Преобразуйте временные ряды Используя приложение Econometric Modeler

Приложение Econometric Modeler позволяет вам преобразовать данные временных рядов на основе детерминированных или стохастических трендов, которые вы видите в графиках или тестовых заключениях гипотезы. Доступные преобразования в приложении являются журналом, сезонное и несезонное различие, и линейный детрендируют. Эти примеры показывают, как применить каждое преобразование к данным временных рядов.

Примените логарифмическое преобразование к данным

Этот пример показывает, как стабилизировать временные ряды, изменчивость которых растет с уровнем ряда путем применения логарифмического преобразования. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat, содержит ежемесячные количества авиапассажиров. Папка mlr является значением matlabroot.

В командной строке загрузите набор данных Data_Airline.mat.

load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))

В командной строке откройте приложение Econometric Modeler.

econometricModeler

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

Импортируйте DataTable в приложение:

  1. На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.

  2. В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable.

  3. Нажмите Import.

Переменная PSSG появляется в Data Browser, и его график временных рядов находится в окне рисунка Time Series Plot(PSSG).

Соответствуйте SARIMA (0,1,1) × (0,1,1) 12 моделей к данным на уровнях:

  1. На вкладке Econometric Modeler, в разделе Models, кликают по стрелке, чтобы отобразить образцовую галерею.

  2. В галерее моделей, в разделе ARMA/ARIMA Models, нажимают SARIMA.

  3. В диалоговом окне SARIMA Model Parameters, на вкладке Lag Order:

    • Раздел Nonseasonal

      1. Установите Degrees of Integration на 1.

      2. Установите Moving Average Order на 1.

      3. Снимите флажок Include Constant Term.

    • Раздел Seasonal

      1. Установите Period на 12 указывать на ежемесячные данные.

      2. Установите Moving Average Order на 1.

      3. Установите флажок Include Seasonal Difference.

  4. Нажмите Estimate.

Образцовая переменная SARIMA_PSSG появляется в разделе Models Data Browser, и его сводные данные оценки появляются в документе Model Summary(SARIMA_PSSG).

Распространение невязок увеличивается с уровнем данных, которые показательны из heteroscedasticity.

Применяйте логарифмическое преобразование к PSSG:

  1. В Data Browser выберите PSSG.

  2. На вкладке Econometric Modeler, в разделе Transforms, нажимают Log.

Преобразованная переменная PSSGLog появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLog).

Экспоненциальный рост кажется удаленным из ряда.

С PSSGLog, выбранным в Data Browser, соответствуйте SARIMA (0,1,1) × (0,1,1) 12 моделей к регистрируемому ряду с помощью тех же настроек диалогового окна, которые вы использовали для PSSG. Сводные данные оценки появляются в документе Model Summary(SARIMA_PSSGLog).

Распространение невязок, кажется, систематически не изменяется с уровнями данных.

Стабилизируйте временные ряды Используя несезонное дифференцирование

Этот пример показывает, как стабилизировать временные ряды путем применения нескольких несезонных операций различия. Набор данных, который хранится в Data_USEconModel.mat, содержит валовой внутренний продукт (ВВП) США, измеренный ежеквартально среди другого ряда.

В командной строке загрузите набор данных Data_USEconModel.mat.

load Data_USEconModel

В командной строке откройте приложение Econometric Modeler.

econometricModeler

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

Импортируйте DataTable в приложение:

  1. На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.

  2. В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable.

  3. Нажмите Import.

Переменные, включая GDP, появляются в Data Browser, и график временных рядов всего ряда появляется в окне рисунка Time Series Plot(COE).

В Data Browser дважды кликните GDP. График временных рядов GDP появляется в окне рисунка Time Series Plot(GDP).

Ряд, кажется, растет без связанного.

Примените первое различие для GDP. На вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.

В Data Browser появляется переменная, представляющая differenced GDP (GDPDiff). График временных рядов differenced GDP появляется в окне рисунка Time Series Plot(GDPDiff).

differenced серия GDP, кажется, растет без связанного после 1970.

Примените второе различие для GDP дифференцированием differenced GDP. С GDPDiff, выбранным в Data Browser, на вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.

В Data Browser появляется переменная, представляющая преобразованный differenced GDP (GDPDiffDiff). График временных рядов differenced GDP появляется в окне рисунка Time Series Plot(GDPDiffDiff).

Преобразованная differenced серия GDP кажется стационарной, несмотря на то, что heteroscedastic.

Преобразуйте цены в возвраты

Этот пример показывает, как преобразовать несколько серий цен к возвратам. Набор данных, который хранится в Data_USEconModel.mat, содержит GDP США и частные потребительские расходы, измеренные ежеквартально среди другого ряда.

В командной строке загрузите набор данных Data_USEconModel.mat.

load Data_USEconModel

В командной строке откройте приложение Econometric Modeler.

econometricModeler

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

Импортируйте DataTable в приложение:

  1. На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.

  2. В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable.

  3. Нажмите Import.

GDP и PCEC, среди другого ряда, появляются в Data Browser, и график временных рядов, содержащий весь ряд, появляется в окне рисунка.

В Data Browser нажмите GDP, затем нажмите Ctrl и нажмите PCEC. Выбраны оба ряда.

Кликните по вкладке Plots, затем нажмите Time Series. График временных рядов GDP и PCEC появляется в окне рисунка Time Series Plot(GDP).

Оба ряда, как цены, кажется, растут без связанного.

Преобразуйте GDP и цены частных потребительских расходов к возвратам:

  1. Кликните по вкладке Econometric Modeler. Гарантируйте, что GDP и PCEC выбраны в Data Browser.

  2. В разделе Transforms нажмите Log.

    Data Browser отображает переменные, представляющие регистрируемую серию GDP (GDPLog) и регистрируемый ряд частных потребительских расходов (PCECLog).

  3. С GDPLog и PCECLog, выбранным в Data Browser, в разделе Transforms, нажимают Difference.

Переменные отображений Data Browser, представляющие GDP, возвращаются (GDPLogDiff), и частные потребительские расходы возвращаются (PCECLogDiff). График временных рядов GDP и частных потребительских расходов возвращается, появляется в окне рисунка Time Series Plot(GDPLogDiff).

Переименуйте переменные GDPLogDiff и PCECLogDiff к GDPReturns и PCECReturns:

  1. В Data Browser нажмите GDPLogDiff, чтобы выбрать его и отменить выбор PCECLogDiff.

  2. В Data Browser щелкните правой кнопкой по GDPLogDiff.

  3. В контекстном меню выберите Rename.

  4. Введите GDPReturns.

  5. Повторите шаги 2 - 4, чтобы переименовать PCECLogDiff к PCECReturns.

Обновления приложения имена всех документов, сопоставленных с оба, возвращаются.

Серия GDP и частных потребительских расходов возвращается, кажутся стационарными, но наблюдения в каждом ряду кажутся последовательно коррелируемыми.

Удалите сезонный тренд из временных рядов Используя сезонное различие

Этот пример показывает, как стабилизировать временные ряды, показывающие сезонное интегрирование путем применения сезонного различия. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat, содержит ежемесячные количества авиапассажиров. Папка mlr является значением matlabroot.

В командной строке загрузите набор данных Data_Airline.mat.

load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))

В командной строке откройте приложение Econometric Modeler.

econometricModeler

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

Импортируйте DataTable в приложение:

  1. На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.

  2. В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable.

  3. Нажмите Import.

Переменная PSSG появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSG).

Обратитесь к сезонному тренду путем применения 12-го порядка сезонное различие. На вкладке Econometric Modeler, в разделе Transforms, устанавливает Seasonal на 12. Затем нажмите Seasonal.

Преобразованная переменная PSSGSeasonalDiff появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGSeasonalDiff).

Преобразованный ряд, кажется, имеет несезонный тренд.

Обратитесь к несезонному тренду путем применения первого различия. С PSSGSeasonalDiff, выбранным в Data Browser, на вкладке Econometric Modeler, в разделе Transforms, нажимают Difference.

Преобразованная переменная PSSGSeasonalDiffDiff появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGSeasonalDiffDiff).

Преобразованный ряд кажется стационарным, но наблюдения кажутся последовательно коррелируемыми.

Переименуйте переменную PSSGSeasonalDiffDiff к PSSGStable:

  1. В Data Browser щелкните правой кнопкой по PSSGSeasonalDiffDiff.

  2. В контекстном меню выберите Rename.

  3. Введите PSSGStable.

Обновления приложения имена всех документов сопоставлены с преобразованным рядом.

Удалите детерминированный тренд из временных рядов

Этот пример показывает, как удалить выведенный наименьшими квадратами детерминированный тренд из неустановившихся временных рядов. Набор данных, который хранится в mlr/examples/econ/Data_Airline.mat, содержит ежемесячные количества авиапассажиров. Папка mlr является значением matlabroot.

В командной строке загрузите набор данных Data_Airline.mat.

load(fullfile(matlabroot,'examples','econ','Data_Airline.mat'))

В командной строке откройте приложение Econometric Modeler.

econometricModeler

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

Импортируйте DataTable в приложение:

  1. На вкладке Econometric Modeler, в разделе Import, нажатии кнопки.

  2. В диалоговом окне Import Data, в столбце Import?, устанавливают флажок для переменной DataTable.

  3. Нажмите Import.

Переменная PSSG появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSG).

Примените логарифмическое преобразование к ряду. На вкладке Econometric Modeler, в разделе Transforms, нажимают Log.

Преобразованная переменная PSSGLog появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLog).

Идентифицируйте детерминированный тренд при помощи наименьших квадратов. Затем детрендируйте ряд путем удаления идентифицированного детерминированного тренда. На вкладке Econometric Modeler, в разделе Transforms, нажимают Detrend.

Преобразованная переменная PSSGLogDetrend появляется в Data Browser, и его график временных рядов появляется в окне рисунка Time Series Plot(PSSGLogDetrend).

PSSGLogDetrend, кажется, не имеет детерминированный тренд, несмотря на то, что он имеет отмеченный циклический тренд.

Смотрите также

Похожие темы

Для просмотра документации необходимо авторизоваться на сайте