Выведите остаточные значения модели ARIMA 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 остаточные значения и условные отклонения одномерной подгонки модели ARIMA к данным E,V] =
infer(Mdl,Y)Y.
[ дополнительно возвращает значения целевой функции логарифмической правдоподобности.E,V,logL]
= infer(Mdl,Y)
[E,V,logL] = infer(Mdl,Y, 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)Name,Value парные аргументы.
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';
[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.