Остатки модели INFARIMA или ARIMAX или условные отклонения
[E,V] = infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y,Name,Value)
[ выводит остатки и условные отклонения одномерной модели ARIMA, соответствующие данным E,V] = infer(Mdl,Y)Y.
[ дополнительно возвращает значения целевой функции loglikelique.E,V,logL] = infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y, выводит остатки модели ARIMA или ARIMAX и условные отклонения, а также возвращает значения целевой функции loglikelive с дополнительными опциями, заданными одним или несколькими Name,Value)Name,Value аргументы пары.
Выведите остатки из модели AR.
Укажите модель AR (2) с использованием известных параметров .
Mdl = arima('AR',{0.5,-0.8},'Constant',0.002,... 'Variance',0.8);
Моделирование данных ответа с помощью 102 наблюдений.
rng 'default';
Y = simulate(Mdl,102);Используйте первые два ответа в качестве данных предварительной выборки и выведите остатки для оставшихся 100 наблюдений.
E = infer(Mdl,Y(3:end),'Y0',Y(1:2)); figure; plot(E); title 'Inferred Residuals';
Выведите условные отклонения из композитной модели AR (1) и GARCH (1,1).
Укажите модель AR (1) с использованием известных параметров. Установите отклонение равным 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;
Моделирование данных ответа с помощью 102 наблюдений.
rng 'default';
Y = simulate(Mdl,102);Выведите условные отклонения для последних 100 наблюдений без использования данных предварительной выборки.
[Ew,Vw] = infer(Mdl,Y(3:end));
Выведите условные отклонения для последних 100 наблюдений с использованием первых двух наблюдений в качестве данных предварительной выборки.
[E,V] = infer(Mdl,Y(3:end),'Y0',Y(1:2));Постройте график двух наборов условных отклонений для сравнения. Изучите первые несколько наблюдений, чтобы увидеть небольшую разницу между сериями в начале.
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 остатки из модели ARMAX.
Укажите модель ARMA (1,2), используя известные параметры для ответа (MdlY) и модель AR (1) для данных предиктора (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);
Смоделировать данные ответа и предиктора с помощью 102 наблюдений.
rng 'default'; % For reproducibility X = simulate(MdlX,102); Y = simulate(MdlY,102,'X',X);
Используйте первые два ответа в качестве данных предварительной выборки и выведите остатки для оставшихся 100 наблюдений.
E = infer(MdlY,Y(3:end),'Y0',Y(1:2),'X',X); figure; plot(E); title 'Inferred Residuals';
[1] Бокс, Г. Э. П., Г. М. Дженкинс и Г. К. Рейнсель. Анализ временных рядов: прогнозирование и контроль 3-е ред. Энглвуд Клиффс, Нью-Джерси: Прентис Холл, 1994.
[2] Enders, W. Applied Econometric Time Series. Хобокен, Нью-Джерси: John Wiley & Sons, 1995.
[3] Гамильтон, Дж. Д. Анализ временных рядов. Принстон, Нью-Джерси: Princeton University Press, 1994.