,

yt=εt+θ1εt-1+θ2εt-2,

где инновационный процесс следует за t распределением Студента с восемью степенями свободы.

tdist = struct('Name','t','DoF',8);
model = arima('Constant',0,'MALags',1:2,'Distribution',tdist)
model = 
  arima with properties:

     Description: "ARIMA(0,0,2) Model (t Distribution)"
    Distribution: Name = "t", DoF = 8
               P: 0
               D: 0
               Q: 2
        Constant: 0
              AR: {}
             SAR: {}
              MA: {NaN NaN} at lags [1 2]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Значение Distribution является массивом struct с полем Name, равным 't' и полю DoF, равному 8. Когда вы задаете степени свободы, они не оцениваются, если вы вводите модель к estimate.

Задайте модель MA Используя приложение Econometric Modeler

В приложении Econometric Modeler можно задать структуру задержки, присутствие константы, и инновационное распределение модели MA (q) путем выполнения этих шагов. Все заданные коэффициенты являются неизвестными но допускающими оценку параметрами.

  1. В командной строке откройте приложение Econometric Modeler.

    econometricModeler

    Также откройте приложение из галереи приложений (см. Econometric Modeler).

  2. В Data Browser выберите ряд времени отклика, к которому модель будет подходящей.

  3. На вкладке Econometric Modeler, в разделе Models, нажимают MA.

    Диалоговое окно MA Model Parameters появляется.

  4. Задайте структуру задержки. Чтобы задать модель MA (q), которая включает все задержки MA от 1 до q, используйте вкладку Lag Order. Для гибкости, чтобы задать включение особых задержек, используйте вкладку Lag Vector. Для получения дополнительной информации смотрите Полиномы Оператора Задержки Определения В интерактивном режиме. Независимо от вкладки вы используете, можно проверить образцовую форму путем осмотра уравнения в разделе Model Equation .

Например:

  • Задавать модель MA (3), которая включает константу, включает первую задержку и имеет Гауссово инновационное распределение, установите Moving Average Order на 3.

  • Задавать модель MA (2), которая включает первую задержку, имеет Распределение Гаусса, но не включает константу:

    1. Установите Moving Average Order на 2.

    2. Снимите флажок Include Constant Term.

  • Задавать модель MA (4), содержащую непоследовательные задержки

    yt=εt+θ1εt1+θ4εt4,

    где εt является серией Гауссовых инноваций IID:

    1. Кликните по вкладке Lag Vector.

    2. Установите Moving Average Order на 1 4.

    3. Снимите флажок Include Constant Term.

  • Задавать модель MA (2), которая включает первую задержку, включает постоянный термин и имеет t - распределенные инновации:

    1. Установите Moving Average Lags на 2.

    2. Нажмите кнопку Innovation Distribution, затем выберите t.

    Параметр степеней свободы распределения t является неизвестным, но допускающим оценку параметром.

После того, как вы зададите модель, нажмите Estimate, чтобы оценить все неизвестные параметры в модели.

Смотрите также

Приложения

Объекты

Функции

Связанные примеры

Больше о

Для просмотра документации необходимо авторизоваться на сайте