Оценка тренда скользящего среднего значения
Этот пример показывает, как оценить долгосрочный тренд с помощью симметричной функции скользящего среднего значения. Это - свертка, что можно реализовать использование conv. Временные ряды являются ежемесячными международными количествами авиапассажира от 1 949 до 1960.
Загрузите набор данных авиакомпании (Data_Airline).
load(fullfile(matlabroot,'examples','econ','Data_Airline.mat')) y = log(Data); T = length(y); figure plot(y) h = gca; h.XLim = [0,T]; h.XTick = [1:12:T]; h.XTickLabel = datestr(dates(1:12:T),10); title 'Log Airline Passenger Counts'; hold on
Данные показывают линейный тренд и сезонный компонент с периодичностью 12.
Периодичность данных ежемесячно, таким образом, скользящее среднее значение с 13 терминами является разумным выбором для оценки долгосрочного тренда. Используйте вес 1/24 для первых и последних условий и веса 1/12 для внутренних условий. Добавьте оценку тренда скользящего среднего значения в наблюдаемый график временных рядов.
wts = [1/24;repmat(1/12,11,1);1/24]; yS = conv(y,wts,'valid'); plot(7:T-6,yS,'r','LineWidth',2); legend('13-Term Moving Average') hold off
Когда вы используете параметр формы, 'valid' в вызове conv, наблюдения вначале и конец ряда потерян. Здесь, скользящее среднее значение имеет длину окна 13, таким образом, первые и последние 6 наблюдений не имеют сглаживавших значений.
Смотрите также
Связанные примеры
- Сезонная корректировка Используя стабильный сезонный фильтр
- Сезонная корректировка Используя S (n, m) сезонные фильтры
- Параметрическая оценка тренда