利用计量经济学Modeler创建模型后比较预测性能
这个例子展示了如何选择滞后的ARIMA模型通过比较使用的AIC值估计模型计量经济学建模师应用。示例还展示了如何比较几种模型的预测性能,有最好的分类符合在命令行。数据集Data_Airline.mat
包含每月航班乘客的数量。
将数据导入到计量经济学建模者
在命令行中,加载Data_Airline.mat
数据集。
负载Data_Airline
比较预测性能后,储备的最后两年数据作为抵抗样本。
fHorizon = 24;HoldoutTimeTable = DataTimeTable((结束- fHorizon + 1):,:);DataTimeTable((结束- fHorizon + 1):,:) = [];
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)。
进口DataTimeTable
为应用程序:
在计量经济学建模师选项卡,进口部分,单击进口按钮
。
在“导入数据”对话框中,在进口吗?列,选择的复选框
DataTimeTable
变量。点击进口。
的变量PSSG
出现在时间序列出现在窗格中,其价值预览面板,其时间序列的情节出现在时间序列图(PSSG)图窗口。
系列展品的季节性趋势,序列相关性,和可能的指数增长。交互式的序列相关性的分析,看到使用计量经济学建模应用程序检测序列相关性。
删除指数趋势
解决指数趋势运用对数变换PSSG
。
在时间序列窗格中,选择
PSSG
。在计量经济学建模师选项卡,转换部分中,点击日志。
转换后的变量PSSGLog
出现在时间序列出现在窗格中,其价值预览面板,其时间序列的情节出现在时间序列图(PSSGLog)图窗口。
指数增长似乎从系列中删除。
比较样本模型适合
盒子,詹金斯,Reinsel表明SARIMA (0, 1, 1)×(0, 1, 1)12模型没有一个常数PSSGLog
[1](更多细节,请参阅估计乘法ARIMA模型使用计量经济建模器应用程序)。然而,考虑所有的组合每月SARIMA模型,包括两个季节性和季节性马滞后。具体来说,重复以下步骤为每个9 SARIMA模型形式(0,1,问)×(0,1,问12)12,在那里问∈{0
,1
,2
},问12∈{0
,1
,2
}。
第一次迭代:
让问=问12= 0。
与
PSSGLog
选择的时间序列窗格中,单击计量经济学建模师选项卡。在模型部分,单击箭头显示模型的画廊。在画廊,模型ARMA / ARIMA模型部分中,点击SARIMA。
在SARIMA模型参数对话框,延迟订单标签:
季节性部分
集度集成来
1
。集移动平均线顺序来
0
。清除包括常数项复选框。
季节性部分
集期来
12
月度数据。集移动平均线顺序来
0
。选择包括季节性差异复选框。
点击估计。
重命名变量的新模型。
在模型窗格中,单击两次新模型变量选择它的名字。
输入
SARIMA01
。例如,当问
x01问12
问
=问12
= 0,重命名变量SARIMA010x010
。
在模型总结(SARIMA01
问
x01问12
)的文档,拟合优度表,注意AIC值。例如,对于模型的变量SARIMA010x010
,AIC图。为下一次迭代,选择的值问和问12。例如,问= 0和问12= 1为第二个迭代。
在模型窗格中,右键单击
SARIMA01
。在上下文菜单中,选择修改打开SARIMA模型参数与当前设置对话框选择的模型。问
x01问12
在SARIMA模型参数对话框中:
在季节性节中,设置移动平均线顺序来
问
。在季节性节中,设置移动平均线顺序来
问12
。点击估计。
完成这些步骤后,模型窗格包含九个估计模型命名SARIMA010x010
通过SARIMA012x012
。
由此产生的AIC值表。
模型 | 变量名 | 另类投资会议 |
---|---|---|
SARIMA (0,1,0)×(0,1,0)12 | SARIMA010x010 |
-410.3520 |
SARIMA (0,1,0)×(0, 1, 1)12 | SARIMA010x011 |
-443.0009 |
SARIMA (0,1,0)×(0, 1, 2)12 | SARIMA010x012 |
-441.0010 |
SARIMA (0, 1, 1)×(0,1,0)12 | SARIMA011x010 |
-422.8680 |
SARIMA (0, 1, 1)×(0, 1, 1)12 | SARIMA011x011 |
-452.0039 |
SARIMA (0, 1, 1)×(0, 1, 2)12 | SARIMA011x012 |
-450.0605 |
SARIMA (0, 1, 2)×(0,1,0)12 | SARIMA012x010 |
-420.9760 |
SARIMA (0, 1, 2)×(0, 1, 1)12 | SARIMA012x011 |
-450.0087 |
SARIMA (0, 1, 2)×(0, 1, 2)12 | SARIMA012x012 |
-448.0650 |
三个模型收益率最低的三个AIC值SARIMA (0, 1, 1)×(0, 1, 1)12SARIMA (0, 1, 1)×(0, 1, 2)12和SARIMA (0, 1, 2)×(0, 1, 1)12。这些模型有最好的吝啬的分类中。
出口工作空间的最佳模型
导出模型与样本最好的适合。
在计量经济学建模师选项卡,出口部分中,点击
。
在出口变量对话框模型列,单击选择复选框的
SARIMA011x011
,SARIMA011x012
,SARIMA012x011
。清除复选框选择其他模型。点击出口。
的华宇电脑
模型对象SARIMA011x011
,SARIMA011x012
,SARIMA012x011
MATLAB中出现®工作区。
估计预测
在命令行,估计two-year-ahead预估每个模型。
f5 =预测(SARIMA_PSSGLog5 fHorizon);f6 =预测(SARIMA_PSSGLog6 fHorizon);f8 =预测(SARIMA_PSSGLog8 fHorizon);
f5
,f6
,f8
是24-by-1向量包含预测。
比较预测均方误差
估计预测均方误差(PMSE)为每个预测向量。
logPSSGHO =日志(HoldoutTimeTable.Variables);pmse5 = ((logPSSGHO - f5)意思。^ 2);pmse6 = ((logPSSGHO - f6)意思。^ 2);pmse8 = ((logPSSGHO - f8)意思。^ 2);
识别模型PMSE收益率最低的。
[~,bestIdx] = min ([pmse5 pmse6 pmse8], [], 2)
SARIMA (0, 1, 1)×(0, 1, 1)12样本内和样本外执行最好的模型。
引用
[1]盒子,乔治·e·P。,Gwilym M. Jenkins, and Gregory C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。