Документация

Модель ARIMA по умолчанию

ARIMA по умолчанию (p, D, q) модель в Econometrics Toolbox™ является несезонной моделью формы

Можно написать это уравнение в сжатой форме с помощью обозначения оператора задержки:

В любом уравнении инновационное распределение по умолчанию является Гауссовым со средним нулевым и постоянным отклонением.

В командной строке можно задать модель этой формы с помощью краткого синтаксиса arima(p,D,q). Для входных параметров pD, и q, введите номер несезонных терминов AR (p), порядок несезонного интегрирования (D), и количество несезонного MA называет (q), соответственно.

Когда вы используете этот краткий синтаксис, arima создает arima модель с этими значениями свойств по умолчанию.

Чтобы присвоить значения не по умолчанию любым свойствам, можно изменить созданный объект модели с помощью записи через точку.

Заметьте, что входные параметры D и q значения arima присвоения к свойствам D и Q. Однако входной параметр p не обязательно значение arima присвоения к свойству P моделиP хранилища количество преддемонстрационных наблюдений должны были инициализировать компонент AR модели. Для несезонных моделей необходимым количеством преддемонстрационных наблюдений является p + D.

Чтобы проиллюстрировать, рассмотрите определение модели ARIMA (2,1,1)

где инновационный процесс является Гауссовым с (неизвестным) постоянным отклонением.

Mdl = arima(2,1,1)

Mdl = 
  arima with properties:

     Description: "ARIMA(2,1,1) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 3
               D: 1
               Q: 1
        Constant: NaN
              AR: {NaN NaN} at lags [1 2]
             SAR: {}
              MA: {NaN} at lag [1]
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Заметьте, что свойство P модели не имеет значения 2 (степень AR). С интегрированием, в общей сложности p + D (здесь, 2 + 1 = 3) преддемонстрационные наблюдения необходимы, чтобы инициализировать компонент AR модели.

Созданная модель, Mdl, имеет NaNs для всех параметров. NaN значение сигнализирует, что параметр должен быть оценен или в противном случае задан пользователем. Все параметры должны быть заданы, чтобы предсказать или симулировать модель.

Чтобы оценить параметры, введите объект модели (наряду с данными) к estimate. Это возвращает новый подходящий arima объект модели. Объект подобранной модели имеет оценки параметра для каждого входа NaN значение.

Вызов arima без любых входных параметров возвращает спецификацию модели ARIMA (0,0,0) со значениями свойств по умолчанию:

DefaultMdl = arima

DefaultMdl = 
  arima with properties:

     Description: "ARIMA(0,0,0) Model (Gaussian Distribution)"
    Distribution: Name = "Gaussian"
               P: 0
               D: 0
               Q: 0
        Constant: NaN
              AR: {}
             SAR: {}
              MA: {}
             SMA: {}
     Seasonality: 0
            Beta: [1×0]
        Variance: NaN

Задайте несезонные модели Используя пары "имя-значение"

Лучший способ задать модели к arima использует аргументы пары "имя-значение". Вам не нужно, и при этом вы не в состоянии, чтобы задать значение для каждого свойства объекта модели. arima значения по умолчанию присвоений к любым свойствам вы не делаете (или не может) задавать.

В сжатом, обозначении оператора задержки, несезонный ARIMA (p, D, q) модели имеют форму

Можно расширить эту модель к ARIMAX (p, D, q) модель с линейным включением внешних переменных. Эта модель имеет форму

Для распределения инноваций, _εt, существует два варианта:

arima значением по умолчанию для инноваций является iid Гауссов процесс с постоянным (скалярным) отклонением.

Для того, чтобы оценить, предскажите или симулируйте модель, необходимо задать параметрическую форму модели (например, какие задержки соответствуют ненулевым коэффициентам, инновационному распределению), и любые известные значения параметров. Можно установить любые неизвестные параметры, равные NaN, и затем вход модель к estimate (наряду с данными), чтобы получить оцененные значения параметров.

arima (и estimate) возвращает модель, соответствующую спецификации модели. Можно изменить модели, чтобы изменить или обновить спецификацию. Введите модели (без NaN значения) к forecast или simulate для прогнозирования и симуляции, соответственно. Вот некоторые технические требования в качестве примера с помощью аргументов name-value.

Можно задать следующие аргументы name-value, чтобы создать несезонный arima модели.

Задайте мультипликативные модели Используя пары "имя-значение"

Какое-то время ряд с периодичностью s, задайте степень _ps сезонный полином оператора AR, $$\Phi (L)=(1-{\Phi }_1{L}^{p_1}-\dots -{\Phi }_{p_s}{L}^{p_s})$$, и степень _qs сезонный полином оператора MA, $$\Theta (L)=(1+{\Theta }_1{L}^{q_1}+\dots +{\Theta }_{q_s}{L}^{q_s})$$. Точно так же задайте степень p несезонный полином оператора AR, $$\varphi (L)=(1-{\varphi }_{1}L-\dots -{\varphi }_p{L}^p)$$, и степень q несезонный полином оператора MA,

Мультипликативной моделью ARIMA со степенью D несезонное интегрирование и степень сезонность s дают

В дополнение к аргументам для определения несезонных моделей (описанный в Аргументах name-value для Несезонных Моделей ARIMA), можно задать эти аргументы name-value, чтобы создать мультипликативный arima модель. Можно расширить модель ARIMAX так же, чтобы включать сезонные эффекты.

Задайте условную среднюю модель Используя приложение Econometric Modeler

Можно задать структуру задержки и инновационное распределение сезонных и несезонных условных средних моделей с помощью приложения Econometric Modeler. Приложение обрабатывает все коэффициенты как неизвестные и допускающие оценку, включая параметр степеней свободы для инновационного распределения t.

В командной строке откройте приложение Econometric Modeler.

econometricModeler

В качестве альтернативы откройте приложение из галереи Apps (см. Econometric Modeler).

В приложении вы видите все поддерживаемые модели путем выбора переменной временных рядов для ответа в панели Time Series. Затем на вкладке Econometric Modeler, в разделе Models, кликают по стреле, чтобы отобразить галерею моделей.

Раздел ARMA/ARIMA Models содержит поддерживаемые условные средние модели.

Для условной средней оценки модели SARIMA и SARIMAX являются самыми гибкими моделями. Можно создать любую условную среднюю модель, которая исключает внешние предикторы путем нажатия на SARIMA, или можно создать любую условную среднюю модель, которая включает по крайней мере один внешний предиктор путем нажатия на SARIMAX.

После того, как вы выбираете модель, отображения приложения Type Диалоговое окно Model Parameters, где Type тип модели. Этот рисунок показывает диалоговое окно SARIMAX Model Parameters.

Корректируемые параметры в диалоговом окне зависят от Type. В общем случае корректируемые параметры включают:

Когда вы настраиваете значения параметров, уравнение в разделе Model Equation изменяется, чтобы совпадать с вашими техническими требованиями. Корректируемые параметры соответствуют входному и аргументам пары "имя-значение", описанным в предыдущих разделах и в arima страница с описанием.

Для получения дополнительной информации об определении моделей с помощью приложения см. Подбирающие Модели к Данным и Задающий Полиномы Оператора Задержки В интерактивном режиме.