В этом примере показано, как использовать краткий arima(p,D,q)
синтаксис, чтобы задать MA по умолчанию
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
Выход показывает что созданный объект модели, model
, имеет NaN
значения 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
.
В этом примере показано, 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,
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
MALags
аргумент значения имени 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 NaN
значения как заполнители для неизвестных параметров: коэффициенты MA и скалярное отклонение.
Можно изменить созданную переменную модели или ввести ее (наряду с данными) к estimate
.
В этом примере показано, 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),
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
Выход 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=1×4 cell
{[NaN]} {[0]} {[0]} {[NaN]}
MA
массив ячеек возвращает четыре элемента. Первые и последние элементы (соответствующий задержкам 1 и 4) имеют значение NaN
, указание на эти коэффициенты является ненулевым и должно быть оценено или в противном случае задано пользователем. arima
устанавливает коэффициенты во временных задержках, равных нулю обеспечивать непротиворечивость с индексацией массива ячеек MATLAB®.
В этом примере показано, 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)
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 никакого NaN
значения. Функции simulate
и forecast
не принимайте входные модели с NaN
значения.
В этом примере показано, как задать MA (q) модель с t инновационным распределением Студента.
Задайте модель MA (2) без постоянного термина,
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
struct
массив с полем Name
равняйтесь 't'
и поле DoF
равняйтесь 8
. Когда вы задаете степени свободы, они не оцениваются, если вы вводите модель к estimate
.
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.
В командной строке откройте приложение Econometric Modeler.
econometricModeler
В качестве альтернативы откройте приложение из галереи Apps (см. Econometric Modeler).
В Data Browser выберите ряд времени отклика, к которому модель будет подходящей.
На вкладке Econometric Modeler, в разделе Models, нажимают MA.
Диалоговое окно MA Model Parameters появляется.
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 форму модели 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:
Установите Moving Average Order на 2
.
Снимите флажок Include Constant Term.
Задавать модель MA (4), содержащую непоследовательные задержки
где εt является серией Гауссовых инноваций IID:
Кликните по вкладке Lag Vector.
Установите Moving Average Order на 1 4
.
Снимите флажок Include Constant Term.
Задавать модель MA (2), которая включает первую задержку, включает постоянный термин и имеет t - распределенные инновации:
Установите Moving Average Lags на 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.