总结

显示ARIMA模型估计结果

扩展所有的页面

语法

总结(Mdl)

结果=总结(Mdl)

描述

例子

总结(Mdl)显示ARIMA模型的一个总结Mdl。

如果Mdl是一个估计模型返回的估计,然后总结输出评估结果以MATLAB^®命令窗口。显示器包括一个评估总结表的参数估计与相应的标准误差,t统计数据,p值。估计摘要包括合适的统计数据,如Akaike信息准则(AIC)和方差估计的创新。
如果Mdl返回的是一个unestimated模型华宇电脑,然后总结打印标准对象显示(显示相同华宇电脑模型创建期间打印)。

例子

结果=总结(Mdl)返回的变量和不打印命令窗口。

如果Mdl估计模型,然后呢结果是一个结构,它包含估计结果。
如果Mdl是一个unestimated模型呢结果是一个华宇电脑等于模型对象Mdl。

输入参数

全部展开

`Mdl`- - - - - -ARIMA模型
`华宇电脑`模型对象

ARIMA模型,指定为一个华宇电脑模型对象返回的估计或华宇电脑。

输出参数

全部展开

`结果`——模型总结
结构数组|`华宇电脑`模型对象

模型总结,作为一个结构数组或一个返回华宇电脑模型对象。

如果Mdl估计模型,然后呢结果是一个结构数组包含这个表的字段。

场	描述
`描述`	模型总结描述(字符串)
`SampleSize`	有效样本大小(数字标量)
`NumEstimatedParameters`	数量的估计参数(数字标量)
`LogLikelihood`	优化loglikelihood值(数值标量)
`另类投资会议`	Akaike信息准则(数字标量)
`BIC`	贝叶斯信息准则(数字标量)
`表`	最大似然估计模型的参数与相应的标准误差,t统计(估计除以标准错误),p值(假设正常);一个表行相应的模型参数
`VarianceTable`	最大似然估计模型的方差与相应的标准误差,t统计(估计除以标准错误),p值(假设常态)。如果`Mdl.Variance`是常数,然后`VarianceTable`是一个包含一行表。如果`Mdl.Variance`是估计条件方差模型(例如,一个`garch`模型),然后`VarianceTable`是一个表的行对应方差估计模型参数。

如果Mdl是一个unestimated模型呢结果是一个华宇电脑等于模型对象Mdl。

例子

全部展开

显示估计结果

打开生活的脚本

打印的结果估计ARMA模型使用模拟数据。

模拟数据从一个ARMA(1,1)模型使用已知的参数值。

MdlSim = arima (“不变”,0.01,基于“增大化现实”技术的,0.8,“马”,0.14,…“方差”,0.1);rng“默认”;Y =模拟(MdlSim, 100);

适合一个ARMA(1,1)模型模拟数据,关闭打印显示。

Mdl = arima (1,0, - 1);EstMdl =估计(Mdl Y“显示”,“关闭”);

打印的评估结果。

总结(EstMdl)

ARIMA(0, 1)模型(高斯分布)有效样本大小:100数量的估计参数:4 LogLikelihood: -41.296 AIC: 90.592 BIC: 101.013价值StandardError TStatistic PValue ________ _________________ __________ __________常数AR{1} 0.82289 - 0.071163 0.044537 - 0.046038 0.96741 - 0.33334 11.563 - 6.3104马e-31{1}方差0.12032 0.10182 1.1817 0.23731 0.13373 0.017879 7.4794 7.466 e-14

提取估计结果拟合复合条件均值和方差模型

打开生活的脚本

NASDAQ指数数据加载包含计量经济学™工具。把日常综合指数系列回归系列。数值稳定,收益转换成比例的回报。指定一个AR(1)和GARCH(1,1)组合模型。这是一个模型的形式

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

在哪里 $ε_{t} = σ_{t} z_{t}$ ,

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

和 $z_{t}$ 是一个独立的和恒等分布的标准化的高斯过程。

负载Data_EquityIdx纳斯达克= DataTable.NASDAQ;r = 100 * price2ret(纳斯达克);T =长度(r);Mdl = arima (“ARLags”,1“方差”,garch (1,1));

合适的模型Mdl返回系列r通过使用估计。使用presample观测估计默认选择。

EstMdl =估计(Mdl r“显示”,“参数”);

ARIMA(1,0,0)模型(高斯分布):价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.072632 0.018047 4.0245 5.7085 e-05 AR {1} 0.13816 0.019893 6.945 3.7847 e-12 GARCH(1,1)条件方差模型(高斯分布):价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.022377 0.0033201 6.7399 1.5852 e-11 GARCH{1} 0.87312 0.0091019 95.928 0弓{1}e-42 0.11865 0.008717 13.611 3.4339

创建一个变量命名结果通过使用包含估计结果总结。

结果=总结(EstMdl)

结果=结构体字段:描述:“ARIMA(1,0,0)模型(高斯分布)”SampleSize: 3027 NumEstimatedParameters: 5 LogLikelihood: -4.7414e+03 AIC: 9.4929e+03 BIC: 9.5230e+03 Table: [2x4 table] VarianceTable: [3x4 table]

从评估结果中提取参数估计汇总表结构数组使用点符号。的表字段包含条件意味着模型参数估计和推断。的VarianceTable字段包含条件方差模型参数估计和推断。

meanEstTbl = results.Table

meanEstTbl =2×4表价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.072632 0.018047 4.0245 5.7085 e-05 AR {1} e-12 0.13816 0.019893 6.945 3.7847

varianceEstTbl = results.VarianceTable

varianceEstTbl =3×4表价值StandardError TStatistic PValue ________ _________________ __________ __________常数0.022377 0.0033201 6.7399 1.5852 e-11 GARCH{1} 0.87312 0.0091019 95.928 0弓{1}e-42 0.11865 0.008717 13.611 3.4339