Документация

Модель AR по умолчанию

В этом примере показано, как использовать краткий arima(p,D,q) синтаксис, чтобы задать AR по умолчанию ($$p$$) модель,

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

Задайте модель AR (2) по умолчанию:

model = arima(2,0,0)

model = 
  arima with properties:

     Description: "ARIMA(2,0,0) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 2
               D: 0
               Q: 0
        Constant: NaN
              AR: {NaN NaN} at lags [1 2]
             SAR: {}
              MA: {}
             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 AR и отклонение. Можно изменить созданный объект модели с помощью записи через точку или ввести его (наряду с данными) к estimate.

Модель AR без постоянного термина

В этом примере показано, как задать AR (p) модель с постоянным равным нулю термином. Используйте синтаксис значения имени, чтобы задать модель, которая отличается от модели по умолчанию.

Задайте модель AR (2) без постоянного термина,

где инновационное распределение является Гауссовым с постоянным отклонением.

model = arima('ARLags',1:2,'Constant',0)

model = 
  arima with properties:

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

ARLags аргумент значения имени задает задержки, соответствующие ненулевым коэффициентам AR. 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 AR и скалярное отклонение.

Можно изменить созданный объект модели с помощью записи через точку или ввести его (наряду с данными) к estimate.

Модель AR с непоследовательными задержками

В этом примере показано, как задать AR (p) модель с ненулевыми коэффициентами в непоследовательных задержках.

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

где инновационное распределение является Гауссовым с постоянным отклонением.

model = arima('ARLags',[1,4],'Constant',0)

model = 
  arima with properties:

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

Выход показывает ненулевые коэффициенты AR в задержках 1 и 4, как задано. Свойство P равно 4, количество преддемонстрационных наблюдений должно было инициализировать модель AR. Неограниченные параметры равны NaN.

Отобразите значение AR:

model.AR

ans=1×4 cell
    {[NaN]}    {[0]}    {[0]}    {[NaN]}

AR 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®.

Модель ARMA с известными значениями параметров

В этом примере показано, как задать ARMA (p, q) модель с известными значениями параметров. Можно использовать такую полностью заданную модель в качестве входа к simulate или forecast.

Задайте модель ARMA(1,1)

где инновационное распределение является t Студента с 8 степенями свободы и постоянным отклонением 0.15.

tdist = struct('Name','t','DoF',8);
model = arima('Constant',0.3,'AR',0.7,'MA',0.4,...
						'Distribution',tdist,'Variance',0.15)

model = 
  arima with properties:

     Description: "ARIMA(1,0,1) Model (t Distribution)"
    Distribution: Name = "t", DoF = 8
               P: 1
               D: 0
               Q: 1
        Constant: 0.3
              AR: {0.7} at lag [1]
             SAR: {}
              MA: {0.4} at lag [1]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: 0.15

Поскольку все значения параметров заданы, созданная модель не имеет никакого NaN значения. Функции simulate и forecast не принимайте входные модели с NaN значения.

Модель AR с t Инновационным Распределением

В этом примере показано, как задать AR ($$p$$) модель с t инновационным распределением Студента.

Задайте модель AR (2) без постоянного термина,

где инновации следуют за t распределением Студента с неизвестными степенями свободы.

model = arima('Constant',0,'ARLags',1:2,'Distribution','t')

model = 
  arima with properties:

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

Значение Distribution struct массив с полем Name равняйтесь 't' и поле DoF равняйтесь NaN. NaN значение указывает, что степени свободы неизвестны, и должны быть оценены с помощью estimate или в противном случае заданный пользователем.

Задайте модель AR Используя приложение Econometric Modeler

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

Например:

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