比较预测性能在创建模型使用计量经济学Modeler - MATLAB和Simulink MathWorks法国金宝app

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。

这个屏幕截图显示了一个时间序列变量的情节PSSG, x轴显示的时间段1940年末1960年初的。

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。

这个屏幕截图显示了一个时间序列的情节PSSGLog, x轴显示的时间段1940年末1960年初的。

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:
1. 让问=问₁₂= 0。
2. 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。
3. 在画廊,模型ARMA / ARIMA模型部分中,点击SARIMA。
4. 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。
5. 点击估计。
重命名变量的新模型。
1. 在模型窗格中,单击两次新模型变量选择它的名字。
2. 输入SARIMA01问x01问₁₂。例如,当问=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问x01问₁₂。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。
在SARIMA模型参数对话框中:
1. 在季节性节中,设置移动平均线顺序来问。
2. 在季节性节中,设置移动平均线顺序来问₁₂。
3. 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,SARIMA012x011MATLAB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。

另请参阅