乘性ARIMA模型规范- MATLAB和Simulink金宝app - 金宝app,下载188bet金宝搏,金宝搏官方网站

乘法ARIMA模型规范

无常数项的季节ARIMA模型

打开实时脚本

此示例演示如何使用华宇电脑指定一个没有常数项的乘性季节性ARIMA模型(针对月度数据)。

指定没有常数项的乘法季节ARIMA模型，

$（ 1 - ϕ_{1} l ）（ 1 - Φ_{12} l^{12} ）（ 1 - l ）^{1} （ 1 - l^{12} ） y_{t} ＝（ 1 + θ_{1} l ）（ 1 + Θ_{12} l^{12} ） ε_{t} ，$

其中创新分布为常数方差高斯分布。在这里, $（ 1 - l ）^{1}$ 一阶非季节性差分算子和吗 $（ 1 - l^{12} ）$ 为周期为12的一阶季节差分算子。

Mdl=arima(“常数”,0,“ARLags”1.“沙拉”12' D '1.．..“季节性”12“MALags”1.“SMALags”, 12)

描述:“arima(1,1,1)模型与季节AR(12)和MA(12)(高斯分布)的季节性集成”分布:Name = "高斯" P: 26 D: 1 Q: 13 Constant: 0 AR: {NaN} at lag [1] SAR: {NaN} at lag [12] MA: {NaN} at lag [1] SMA: {NaN} at lag[12]季节性:12 Beta: [1×0] Variance: NaN . [12]: {NaN} at lag [1]

名称-值对参数阿拉格斯指定与非季节AR系数对应的滞后， $ϕ_{1}$ ．沙拉指定与季节性AR系数相对应的滞后，此处为滞后12。非季节性MA系数和季节性MA系数的规定类似。D指定非季节性整合的程度。季节性例如，指定时间序列的周期季节性=12表示每月数据。自季节性是否大于0，季节积分的程度 $D_{年代}$ 这是一个。

无论何时包含季节性AR或MA多项式（通过指定特别行政区或SMA)在型号说明书中，华宇电脑以乘法方式合并它们。华宇电脑设置属性P等于p+D+ $p_{年代}$ +年代（这里，1+1+12+12=26）。同样，华宇电脑设置属性问等于问+ $问_{年代}$ (这里1 + 12 = 13)。

显示…的值特别行政区：

Mdl。特别行政区

ans=1×12单元阵列列1到8{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}{[0]}列9到12{[0]}{[0]}{[0]}{(南)}

的特别行政区单元格数组返回12个元素，由沙拉．华宇电脑设置临时滞后系数等于零，以保持与MATLAB®单元阵列索引的一致性。因此，唯一的非零系数对应滞后12。

的所有其他属性Mdl是楠-value，表示相应的模型参数是可估计的，或者您可以使用点表示法指定它们的值。

参数值已知的季节ARIMA模型

打开实时脚本

这个示例展示了如何指定一个具有已知参数值的乘性季节性ARIMA模型(用于季度数据)。您可以使用这样一个完全指定的模型作为输入模拟或预测．

指定乘数季节ARIMA模型

$（ 1 - ． 5 l ）（ 1 + 0 ． 7 l^{4} ）（ 1 - l ）^{1} （ 1 - l^{4} ） y_{t} ＝（ 1 + ． 3. l ）（ 1 - ． 2 l^{4} ） ε_{t} ，$

其中，新息分布为高斯分布，方差为常数0.15。此处， $（ 1 - l ）^{1}$ 是不是非季节性差分算子和 $（ 1 - l^{4} ）$ 是周期为4的一阶季节性差分算子。

Mdl=arima(“常数”,0,基于“增大化现实”技术的,0.5,' D '1.“妈妈”,0.3,．..“季节性”4.“特区”,-0.7,“沙拉”4.．..SMA的, -0.2,“SMALags”4.“方差”, 0.15)

Mdl=arima，属性：Description:“季节性结合季节性AR（4）和MA（4）（高斯分布）的arima（1,1,1）模型”分布：Name=“Gaussian”P:10D:1Q:5常数：0AR:{0.5}滞后[1]SAR:{-0.7}滞后[4]MA:{0.3}滞后[1]SMA:{-0.2}滞后[4]季节性：4β：[1×0]方差：0.15

输出指定与滞后多项式相比符号相反的非季节性和季节性AR系数。这与模型的差分方程形式是一致的。输出指定使用季节性AR和MA系数的滞后沙拉和SMALags,分别。D指定非季节性整合的程度。季节性= 4表示季度数据，有一个度的季节整合。

指定了所有的参数值，即没有对象属性楠有价值的。

使用计量经济建模程序指定乘性ARIMA模型

在计量经济学建模师应用程序中，您可以指定滞后结构、常数的存在以及SARIMA的创新分布(p，D，问)×(p_年代，D_年代，问_年代）_年代按照以下步骤进行建模。所有指定的系数都是未知但可估计的参数。

在命令行中，打开计量经济学建模师应用程序。
```
计量经济学模型
```
或者，从应用程序库中打开应用程序（请参见计量经济学建模师).
在时间序列窗格中，选择模型将适合的响应时间序列。
在计量经济学建模师选项卡，在模型部分中，单击箭头以显示模型库。
在ARMA / ARIMA模型在图库的某个部分，单击SARIMA。若要创建SARIMAX模型，请参见ARIMAX模型规范．
的SARIMA模型参数对话框出现。
指定滞后结构。使用滞后顺序选项卡指定SARIMA(p，D，问)×(p_年代，D_年代，问_年代）_年代模型,该模型包括:
- 非季节多项式中从1到其各自阶数的所有连续滞后
- 滞后都是该时期的连续倍数(年代)，在季节多项式中
- 一个年代-次季节积分多项式
使用滞后向量选项卡为所有多项式指定特定滞后的灵活性。有关详细信息，请参见交互指定滞后算子多项式．无论使用何种选项卡，您都可以通过检查模型方程部分

例如，考虑这个Sarima（2，1，1）×（2，1，1）₁₂模型。

$（ 1 - ϕ_{1} l - ϕ_{2} l^{2} ）（ 1 - Φ_{12} l^{12} - Φ_{24} l^{24} ）（ 1 - l ）（ 1 - l^{12} ） y_{t} ＝ c + （ 1 + θ_{1} l ）（ 1 + Θ_{12} l^{12} ） ε_{t} ，$

在哪里ε_t是一系列IID高斯创新。

该模型包括从1到各自订单的所有连续AR和MA滞后。此外，SAR和SMA多项式的滞后是从12到其各自指定阶数乘以12的周期的连续倍数。因此，请使用滞后顺序选项卡以指定模型。

在季节性第节：
1. 集程度的集成来1．
2. 集自回归序来2．
3. 集移动平均订单来1．
在季节性第节：
1. 集时期来12．
2. 集自回归序来2。此输入指定包含SAR滞后12和24（即时期).
3. 集移动平均订单来1．该输入指定包含SMA滞后12(即值的前倍数时期).
4. 选择包括季节性差异复选框。
验证模型方程节与您的模型匹配。

为了从模型中排除一个常数，并指定创新是高斯的，遵循前面的步骤，并清除包括常数项复选框。
指明t-分布式创新，按照前面的步骤，并单击创新分布按钮，然后选择t．

再举一个例子，考虑这个Sarima（12，1，1）×（2，1，1）₁₂模型。

$（ 1 - ϕ_{1} l - ϕ_{12} l^{12} ）（ 1 - Φ_{24} l^{24} ）（ 1 - l ）（ 1 - l^{12} ） y_{t} ＝ c + （ 1 + θ_{1} l ）（ 1 + Θ_{12} l^{12} ） ε_{t} ．$

该模型不包括连续的AR滞后，并且SAR多项式的滞后不是周期的连续倍数滞后向量选项卡以指定此模型：

在SARIMA模型参数对话框中，单击滞后向量标签。
在季节性第节：
1. 集程度的集成来1．
2. 集自回归滞后来1) 12．
3. 集移动平均滞后来1．
在季节性第节：
1. 集季节性来12.该应用程序包括一个12度季节积分多项式。
2. 集自回归滞后来24．此输入指定包含SAR滞后24。属性中的值与输入无关季节性盒
3. 集移动平均滞后来12．该输入指定包含SMA滞后12。属性中的值与输入无关季节性盒
验证模型方程节与您的模型匹配。

在指定模型之后，单击估计估计模型中的所有未知参数。

另请参阅

乘法ARIMA模型规范

无常数项的季节ARIMA模型

参数值已知的季节ARIMA模型

使用计量经济建模程序指定乘性ARIMA模型

另请参阅

应用程序

对象

功能

相关的例子

更多关于

计量经济学工具箱文件

金宝app

用MATLAB建模财务风险的实用指南