summarize

Отобразите результаты оценки модели ARIMA

Описание

пример

summarize(Mdl) отображает сводные данные модели ARIMA Mdl.

  • Если Mdl предполагаемая модель, возвращенная estimate, затем summarize оценка печати заканчивается к Командному окну MATLAB®. Отображение включает сводные данные оценки и таблицу оценок параметра с соответствующими стандартными погрешностями, статистикой t и p - значения. Сводные данные оценки включают подходящую статистику, такую как Критерий информации о Akaike (AIC) и предполагаемое инновационное отклонение.

  • Если Mdl непредполагаемая модель, возвращенная arima, затем summarize распечатывает отображение стандартного объекта (то же отображение, что arima печать во время создания модели).

пример

results = summarize(Mdl) возвращает одну из следующих переменных и не распечатывает к Командному окну.

  • Если Mdl предполагаемая модель, затем results структура, содержащая результаты оценки.

  • Если Mdl непредполагаемая модель, затем results arima объект модели, который равен Mdl.

Входные параметры

развернуть все

Модель ARIMA в виде arima объект модели возвращен estimate или arima.

Выходные аргументы

развернуть все

Сводные данные модели, возвращенные как массив структур или arima объект модели.

  • Если Mdl предполагаемая модель, затем results массив структур, содержащий поля в этой таблице.

    Поле Описание
    DescriptionИтоговое описание модели (строка)
    SampleSizeЭффективный объем выборки (числовой скаляр)
    NumEstimatedParametersКоличество предполагаемых параметров (числовой скаляр)
    LogLikelihoodОптимизированное значение логарифмической правдоподобности (числовой скаляр)
    AICКритерий информации о Akaike (числовой скаляр)
    BICБайесов информационный Критерий (числовой скаляр)
    TableОценки наибольшего правдоподобия параметров модели с соответствующими стандартными погрешностями, статистика t (оценка, разделенная на стандартную погрешность), и p - значения (принимающий нормальность); таблица со строками, соответствующими параметрам модели
    VarianceTable

    Оценка наибольшего правдоподобия отклонения модели с соответствующими стандартными погрешностями, статистика t (оценка, разделенная на стандартную погрешность), и p - значения (принимающий нормальность).

    Если Mdl.Variance является постоянным, затем VarianceTable таблица, содержащая одну строку.

    Если Mdl.Variance предполагаемая условная модель отклонения (например, garch модель), затем VarianceTable таблица, строки которой соответствуют предполагаемым параметрам модели отклонения.

  • Если Mdl непредполагаемая модель, затем results arima объект модели, который равен Mdl.

Примеры

развернуть все

Распечатайте результаты оценки модели ARMA с помощью симулированных данных.

Симулируйте данные из модели ARMA(1,1) с помощью известных значений параметров.

MdlSim = arima('Constant',0.01,'AR',0.8,'MA',0.14,...
    'Variance',0.1);
rng 'default';
Y = simulate(MdlSim,100);

Подбирайте модель ARMA(1,1) к симулированным данным, выключая отображение печати.

Mdl = arima(1,0,1);
EstMdl = estimate(Mdl,Y,'Display','off'); 

Распечатайте результаты оценки.

summarize(EstMdl)
 
   ARIMA(1,0,1) Model (Gaussian Distribution)
 
    Effective Sample Size: 100
    Number of Estimated Parameters: 4
    LogLikelihood: -41.296
    AIC: 90.592
    BIC: 101.013
 
                 Value      StandardError    TStatistic      PValue  
                ________    _____________    __________    __________

    Constant    0.044537      0.046038        0.96741         0.33334
    AR{1}        0.82289      0.071163         11.563      6.3104e-31
    MA{1}        0.12032       0.10182         1.1817         0.23731
    Variance     0.13373      0.017879         7.4794       7.466e-14

 
 

Загрузите данные NASDAQ, включенные с тулбоксом Econometrics™. Преобразуйте ряд сводного индекса дневного закрытия в ряд возврата. Для числовой устойчивости преобразуйте возвраты в процент, возвращается. Задайте AR (1) и GARCH (1,1) составная модель. Это - модель формы

rt=c+ϕ1rt-1+εt,

где εt=σtzt,

σt2=κ+γ1σt-12+α1εt-12,

и zt независимый политик и тождественно распределил стандартизированный Гауссов процесс.

load Data_EquityIdx
nasdaq = DataTable.NASDAQ;
r = 100*price2ret(nasdaq);
T = length(r);

Mdl = arima('ARLags',1,'Variance',garch(1,1));

Соответствуйте модели Mdl к серии r возврата при помощи estimate. Используйте преддемонстрационные наблюдения что estimate выбирает по умолчанию.

EstMdl = estimate(Mdl,r,'Display','params'); 
 
    ARIMA(1,0,0) Model (Gaussian Distribution):
 
                 Value      StandardError    TStatistic      PValue  
                ________    _____________    __________    __________

    Constant    0.072632      0.018047         4.0245      5.7087e-05
    AR{1}        0.13816      0.019893          6.945      3.7847e-12

 
 
    GARCH(1,1) Conditional Variance Model (Gaussian Distribution):
 
                 Value      StandardError    TStatistic      PValue  
                ________    _____________    __________    __________

    Constant    0.022377      0.0033201        6.7399      1.5851e-11
    GARCH{1}     0.87312      0.0091019        95.927               0
    ARCH{1}      0.11865       0.008717        13.611       3.434e-42

Создайте переменную под названием results это содержит результаты оценки при помощи summarize.

results = summarize(EstMdl)
results = struct with fields:
               Description: "ARIMA(1,0,0) Model (Gaussian Distribution)"
                SampleSize: 3027
    NumEstimatedParameters: 5
             LogLikelihood: -4.7414e+03
                       AIC: 9.4929e+03
                       BIC: 9.5230e+03
                     Table: [2x4 table]
             VarianceTable: [3x4 table]

Извлеките оценочные сводные таблицы параметра из массива структур результатов оценки при помощи записи через точку. Table поле содержит условные средние оценки параметра модели и выводы. VarianceTable поле содержит условные оценки параметра модели отклонения и выводы.

meanEstTbl = results.Table
meanEstTbl=2×4 table
                 Value      StandardError    TStatistic      PValue  
                ________    _____________    __________    __________

    Constant    0.072632      0.018047         4.0245      5.7087e-05
    AR{1}        0.13816      0.019893          6.945      3.7847e-12

varianceEstTbl = results.VarianceTable
varianceEstTbl=3×4 table
                 Value      StandardError    TStatistic      PValue  
                ________    _____________    __________    __________

    Constant    0.022377      0.0033201        6.7399      1.5851e-11
    GARCH{1}     0.87312      0.0091019        95.927               0
    ARCH{1}      0.11865       0.008717        13.611       3.434e-42

Смотрите также

Объекты

Функции

Введенный в R2018a
Для просмотра документации необходимо авторизоваться на сайте