总结

显示ARIMA模型估计结果

全部展开页面

语法

总结(Mdl)

结果=总结(Mdl)

描述

例子

总结(Mdl）显示ARIMA模型的摘要Mdl．

如果Mdl是否返回估计模型估计,然后总结将估计结果打印到MATLAB中^®命令窗口。显示包括一个估计摘要和一个参数估计表与相应的标准误差，t统计数据,p值。估计摘要包括拟合统计量，如赤池信息准则(AIC)和估计的创新方差。
如果Mdl是一个未估计的模型返回华宇电脑,然后总结打印标准对象显示(与华宇电脑在模型创建期间打印)。

例子

结果=总结(Mdl）返回下列变量之一，并且不打印到命令窗口。

如果Mdl那么，这是一个估计模型吗结果是一个包含估计结果的结构。
如果Mdl那么，这是一个未经估计的模型吗结果是一个华宇电脑的模型对象Mdl．

输入参数

全部展开

`Mdl`- - - - - -ARIMA模型
`华宇电脑`模型对象

ARIMA模型，指定为华宇电脑返回的模型对象估计或华宇电脑．

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

模型摘要，作为结构数组或华宇电脑模型对象。

如果Mdl那么，这是一个估计模型吗结果是包含该表中字段的结构数组。

场	描述
`描述`	模型总结描述(字符串)
`SampleSize`	有效样本量(数字标量)
`NumEstimatedParameters`	估计参数数(数值标量)
`LogLikelihood`	优化对数似然值(数值标量)
`另类投资会议`	赤池信息准则(数值标量)
`BIC`	贝叶斯信息准则(数字标量)
`表格`	具有相应标准误差的模型参数的最大似然估计，t统计(估计除以标准误差)，和p值(假设正常);包含与模型参数相对应的行的表
`VarianceTable`	模型方差与相应标准误差的最大似然估计，t统计(估计除以标准误差)，和p值(假设常态)。如果`Mdl。方差`是常数,然后`VarianceTable`包含一行的表。如果`Mdl。方差`一个估计的条件方差模型(例如，a`garch`模型),然后`VarianceTable`是一个表，其行对应于估计的方差模型参数。

如果Mdl那么，这是一个未经估计的模型吗结果是一个华宇电脑的模型对象Mdl．

例子

全部展开

显示估计结果

打开生活的脚本

使用模拟数据打印ARMA模型的估计结果。

使用已知参数值模拟ARMA(1,1)模型中的数据。

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);

拟合一个ARMA(1,1)模型到模拟数据，关闭打印显示。

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

打印估算结果。

总结(EstMdl)

ARIMA(1,0,1)模型(高斯分布)有效样本量:100估计参数数:4 LogLikelihood: -41.296 AIC: 90.592 BIC:101.013 Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 0.044537 0.046038 0.96741 0.33334 AR{1} 0.82289 0.071163 11.563 6.3104e-31 MA{1} 0.12032 0.10182 1.1817 0.23731方差0.13373 0.017879 7.4794 7.466e-14

从拟合复合条件均值和方差模型中提取估计结果

打开生活的脚本

加载Econometrics工具箱中包含的纳斯达克数据。将日收盘综合指数系列转换为回报系列。为了数值的稳定性，将收益转换为百分比收益。指定一个AR(1)和GARCH(1,1)复合模型。这是表单的一个模型

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

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 $z_{t}$ 是一个独立的同分布标准化高斯过程。

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返回序列r通过使用估计．使用之前的观察样本估计默认选择。

EstMdl =估计(Mdl r“显示”，“参数”）;

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

创建一个名为结果其中包含了使用总结．

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] varianctable: [3x4 Table]

使用点表示法从估计结果结构数组中提取参数估计汇总表。的表格字段包含条件平均模型参数估计和推断。的VarianceTable字段包含了条件方差模型参数的估计和推断。

meanEstTbl =结果。表格

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 =结果。VarianceTable

varianceEstTbl =3×4表Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 0.022377 0.0033201 6.7399 1.5852e-11 GARCH{1} 0.87312 0.0091019 95.928 0 ARCH{1} 0.11865 0.008717 13.611 3.4339e-42