指定条件意味着模型- MATLAB和Simulink MathWorks德国金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

指定条件均值模型

默认的ARIMA模型

默认的ARIMA (p,D,问)在计量经济学模型工具箱™是季节性模型的形式

$Δ^{D} y_{t} = c + ϕ_{1} Δ^{D} y_{t - 1} + \dots + ϕ_{p} Δ^{D} y_{t - p} + θ_{1} ε_{t - 1} + \dots + θ_{问} ε_{t - 问} + ε_{t} 。$

你可以写这个方程以浓缩的形式使用滞后算子符号:

$ϕ (l) {(1 - l)}^{D} y_{t} = c + θ (l) ε_{t}$

在方程,默认的分布是高斯的意思是零和不断创新的方差。

在命令行上,您可以指定一个模型使用简写语法形式华宇电脑(p D q)。的输入参数p,D,问,输入数量的季节性AR术语(p)、季节性集成的顺序(D马的数量),季节性术语(问),分别。

当你使用这个简写语法,华宇电脑创建一个华宇电脑模型与这些默认属性值。

属性名	属性的数据类型
`基于“增大化现实”技术`	细胞的向量`南`年代
`β`	空向量`[]`协变量的回归系数对应于外源
`常数`	`南`
`D`	程度的季节性集成,D
`分布`	`“高斯”`
`马`	细胞的向量`南`年代
`P`	数量的AR +集成程度方面,p+D
`问`	马的数量方面,问
`特别行政区`	细胞的向量`南`年代
`SMA`	细胞的向量`南`年代
`方差`	`南`

将默认的值分配给任何属性,您可以使用点符号修改创建的模型对象。

请注意,输入D和问是值华宇电脑分配给属性D和问。然而,输入参数p不一定是价值华宇电脑分配到模型属性P。P商店的数量presample观测需要初始化的基于“增大化现实”技术的组件模型。对于季节性模型,所需数量的presample观测p+D。

为了说明这一点,考虑指定ARIMA(2, 1, 1)模型

$(1 - ϕ_{1} l - ϕ_{2} l^{2}) {(1 - l)}^{1} y_{t} = c + (1 + θ_{1} l) ε_{t},$

创新过程是高斯(未知)恒定方差。

Mdl = arima (2, 1, 1)

Mdl = arima与属性:描述:“arima(2, 1, 1)模型(高斯分布)”分布:的名字=“高斯”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

注意,属性模型P没有值2(基于“增大化现实”技术的程度)。与集成,总共p+D(在这里,2 + 1 = 3)presample观测需要初始化的基于“增大化现实”技术的组件模型。

创建的模型,Mdl,已经南年代的所有参数。一个南值信号参数需要估计或由用户指定。所有参数必须指定预测或模拟模型。

估计参数,输入模型对象(和数据)估计。这返回一个新的安装华宇电脑模型对象。拟合模型对象为每个输入参数估计南价值。

调用华宇电脑没有任何输入参数返回一个ARIMA(0, 0, 0)模型设定默认属性值:

DefaultMdl = arima

DefaultMdl = arima与属性:描述:“arima(0, 0, 0)模型(高斯分布)”分布:的名字=“高斯”P:0D: 0 Q: 0 Constant: NaN AR: {} SAR: {} MA: {} SMA: {} Seasonality: 0 Beta: [1×0] Variance: NaN

指定季节性模型使用名称-值对

指定模型的最佳途径华宇电脑在使用名称-值对参数。你不需要,也没有,你可以指定一个值为每个模型对象属性。华宇电脑将默认值赋给你没有任何属性(或不能)指定。

在凝聚,滞后算子符号,季节性ARIMA (p,D,问)模型的形式

ϕ (l) {(1 - l)}^{D} y_{t} = c + θ (l) ε_{t} 。

(1)

您可以扩展这个模型ARIMAX (p,D,问)模型的外生变量的线性包容。这个模型的形式

ϕ (l) y_{t} = c^{*} + x_{t}^{'} β + θ^{*} (l) ε_{t},

(2)

在哪里c^*=c/ (1 -l)^D和θ^*(左)=θ(左)/ (1 -l)^D。

提示

如果你指定一个非零D反应级数,然后计量经济学工具箱差异y_t之前预测输入模型。你应该进行预处理协变量外生x_t通过平稳性检验和差分如果有单位根的非平稳。如果任何的非平稳外生协变量进入模型,那么意义的假阴性率的测试β可以增加。

分布的创新,ε_t,有两个选择:

独立同分布(iid)高斯或学生的t以一个恒定方差, $σ_{ε}^{2}$ 。
依赖高斯或学生的t与一个条件方差的过程, $σ_{t}^{2}$ 。使用指定的条件方差模型garch,egarch,或gjr模型。

的华宇电脑默认的创新是一个恒定的iid高斯过程(标量)方差。

为了估计、预测或模拟模型中,您必须指定模型的参数形式(例如,对应于非零系数,落后于创新分布)和任何已知的参数值。你可以设置任何未知参数等于南,然后输入模型估计(和数据)来估计参数值。

华宇电脑(和估计)返回一个模型对应于模型规范。您可以修改模型改变或更新的规范。(没有输入模型南值)预测或模拟分别预测和仿真。下面是一些示例规范使用名称-值参数。

模型	规范
$y_{t} = c + ϕ_{1} y_{t - 1} + ε_{t}$ $ε_{t} = σ_{ε} z_{t}$ z_t高斯	`华宇电脑(AR,南)`或`arima (0, 0)`
$y_{t} = ε_{t} + θ_{1} ε_{t - 1} + θ_{2} ε_{t - 2}$ $ε_{t} = σ_{ε} z_{t}$ z_t学生的t与未知自由度	`arima(“常数”,0,‘马’,{南,南},… “分布”、“t”)`
$(1 - 0.8 l) (1 - l) y_{t} = 0.2 + (1 + 0.6 l) ε_{t}$ $ε_{t} = 0.1 z_{t}$ z_t学生的t有八个自由度	`arima(“常数”,0.2,基于“增大化现实”技术,0.8,“马”,0.6,“D”, 1,…… “方差”,0.1 ^ 2,分布,结构(“名字”,“t”,“景深”,8))`
$(1 + 0.5 l) {(1 - l)}^{1} Δ y_{t} = x_{t}^{'} (\begin{matrix} - 5 \\ 2 \end{matrix}] + ε_{t}$ $ε_{t} ~ N (0, 1)$	`arima(“常数”,0,AR, -0.5,“D”, 1,“Beta”, [2] 5)`

您可以指定以下参数名称创建季节性华宇电脑模型。

对于季节性ARIMA模型名称参数

的名字	相应的模型项(s)方程1	当指定
`基于“增大化现实”技术`	季节性AR系数, $ϕ_{1}, \dots, ϕ_{p}$	将等式约束的AR系数。例如,指定AR模型系数 $y_{t} = 0.8 y_{t - 1} - 0.2 y_{t - 2} + ε_{t},$ 指定`基于“增大化现实”技术,{0.8,-0.2}`。你只需要指定的非零元素`基于“增大化现实”技术`。如果非零系数在nonconsecutive滞后,指定相应的滞后`ARLags`。任何您指定系数必须对应于一个稳定的基于“增大化现实”技术的算子多项式。
`ARLags`	落后于对应的非零,季节性AR系数	`ARLags`不是一个模型属性。使用这个参数作为指定的快捷方式`基于“增大化现实”技术`当非零的AR系数对应于nonconsecutive滞后。例如,指定非零AR系数在滞后1和12,例如, $y_{t} = ϕ_{1} y_{t - 1} + ϕ_{12} y_{t - 12} + ε_{t},$ 指定`“ARLags”, [1, 12]`。使用`基于“增大化现实”技术`和`ARLags`一起来指定非零AR系数在nonconsecutive滞后。例如,如果在给定的AR模型(12) $ϕ_{1} = 0.6$ 和 $ϕ_{12} = - 0.3,$ 指定`基于“增大化现实”技术,{0.6,-0.3},“ARLags”, [1, 12]`。
`β`	协变量外生的系数的值	使用这个参数指定外生变量的系数的值。例如,使用`“贝塔”,[0.5 7 2]`指定 $β = {(\begin{matrix} 0.5 & 7 & - 2 \end{matrix}]}^{'} 。$ 默认情况下,`β`是一个空向量。
`常数`	常数项,c	将等式约束c。例如,对于一个没有常数项的模型,指定`“常数”,0`。默认情况下,`常数`是有价值的`南`。
`D`	程度的季节性差分化,D	指定一个程度的季节性差异大于零。例如,指定一个程度的差分,指定`' D ', 1`。默认情况下,`D`是有价值的`0`(意味着没有季节性集成)。
`分布`	分布的创新过程	使用这个参数指定一个学生的t创新分布。默认情况下,创新是高斯分布。例如,指定一个t分布与未知自由度,指定`“分布”、“t”`。指定一个t创新分布与已知的自由度,分配`分布`一个数据结构和字段`的名字`和`景深`。例如,对于一个t与九自由度分配,指定`“分布”,结构(“名字”,“t”,“景深”,9)`。
`马`	季节性马系数, $θ_{1}, \dots, θ_{问}$	马的等式约束系数。例如,指定MA模型中的系数 $y_{t} = ε_{t} + 0.5 ε_{t - 1} + 0.2 ε_{t - 2},$ 指定`“马”,{0.5,0.2}`。你只需要指定的非零元素`马`。如果非零系数在nonconsecutive滞后,指定相应的滞后`MALags`。任何你指定的系数必须对应一个可逆的马多项式。
`MALags`	落后于对应的非零,季节性马系数	`MALags`不是一个模型属性。使用这个参数作为指定的快捷方式`马`马当非零系数对应于nonconsecutive滞后。例如,马指定非零系数在滞后1和4,例如, $y_{t} = ε_{t} + θ_{1} ε_{t - 1} + θ_{4} ε_{t - 4},$ 指定`“MALags”, [1,4]`。使用`马`和`MALags`马一起指定已知的非零系数nonconsecutive滞后。例如,如果在给定的马(4)模型 $θ_{1} = 0.5$ 和 $θ_{4} = 0.2,$ 指定`{0.4,0.2}“马”,“MALags”, [1,4]`。
`方差`	标量创新过程的方差, $σ_{ε}^{2}$ 条件方差的过程, $σ_{t}^{2}$	将等式约束 $σ_{ε}^{2}$ 。例如,对于一个模型与已知方差0.1,指定`“方差”,0.1`。默认情况下,`方差`是有价值的`南`。指定一个条件方差模型, $σ_{t}^{2}$ 。集`“方差”`等于一个条件方差模型对象,例如,一个`garch`模型对象。

请注意

你不能给属性赋值P和问。对于季节性模型,

华宇电脑集P等于p+D
华宇电脑集问等于问

指定使用名称-值对乘法模型

对于一个时间序列周期性年代,定义的程度p_年代季节性AR算子多项式, $Φ (l) = (1 - Φ_{1} l^{p_{1}} - \dots - Φ_{p_{年代}} l^{p_{年代}})$ ,学位问_年代季节性马算子多项式, $Θ (l) = (1 + Θ_{1} l^{问_{1}} + \dots + Θ_{问_{年代}} l^{问_{年代}})$ 。类似地,定义的程度p季节性AR算子多项式, $ϕ (l) = (1 - ϕ_{1} l - \dots - ϕ_{p} l^{p})$ ,学位问季节性马算子多项式,

θ (l) = (1 + θ_{1} l + \dots + θ_{问} l^{问}) 。

(3)

乘法ARIMA模型和学位D季节性的集成和学位年代季节性是由

ϕ (l) Φ (l) {(1 - l)}^{D} (1 - l^{年代}) y_{t} = c + θ (l) Θ (l) ε_{t} 。

(4)

创新系列可以独立或依赖高斯或学生的t的过程。的华宇电脑默认为创新分布是一个恒定的iid高斯过程(标量)方差。

除了参数用于指定季节性模型(中描述对于季节性ARIMA模型名称参数),您可以指定这些名称参数创建一个乘法华宇电脑模型。您可以扩展一个ARIMAX模型同样包括季节性影响。

名称-值参数季节性ARIMA模型

论点	相应的模型项(s)方程4	当指定
`特别行政区`	季节性AR系数, $Φ_{1}, \dots, Φ_{p_{年代}}$	将等式约束季节性AR系数。当指定AR系数,使用出现在对面的迹象方程4(也就是说,使用系数的符号,因为它将出现在等式的右边)。使用`SARLags`指定非零的滞后季节性AR系数。指定与季节相关的滞后多项式周期性的观测数据(例如,4 8…季度数据,或者12、24,……月度数据),而不是作为季节性的倍数(例如,1、2、…)。例如,指定模式 $(1 - 0.8 l) (1 - 0.2 l^{12}) y_{t} = ε_{t},$ 指定`基于“增大化现实”技术,0.8,“特区”,0.2,“SARLags”, 12`。任何您输入值系数必须对应于一个稳定的季节性AR多项式。
`SARLags`	滞后于相应的非零季节性AR系数,周期性的观测系列	`SARLags`不是一个模型属性。使用这个参数时指定`特别行政区`表明非零的滞后季节性AR系数。例如,指定模式 $(1 - ϕ l) (1 - Φ_{12} l^{12}) y_{t} = ε_{t},$ 指定`ARLags, 1“SARLags”12`。
`SMA`	季节性马系数, $Θ_{1}, \dots, Θ_{问_{年代}}$	制定季节性马等式约束系数。使用`SMALags`马指定非零季节性的滞后系数。指定与季节相关的滞后多项式周期性的观测数据(例如,4 8…季度数据,或者12、24,……月度数据),而不是作为季节性的倍数(例如,1、2、…)。例如,指定模式 $y_{t} = (1 + 0.6 l) (1 + 0.2 l^{12}) ε_{t},$ 指定`“马”,0.6,SMA, 0.2,“SMALags”, 12`。任何系数值输入必须对应一个可逆的季节性马多项式。
`SMALags`	滞后的非零季节性马系数,周期性的观测系列	`SMALags`不是一个模型属性。使用这个参数时指定`SMA`马表示非零季节性的滞后系数。例如,指定模式 $y_{t} = (1 + θ_{1} l) (1 + Θ_{4} l^{4}) ε_{t},$ 指定`“MALags”, 1,“SMALags”, 4`。
`季节性`	季节周期,年代	指定季节性一体化的程度年代在季节性差分多项式Δ_年代= 1 -l^年代。例如,指定周期季节性月度数据的整合,指定`“季节性”12`。如果您指定非零`季节性`,那么整个季节差分多项式的程度。默认情况下,`季节性`是有价值的`0`(即周期性和季节性集成)。

请注意

你不能给属性赋值P和问。对于乘法ARIMA模型,

华宇电脑集P等于p+D+p_年代+年代
华宇电脑集问等于问+问_年代

指定条件意味着使用计量经济学建模应用程序模型

您可以指定季节性的滞后结构和创新分布和季节性条件意味着模型使用计量经济学建模师应用。应用程序对所有系数未知的和有价值的,包括的自由度参数t创新分布。

在命令行,打开计量经济学建模师应用程序。

econometricModeler

另外,打开应用程序从应用程序画廊(见计量经济学建模师)。

在应用程序中,您可以看到所有支持的模型通过选择一个时间序金宝app列变量的响应时间序列窗格。然后,在计量经济学建模师选项卡,模型部分,单击箭头显示模型的画廊。

的ARMA / ARIMA模型部分包含支持条件均值模型。金宝app

条件是模型估计,SARIMA和SARIMAX是最灵活的模型。您可以创建任何条件意味着模型不包括外生因素通过点击SARIMA,或者您可以创建任何条件意味着模型,包括至少一个外生预测通过点击SARIMAX。

你选择一个模型后,应用程序显示类型模型参数对话框,类型模型类型。这图显示了SARIMAX模型参数对话框。

可调参数对话框中的依靠类型。一般来说,可调参数包括:

一个模型常数和线性回归系数对应的预测变量
时间序列组件参数,包括季节性和季节性滞后和程度的集成
创新分布

当你调整参数值,方程中模型方程部分改变以匹配您的规范。可调参数对应于输入和名称-值对参数前面部分所描述的和华宇电脑参考页面。

为更多的细节在指定模型使用应用程序,看看数据拟合模型和指定单变量滞后算子多项式交互。

另请参阅

指定条件均值模型

默认的ARIMA模型

指定季节性模型使用名称-值对

指定使用名称-值对乘法模型

指定条件意味着使用计量经济学建模应用程序模型

另请参阅

应用程序

对象

功能

相关的例子

更多关于