summarize

Отобразите результаты оценки модели ARIMA

развернуть все на странице

Синтаксис

summarize(Mdl)

results = summarize(Mdl)

Описание

пример

summarize(Mdl) отображает сводные данные модели ARIMA Mdl.

Если Mdl - предполагаемая модель, возвращенная estimate, затем summarize печатает результаты оценки в MATLAB^® Командное окно. Отображение включает сводные данные оценок и таблицу оценок параметров с соответствующими стандартными ошибками, статистику t и p-значения. Сводные данные оценок включают статистику подгонки, такую как информационный критерий Акайке (AIC) и предполагаемое отклонение инноваций.
Если Mdl - неэстимулированная модель, возвращаемая arima, затем summarize печатает стандартное отображение объектов (то же отображение, что и arima принты во время создания модели).

пример

results = summarize(Mdl) возвращает одну из следующих переменных и не печатает в Командном окне.

Если Mdl является оценочной моделью, затем results - структура, содержащая результаты оценки.
Если Mdl является недооцененной моделью, тогда results является arima объект модели, который равен Mdl.

Входные параметры

расширить все

`Mdl` - модель ARIMA
`arima` объект модели

Модель ARIMA, заданная как arima объект модели, возвращенный estimate или arima.

Выходные аргументы

расширить все

`results` - сводные данные моделей
массив структур | `arima` объект модели

Модель сводных данных, возвращенная как массив структур или arima объект модели.

Если Mdl является оценочной моделью, затем results - массив структур, содержащий поля в этой таблице.

Область	Описание
`Description`	Краткое описание модели (строка)
`SampleSize`	Эффективный размер выборки (числовой скаляр)
`NumEstimatedParameters`	Количество предполагаемых параметров (числовой скаляр)
`LogLikelihood`	Оптимизированное значение логарифмической правдоподобности (числовой скаляр)
`AIC`	Информационный критерий Акайке (числовой скаляр)
`BIC`	Байесовский информационный критерий (числовой скаляр)
`Table`	Максимальные оценки правдоподобия параметров модели с соответствующими стандартными ошибками, t статистика (оценка, разделенная на стандартную ошибку) и p-значения (с учетом нормальности); таблица со строками, соответствующими параметрам модели
`VarianceTable`	Максимальная оценка правдоподобия отклонения модели с соответствующими стандартными ошибками, t статистика (оценка, разделенная на стандартную ошибку) и p-значения (принимая нормальность). Если `Mdl.Variance` является постоянным, тогда `VarianceTable` - таблица, содержащая одну строку. Если `Mdl.Variance` - предполагаемая модель условного отклонения (для примера, a `garch` модель), затем `VarianceTable` - таблица, строки которой соответствуют параметрам модели предполагаемого отклонения.

Если Mdl является недооцененной моделью, тогда results является arima объект модели, который равен Mdl.

Примеры

расширить все

Отображение результатов оценки

Открыть Live Script

Распечатайте результаты оценки модели ARMA с помощью моделируемых данных.

Симулируйте данные из модели ARMA (1,1), используя известные значения параметров .

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

Подбор модели ARMA (1,1) к моделируемым данным, отключение отображения 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

Извлечение результатов оценки из составной условной модели среднего и отклонения

Открыть Live Script

Загрузите данные NASDAQ, включенные Econometrics™ тулбокс. Преобразуйте ежедневно закрываемый составной ряд индексов в возврат ряд. Для численной устойчивости преобразуйте возвраты в процентные возвраты. Задайте композитную модель AR (1) и GARCH (1,1). Это модель вида

$r_{t} = c + ϕ_{1} r_{t - 1} + ε_{t},$

где $ε_{t} = σ_{t} z_{t}$ ,

$σ_{t}^{2} = κ + γ_{1} σ_{t - 1}^{2} + α_{1} ε_{t - 1}^{2},$

и $z_{t}$ является независимым и идентично распределенным стандартизированным Гауссовым процессом.

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

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

Подбор модели Mdl в последовательность возврата r при помощи estimate. Используйте предварительный образец наблюдений, которые 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 с именем results который 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 сводные таблицы оценки параметров из массива структуры результатов оценки с помощью записи через точку. The Table поле содержит оценки и выводы параметров условной средней модели. The VarianceTable поле содержит оценки параметров модели условных отклонений 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

Документация

summarize

Синтаксис

Описание

Входные параметры

`Mdl` - модель ARIMA
`arima` объект модели

Выходные аргументы

`results` - сводные данные моделей
массив структур | `arima` объект модели

Примеры

Отображение результатов оценки

Извлечение результатов оценки из составной условной модели среднего и отклонения

См. также

Объекты

Функции

Документация по Econometrics Toolbox

Поддержка

Документация

summarize

Синтаксис

Описание

Входные параметры

Mdl - модель ARIMA arima объект модели

Выходные аргументы

results - сводные данные моделей массив структур | arima объект модели

Примеры

Отображение результатов оценки

Извлечение результатов оценки из составной условной модели среднего и отклонения

См. также

Объекты

Функции

Документация по Econometrics Toolbox

Поддержка

`Mdl` - модель ARIMA
`arima` объект модели

`results` - сводные данные моделей
массив структур | `arima` объект модели