Документация

Модель AR по умолчанию

В этом примере показано, как использовать shorthand arima(p,D,q) синтаксис для задания 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 :

Mdl = arima(2,0,0)

Mdl = 
  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

Этот выход показывает, что созданный объект модели, Mdl, имеет NaN значения для всех параметров модели: константа, коэффициенты AR и отклонение. Можно изменить созданный объект модели с помощью записи через точку или ввести его (вместе с данными) в estimate.

Модель AR без постоянного термина

Этот пример показывает, как задать модель AR (p) с постоянным членом, равным нулю. Используйте синтаксис имя-значение, чтобы задать модель, которая отличается от модели по умолчанию .

Задайте модель AR (2) без постоянного члена,

где инновационное распределение является Гауссовым с постоянным отклонением.

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

Mdl = 
  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

The ARLags аргумент имя-значение задает лаги, соответствующие ненулевым коэффициентам AR. Свойство Constant в созданном объекте модели равно 0, как указано. 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 (вместе с данными) в estimate.

AR- Модели с неконсективными лагами

Этот пример показывает, как задать модель AR (p) с ненулевыми коэффициентами при неконсективных лагах .

Задайте модель AR (4) с ненулевыми коэффициентами AR в лагах 1 и 4 (и без постоянного члена).

где инновационное распределение является Гауссовым с постоянным отклонением.

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

Mdl = 
  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

В выход показаны ненулевые коэффициенты AR в лагах 1 и 4, как задано. Свойство P равно 4, количество предварительных наблюдений, необходимых для инициализации модели AR. Параметры без ограничений равны NaN.

Отобразите значение AR:

Mdl.AR

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

The AR массив ячеек возвращает четыре элемента. Первый и последний элементы (соответствующие лагам 1 и 4) имеют значение NaN, указывающие, что эти коэффициенты являются ненулевыми и должны быть оценены или иным образом заданы пользователем. arima устанавливает коэффициенты при промежуточных лагах равными нулю, чтобы поддерживать согласованность с индексацией массива ячеек MATLAB ® .

Модель ARMA с известными значениями параметров

Этот пример показывает, как задать модель ARMA (p, q) с известными значениями параметров. Можно использовать такую полностью заданную модель в качестве входов для 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);
Mdl = arima('Constant',0.3,'AR',0.7,'MA',0.4,...
    'Distribution',tdist,'Variance',0.15)

Mdl = 
  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

Все значения параметров заданы, то есть никакое свойство объекта не NaN-значен.

AR- Модели с t- Распределения инноваций

В этом примере показано, как задать AR ($$p$$) модель с инновационным распределением Student's.

Задайте модель AR (2) без постоянного члена ,

где нововведения следуют распределение Студента с неизвестными степенями свободы.

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

Mdl = 
  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 является struct массив с Name полей равно 't' и полевые DoF равно NaN. The NaN значение указывает, что степени свободы неизвестны и должны быть оценены с помощью estimate или иным образом, заданным пользователем.

Задайте модель AR, используя приложение Econometric Modeler

В приложении Econometric Modeler можно задать структуру задержки, наличие константы и инновационное распределение модели AR (p), выполнив эти шаги. Все указанные коэффициенты неизвестны, оценочные параметры.

Для примера:

После того, как вы задаете модель, кликните Estimate, чтобы оценить все неизвестные параметры в модели.