Класс: regARIMA
Оцените параметры моделей регрессии с ошибками ARIMA
EstMdl = estimate(Mdl,y)
[EstMdl,EstParamCov,logL,info]
= estimate(Mdl,y)
[EstMdl,EstParamCov,logL,info]
= estimate(Mdl,y,Name,Value)
наибольшее правдоподобие использования, чтобы оценить параметры модели регрессии с ошибками временных рядов ARIMA, EstMdl
= estimate(Mdl
,y
)Mdl
, учитывая серию y
ответа.
EstMdl
regARIMA
модель, которая хранит результаты.
[
дополнительно возвращает EstMdl
,EstParamCov
,logL
,info
]
= estimate(Mdl
,y
)EstParamCov
, ковариационная матрица отклонения сопоставлена предполагаемыми параметрами, logL
, оптимизированная целевая функция логарифмической правдоподобности и info
, структура данных итоговой информации.
[
оценивает модель с помощью дополнительных опций, заданных одним или несколькими EstMdl
,EstParamCov
,logL
,info
]
= estimate(Mdl
,y
,Name,Value
)Name,Value
парные аргументы.
estimate
оценивает параметры можно следующим образом:
Выведите безусловные воздействия из модели регрессии.
Выведите остаточные значения ошибочной модели ARIMA.
Используйте распределение инноваций, чтобы создать функцию правдоподобия.
Максимизируйте функцию логарифмической правдоподобности относительно параметров с помощью fmincon
.
[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ Временных Рядов: Прогнозирование и Управление. 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.
[2] Дэвидсон, R. и Дж. Г. Маккиннон. Эконометрическая теория и методы. Оксфорд, Великобритания: Издательство Оксфордского университета, 2004.
[3] Enders, W. Прикладные эконометрические временные ряды. Хобокен, NJ: John Wiley & Sons, Inc., 1995.
[4] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.
[5] Pankratz, A. Прогнозирование с моделями динамической регрессии. John Wiley & Sons, Inc., 1991.
[6] Tsay, R. S. Анализ Финансовых Временных рядов. 2-й редактор Хобокен, NJ: John Wiley & Sons, Inc., 2005.