指定条件平均模型- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

指定条件平均模型

默认的ARIMA模型

默认的ARIMA (p，D，问)模型是形式的非季节性模型

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

你可以用滞后算子符号：

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

在任何一个方程中，默认创新分布都是均值为零且方差恒定的高斯分布。

在命令行，您可以使用简写语法指定此表单的模型华宇电脑(p D q)．输入参数p，D,问，输入非季节性AR项的数目(p)，非季节性综合的顺序(D)，以及非季节性MA项数(问),分别。

当你使用这种简写语法时，华宇电脑创建一个华宇电脑使用这些默认属性值进行建模。

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`［］`对应外生协变量的回归系数
`常数`	`南`
`D`	非季节性综合程度，D
`分布`	`“高斯”`
`马`	细胞的向量`南`年代
`P`	AR项的个数加上积分次数，p+D
`问`	MA项的个数，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`

要将非默认值分配给任何属性，您可以使用点表示法修改创建的模型对象。

注意输入D和问是值华宇电脑分配给属性D和问．但是，输入参数p不一定是价值华宇电脑分配给模型属性P．P存储初始化模型AR组件所需的前样本观测数。对于非季节性模型，所需的前样本观测数为p+D．

为了说明这一点，考虑指定ARIMA(2,1,1)模型

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

其中创新过程为高斯分布，方差为(未知)常数。

Mdl = arima (2, 1, 1)

描述:“arima(2,1,1)模型(高斯分布)”分布:Name = "Gaussian" P: 3 D: 1 Q: 1 Constant: NaN AR: {NaN NaN} at lag [1 2] SAR: {} MA: {NaN} at lag [1] SMA:{}季节性:0 Beta: [1×0] Variance: NaN

注意模型属性P没有值2 (AR学位)。用积分，总共p+D(这里，2 + 1 = 3)需要预样本观测值来初始化模型的AR分量。

创建的模型,Mdl,已经南S为所有参数。一个南值表示需要估计或由用户指定的参数。为了预测或模拟模型，必须指定所有的参数。

要估计参数，将模型对象(连同数据)输入到估计．这是一套新的华宇电脑模型对象。拟合的模型对象对每个输入都有参数估计南价值。

调用华宇电脑如果没有任何输入参数，则返回一个带有默认属性值的ARIMA(0,0,0)模型规范:

DefaultMdl = arima

描述:“arima(0,0,0)模型(高斯分布)”分布:Name = "Gaussian" P: 0 D: 0 Q: 0 Constant: NaN AR: {} SAR: {} MA: {} SMA:{}季节性:0 Beta: [1×0] Variance: NaN . var: {} SMA: {

使用名称-值对指定非季节性模型

指定模型的最佳方法华宇电脑正在使用名称-值对参数。您不需要也不能够为每个模型对象属性指定一个值。华宇电脑将默认值分配给未指定(或不能指定)的任何属性。

在压缩后，滞后算子符号，非季节性ARIMA(p，D，问)模型的形式

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

（1）

您可以将此模型扩展为ARIMAX(p，D，问)模型，其中线性包含外生变量。这个模型有形式

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，然后计量经济学工具箱的差异响应系列y_t之前预测者进入模型。你应该对外生协变量进行预处理x_t通过检验平稳性和差分是否有单位根非平稳。如果有任何非平稳的外生协变量进入模型，则显著性检验的假阴性率β可以增加。

对于创新的分配，ε_t，有两种选择:

独立同分布(iid)高斯分布或学生分布t方差不变时， $σ_{ε}^{2}$ ．
依赖高斯函数或学生函数t在条件方差过程中， $σ_{t}^{2}$ ．指定条件方差模型使用garch，egarch,或gjr模型。

的华宇电脑创新的默认值是具有常数(标量)方差的iid高斯过程。

为了估计、预测或模拟一个模型，您必须指定模型的参数形式(例如，滞后对应于非零系数，创新分布)和任何已知的参数值。可以将任何未知参数设置为南，然后将模型输入估计(连同数据)以得到估计的参数值。

华宇电脑(和估计)返回与模型规范相对应的模型。您可以修改模型以更改或更新规范。输入模型(没有南值)预测或模拟分别用于预测和模拟。下面是一些使用名称-值参数的示例规范。

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自由度是未知的	`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8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)`

您可以指定以下名称-值参数来创建非季节性华宇电脑模型。

非季节性ARIMA模型的名称-值参数

的名字	中对应的模型项方程1	当指定
`基于“增大化现实”技术`	季节性AR系数, $ϕ_{1} ，．．．， ϕ_{p}$	为AR系数设置等式约束。例如，在模型中指定AR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`．如果非零系数处于非连续滞后，则使用`ARLags`．你指定的任何系数都必须对应于一个稳定的AR算子多项式。
`ARLags`	对应于非零、非季节性AR系数的滞后	`ARLags`不是模型属性。使用此参数作为指定的快捷方式`基于“增大化现实”技术`当非零AR系数对应非连续滞后时。例如，要指定滞后1和12时的非零AR系数，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`一起来指定在非连续滞后时已知的非零AR系数。例如，如果在给定的AR(12)模型中 $ϕ_{1} ＝ 0．6$ 和 $ϕ_{12} ＝ - 0．3 ，$ 指定`基于“增大化现实”技术,{0.6,-0.3},“ARLags”,[1,12]`．
`β`	外生协变量的系数值	使用此参数指定外生变量的系数值。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	设置相等约束c．例如，对于没有常数项的模型，请指定`“常数”,0`．默认情况下,`常数`是有价值的`南`．
`D`	非季节性差异程度，D	指定大于零的非季节性差异的度数。例如，要指定一个度的差异，请指定`' D ', 1`．默认情况下,`D`是有价值的`0`(意思是没有非季节性的整合)。
`分布`	创新过程的分布	使用此参数指定Student的值t创新分布。默认情况下，创新分布是高斯分布。例如，指定一个t自由度未知的分布，指定`“分布”、“t”`．指定一个t创新分配与已知的自由度，分配`分布`带字段的数据结构`的名字`和`景深`．例如，对于at九自由度分布，指定`“分布”,结构(“名字”,“t”,“景深”,9)`．
`马`	季节性马系数, $θ_{1} ，．．．， θ_{问}$	为MA系数设置等式约束。例如，在模型中指定MA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`．如果非零系数处于非连续滞后，则使用`MALags`．你指定的任何系数都必须对应于一个可逆的MA多项式。
`MALags`	对应于非零、非季节性MA系数的滞后	`MALags`不是模型属性。使用此参数作为指定的快捷方式`马`当非零MA系数对应于非连续滞后时。例如，要指定滞后1和4的非零MA系数，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`一起来指定在非连续滞后时已知的非零MA系数。例如，在给定的MA(4)模型中 $θ_{1} ＝ 0．5$ 和 $θ_{4} ＝ 0．2 ，$ 指定`{0.4, 0.2}“马”,“MALags”,[1,4]`．
`方差`	创新过程的标量方差， $σ_{ε}^{2}$ 条件方差的过程, $σ_{t}^{2}$	设置相等约束 $σ_{ε}^{2}$ ．例如，对于已知方差为0.1的模型，请指定`“方差”,0.1`．默认情况下,`方差`是有价值的`南`．为了指定条件方差模型， $σ_{t}^{2}$ ．集`“方差”`等于条件方差模型对象，例如，a`garch`模型对象。

请注意

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

使用名称-值对指定乘法模型

对于一个具有周期性的时间序列年代，定义程度p_年代季节AR算子多项式， $Φ （ l ）＝（ 1 - Φ_{1} l^{p_{1}} - ．．． - Φ_{p_{年代}} l^{p_{年代}} ）$ ，以及学位问_年代季节MA算子多项式， $Θ （ l ）＝（ 1 + Θ_{1} l^{问_{1}} + ．．． + Θ_{问_{年代}} l^{问_{年代}} ）$ ．同样地，定义度数p非季节性AR算子多项式， $ϕ （ l ）＝（ 1 - ϕ_{1} l - ．．． - ϕ_{p} l^{p} ）$ ，以及学位问非季节性MA算子多项式，

θ （ l ） ＝ （ 1 + θ_{1} l + ．．． + θ_{问} l^{问} ） ．

（3）

带度的乘性ARIMA模型D非季节性综合和程度年代季节性是由

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

（4）

创新系列可以是独立的或依赖的高斯或学生的t的过程。的华宇电脑创新分布的默认值是具有常数(标量)方差的iid高斯过程。

除了指定非季节性模型的参数(见非季节性ARIMA模型的名称-值参数)，您可以指定这些名称-值参数来创建乘法华宇电脑模型。您可以类似地扩展ARIMAX模型以包括季节影响。

季节性ARIMA模型的名称-值参数

论点	中对应的模型项方程4	当指定
`特别行政区`	季节性AR系数, $Φ_{1} ，．．．， Φ_{p_{年代}}$	为季节性AR系数设置等式约束。当指定AR系数时，使用与出现的符号相反的符号方程4(也就是说，使用系数的符号，因为它会出现在方程的右边)。使用`SARLags`来指定非零季节性AR系数的滞后。在观测数据的周期性中指定与季节多项式相关的滞后(例如，4,8，…)对于季度数据，或12,24，…对于月度数据)，而不是季节性的倍数(例如，1,2，…)。例如，指定模型 $（ 1 - 0．8 l ）（ 1 - 0．2 l^{12} ） y_{t} ＝ ε_{t} ，$ 指定`基于“增大化现实”技术,0.8,“特区”,0.2,“SARLags”,12`．您输入的任何系数值必须对应于一个稳定的季节性AR多项式。
`SARLags`	在观测序列的周期性中，对应于非零季节性AR系数的滞后	`SARLags`不是模型属性。在指定时使用此参数`特别行政区`来表示非零季节性AR系数的滞后。例如，指定模型 $（ 1 - ϕ l ）（ 1 - Φ_{12} l^{12} ） y_{t} ＝ ε_{t} ，$ 指定`ARLags, 1“SARLags”12`．
`SMA`	季节性马系数, $Θ_{1} ，．．．， Θ_{问_{年代}}$	为季节性MA系数设置等式约束。使用`SMALags`来指定非零季节性MA系数的滞后。在观测数据的周期性中指定与季节多项式相关的滞后(例如，4,8，…)对于季度数据，或12,24，…对于月度数据)，而不是季节性的倍数(例如，1,2，…)。例如，指定模型 $y_{t} ＝（ 1 + 0．6 l ）（ 1 + 0．2 l^{12} ） ε_{t} ，$ 指定`“马”,0.6,SMA, 0.2,“SMALags”,12`．您输入的任何系数值必须对应于一个可逆的季节性MA多项式。
`SMALags`	在观测序列的周期性中，对应于非零季节性MA系数的滞后	`SMALags`不是模型属性。在指定时使用此参数`SMA`来表示非零季节性MA系数的滞后。例如，指定模型 $y_{t} ＝（ 1 + θ_{1} l ）（ 1 + Θ_{4} l^{4} ） ε_{t} ，$ 指定`“MALags”,1,“SMALags”,4`．
`季节性`	季节周期,年代	指定季节整合的程度年代在季节差分多项式中Δ_年代= 1 -l^年代．例如，要指定每月数据的季节性集成的周期，请指定`“季节性”12`．如果你指定非零`季节性`，则整个季节差分多项式的次数为1。默认情况下,`季节性`是有价值的`0`(意思是周期性的，没有季节性的整合)。

请注意

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

使用计量经济模型应用程序指定条件均值模型

利用的方法可以确定季节和非季节条件平均模型的滞后结构和创新分布计量经济学建模师该应用程序将所有系数视为未知和可估计的，包括a的自由度参数t创新分布。

在命令行中，打开计量经济学建模师应用程序。

econometricModeler

或者，从应用程序库打开应用程序(见计量经济学建模师）.

在应用程序中，您可以通过选择响应的时间序列变量来查看所有金宝app支持的模型时间序列窗格。然后,在计量经济学建模师选项卡,模型部分中，单击箭头以显示模型库。

的ARMA / ARIMA模型部分包含支持的条件平均模型。金宝app

对于条件均值模型估计，SARIMA和SARIMAX是最灵活的模型。您可以通过单击创建任何排除外生预测因子的条件平均模型SARIMA，或者您可以通过单击创建任何条件平均模型，其中至少包含一个外生预测器SARIMAX．

选择模型后，应用程序会显示类型模型参数对话框,类型是模型类型。这个图显示了SARIMAX模型参数对话框。

对话框中的可调参数取决于类型．一般可调参数包括:

预测变量对应的模型常数和线性回归系数
时间序列成分参数，其中包括季节性和非季节性滞后和积分程度
创新分布

在调整参数值时，模型方程部分更改以匹配您的规范。中描述的可调参数对应于输入参数和名称-值对参数华宇电脑参考页面。

有关使用应用程序指定模型的更多细节，请参见数据拟合模型和交互式地指定滞后算子多项式．

另请参阅