infer

Выведите остаточные значения модели ARIMA или ARIMAX или условные отклонения

Синтаксис

[E,V] = infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y,Name,Value)

Описание

[E,V] = infer(Mdl,Y) выводит остаточные значения и условные отклонения одномерной подгонки модели ARIMA к данным Y.

[E,V,logL] = infer(Mdl,Y) дополнительно возвращает значения целевой функции логарифмической правдоподобности.

[E,V,logL] = infer(Mdl,Y,Name,Value) выводит остаточные значения модели ARIMA или ARIMAX и условные отклонения, и возвращает значения целевой функции логарифмической правдоподобности, с дополнительными опциями, заданными одним или несколькими Name,Value парные аргументы.

Входные параметры

развернуть все

Полностью заданная модель ARIMA или ARIMAX в виде arima модель возвращена arima или estimate.

Свойства Mdl не может содержать NaNs.

Данные об ответе в виде числового вектор-столбца или числовой матрицы. Если Y матрица, затем она имеет numObs наблюдения и numPaths отдельные, независимые контуры.

infer выводит остаточные значения и отклонения YY представляет временные ряды, охарактеризованные Mdl, и это - продолжение преддемонстрационной серии Y0.

  • Если Y вектор-столбец, затем он представляет один путь базового ряда.

  • Если Y матрица, затем она представляет numObs наблюдения за numPaths пути базовых временных рядов.

infer принимает, что наблюдения через любую строку происходят одновременно. Последнее наблюдение за любым рядом является последним.

Типы данных: double

Аргументы в виде пар имя-значение

Задайте дополнительные разделенные запятой пары Name,Value аргументы. Name имя аргумента и Value соответствующее значение. Name должен появиться в кавычках. Вы можете задать несколько аргументов в виде пар имен и значений в любом порядке, например: Name1, Value1, ..., NameN, ValueN.

Преддемонстрационные инновации, которые имеют среднее значение 0 и вводят начальные значения для модели в виде разделенной запятой пары, состоящей из 'E0' и числовой вектор-столбец или числовая матрица.

E0 должен содержать, по крайней мере, numPaths столбцы и достаточно строк, чтобы инициализировать модель ARIMA и любую условную модель отклонения. Таким образом, E0 должен содержать, по крайней мере, Mdl.Q инновации, но может быть больше, если вы используете условную модель отклонения. Если количество строк в E0 превышает необходимый номер, затем infer только использует последние наблюдения. Последняя строка содержит последнее наблюдение.

Если количество столбцов превышает numPaths, затем infer только использует первый numPaths столбцы. Если E0 вектор-столбец, затем infer применяет его к каждому выведенному пути.

Типы данных: double

Преддемонстрационные условные отклонения, вводящие начальные значения для любой условной модели отклонения в виде разделенной запятой пары, состоящей из 'V0' и числовой вектор-столбец или матрица с положительными записями.

V0 должен содержать, по крайней мере, numPaths столбцы и достаточно строк, чтобы инициализировать модель отклонения. Если количество строк в V0 превышает необходимый номер, затем infer только использует последние наблюдения. Последняя строка содержит последнее наблюдение.

Если количество столбцов превышает numPaths, затем infer только использует первый numPaths столбцы. Если V0 вектор-столбец, затем infer применяет его к каждому выведенному пути.

По умолчанию, infer устанавливает необходимые наблюдения на безусловное отклонение условного процесса отклонения.

Типы данных: double

Внешние данные о предикторе для компонента регрессии в виде разделенной запятой пары, состоящей из 'X' и матрица.

Столбцы X отдельные, синхронизируемые временные ряды, с последней строкой, содержащей последние наблюдения.

Если вы не задаете Y0, затем количество строк X должен быть, по крайней мере, numObs + Mdl.P. В противном случае, количество строк X должен быть, по крайней мере, numObs. В любом случае, если количество строк X превышает необходимый номер, затем infer использование только последние наблюдения.

По умолчанию условная средняя модель не имеет коэффициента регрессии.

Типы данных: double

Преддемонстрационные данные об ответе, которые вводят начальные значения для модели в виде разделенной запятой пары, состоящей из 'Y0' и числовой вектор-столбец или числовая матрица. Y0 должен содержать, по крайней мере, Mdl.P строки и numPaths столбцы. Если количество строк в Y0 превышает Mdl.P, затем infer только использует последний Mdl.P наблюдения. Последняя строка содержит последнее наблюдение. Если количество столбцов превышает numPaths, затем infer только использует первый numPaths столбцы. Если Y0 вектор-столбец, затем infer применяет его к каждому выведенному пути.

По умолчанию, infer обратные броски, чтобы получить необходимые наблюдения.

Типы данных: double

Примечания

  • NaNs указывают на отсутствующие значения и infer удаляет их. Программное обеспечение объединяет преддемонстрационные данные и основные наборы данных отдельно, затем использует мудрое списком удаление, чтобы удалить любой NaNs. Таким образом, infer наборы PreSample = [Y0 E0 V0] и Data = [Y X], затем это удаляет любую строку в PreSample или Data это содержит по крайней мере один NaN.

  • Удаление NaNs в основных данных уменьшает эффективный объем выборки. Такое удаление может также создать неправильные временные ряды.

  • infer принимает, что вы синхронизируете ответ и ряд предиктора, таким образом, что последнее наблюдение за каждым происходит одновременно. Программное обеспечение также принимает, что вы синхронизируете преддемонстрационный ряд так же.

  • Программное обеспечение применяет весь внешний ряд в X к каждому ряду ответа в Y.

Выходные аргументы

развернуть все

Выведенные остаточные значения, возвращенные как числовая матрица. E имеет numObs строки и numPaths столбцы.

Выведенные условные дисперсии, возвращенные как числовая матрица. V имеет numObs строки и numPaths столбцы.

Значения целевой функции логарифмической правдоподобности сопоставлены с моделью Mdl, возвращенный как числовой вектор. logL имеет numPaths элементы сопоставлены с соответствующим путем в Y.

Типы данных: double

Примеры

развернуть все

Выведите остаточные значения модели AR.

Задайте модель AR (2) с помощью известных параметров.

Mdl = arima('AR',{0.5,-0.8},'Constant',0.002,...
	'Variance',0.8);

Симулируйте данные об ответе с 102 наблюдениями.

rng 'default';
Y = simulate(Mdl,102);

Используйте первые два ответа в качестве преддемонстрационных данных и выведите остаточные значения для остающихся 100 наблюдений.

E = infer(Mdl,Y(3:end),'Y0',Y(1:2));
figure;
plot(E);
title 'Inferred Residuals';

Выведите условные отклонения из AR (1) и GARCH (1,1) составная модель.

Задайте модель AR (1) с помощью известных параметров. Установите отклонение, равное garch модель.

Mdl = arima('AR',{0.8,-0.3},'Constant',0);
MdlVar = garch('Constant',0.0002,'GARCH',0.6,...
	'ARCH',0.2);
Mdl.Variance = MdlVar;

Симулируйте данные об ответе с 102 наблюдениями.

rng 'default';
Y = simulate(Mdl,102);

Выведите условные отклонения для последних 100 наблюдений, не используя преддемонстрационные данные.

[Ew,Vw] = infer(Mdl,Y(3:end));

Выведите условные отклонения для последних 100 наблюдений с помощью первых двух наблюдений в качестве преддемонстрационных данных.

[E,V] = infer(Mdl,Y(3:end),'Y0',Y(1:2));

Постройте два набора условных отклонений для сравнения. Исследуйте первые несколько наблюдений, чтобы видеть незначительные различия между рядом вначале.

figure;
subplot(2,1,1);
plot(Vw,'r','LineWidth',2);
hold on;
plot(V);
legend('Without Presample','With Presample');
title 'Inferred Conditional Variances';
hold off

subplot(2,1,2);
plot(Vw(1:5),'r','LineWidth',2);
hold on;
plot(V(1:5));
legend('Without Presample','With Presample');
title 'Beginning of Series';
hold off

Выведите остаточные значения модели ARMAX.

Задайте модель ARMA(1,2) с помощью известных параметров для ответа (MdlY) и модель AR (1) для данных о предикторе (MdlX).

MdlY = arima('AR',0.2,'MA',{-0.1,0.6},'Constant',...
    1,'Variance',2,'Beta',3);
MdlX = arima('AR',0.3,'Constant',0,'Variance',1);

Симулируйте ответ и данные о предикторе с 102 наблюдениями.

rng 'default'; % For reproducibility
X = simulate(MdlX,102);
Y = simulate(MdlY,102,'X',X);

Используйте первые два ответа в качестве преддемонстрационных данных и выведите остаточные значения для остающихся 100 наблюдений.

E = infer(MdlY,Y(3:end),'Y0',Y(1:2),'X',X);
figure;
plot(E);
title 'Inferred Residuals'; 

Ссылки

[1] Поле, G. E. P. Г. М. Дженкинс и Г. К. Рейнсель. Анализ Временных Рядов: Предсказывая и Управление 3-й редактор Englewood Cliffs, NJ: Prentice Hall, 1994.

[2] Enders, W. Прикладные эконометрические временные ряды. Хобокен, NJ: John Wiley & Sons, 1995.

[3] Гамильтон, J. D. Анализ Временных Рядов. Принстон, NJ: Издательство Принстонского университета, 1994.

Для просмотра документации необходимо авторизоваться на сайте