总结

显示ARIMA模型估计结果

扩大所有页面

句法

总结（MDL）

结果总结=（MDL）

描述

例

总结（MDL）显示ARIMA模型的概要MDL。

如果MDL是估计模型的回估计，然后总结打印估计结果到MATLAB^®命令窗口。该显示器包括一个估计总结和参数估计值的表与对应的标准误差，Ť统计和p- 值。估计摘要包括拟合统计，如赤池信息量准则（AIC），和估计的创新方差。
如果MDL是一种不可估量的模型由归国华宇，然后总结打印标准对象显示（同显示器华宇模型创建过程中打印）。

例

结果=总结（MDL）返回以下变量之一，并不能打印到命令窗口。

如果MDL是估计的模型，然后结果是含有估计结果的结构。
如果MDL是不可估量的模型，然后结果是一个华宇模型对象，它是等于MDL。

输入参数

展开全部

`MDL`-ARIMA模型
`华宇`模型对象

ARIMA模型，指定为华宇模型对象通过返回估计要么华宇。

输出参数

展开全部

`结果`- 模型汇总
结构阵列|`华宇`模型对象

模型概要，返回为结构阵列或者华宇模型对象。

如果MDL是估计的模型，然后结果是包含该表中的字段的结构阵列。

领域	描述
`描述`	模型概要描述（字符串）
`采样大小`	有效样品大小（数值标量）
`NumEstimatedParameters`	估计的参数数量（数值标量）
`数似然`	优化的对数似然值（数值标量）
`AIC`	赤池信息准则（数字标）
`BIC`	贝叶斯信息准则（数字标）
`表`	模型参数的最大似然估计与相应的标准误差，Ť统计（估计除以标准误差），和p- 值（假定正态）;与对应于模型参数行的表
`VarianceTable`	模型方差最大似然估计与相应的标准误差，Ť统计（估计除以标准误差），和p- 值（假定正态）。如果`Mdl.Variance`是常数，则`VarianceTable`是含有一个行的表。如果`Mdl.Variance`是估计的条件方差模型（例如，一个`GARCH`模型），则`VarianceTable`是一个表，它的行对应于估计方差模型参数。

如果MDL是不可估量的模型，然后结果是一个华宇模型对象，它是等于MDL。

例子

展开全部

显示估计结果

开立真实脚本

从估计使用模拟数据的ARMA模型打印结果。

使用已知的参数值从ARMA（1,1）模型模拟的数据。

MdlSim = ARIMA（'不变'，0.01％，'AR'，0.8％，'嘛'，0.14，...'方差'，0.1）;RNG'默认';Y =模拟（MdlSim，100）;

适合的ARMA（1,1）模型来模拟的数据，关闭打印显示。

MDL = ARIMA（1,0,1）;EstMdl =估计（MDL，Y，'显示'，“关”）;

打印的估计结果。

总结（EstMdl）

ARIMA（1,0,1）模型（高斯分布）有效样本规模：估计的参数100数：4对数似然：-41.296 AIC：90.592 BIC：101.013值StandardError的TStatistic p值________ _____________ __________ __________常数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 0.13373方差7.4794 0.017879 7.466e-14

从配件的复合条件均值和方差模型提取估计结果

开立真实脚本

加载附带计量经济学™工具箱纳斯达克的数据。转换日收盘综合指数系列以回归系列。对于数值稳定性，转换的收益率回报。指定一个AR（1）和GARCH（1,1）复合物的模型。这是形式的典范

${[R}_{Ť} = C + φ_{1} {[R}_{Ť - 1} + ε_{Ť} ，$

哪里 $ε_{Ť} = σ_{Ť} ž_{Ť}$ ，

$σ_{Ť}^{2} = κ + γ_{1} σ_{Ť - 1}^{2} + α_{1} ε_{Ť - 1}^{2} ，$

和 $ž_{Ť}$ 是独立同分布的标准化高斯过程。

加载Data_EquityIdx纳斯达克= DataTable.NASDAQ;R = 100 * price2ret（NASDAQ）;T =长度（R）;MDL = ARIMA（'ARLags'1，'方差'，GARCH（1,1））;

拟合模型MDL对收益率序列[R通过使用估计。使用样品前观察结果估计默认选择。

EstMdl =估计（MDL，R，'显示'，'PARAMS'）;

ARIMA（1,0,0）模型（高斯分布）：值StandardError的TStatistic p值________ _____________ __________ __________常数0.072632 0.018047 4.0245 5.7089e-05 AR {1} 0.13816 0.019893 6.945 3.7845e-12 GARCH（1,1）条件方差模型（高斯分布）：值StandardError的TStatistic p值________ _____________ __________ __________常数0.022377 0.0033201 6.7399 1.5851e-11 GARCH {1} 0.87312 0.0091019 95.927 0 ARCH {1} 0.11865 0.008717 13.611 3.434e-42

创建一个名为变量结果包含通过使用评估结果总结。

结果总结=（EstMdl）

结果=同场的结构：描述： “ARIMA（1,0,0）模型（高斯分布）” 的采样大小：3027个NumEstimatedParameters：5对数似然：-4.7414e + 03 AIC：9.4929e + 03 BIC：9.5230e + 03表：[表的2x4] VarianceTable：[3×4表]

通过使用点符号提取从估计结果结构阵列的参数估计的汇总表。该表字段包含了条件均值模型参数估计和推断。该VarianceTable字段包含的条件方差模型参数估计和推断。

meanEstTbl =结果。表

meanEstTbl =2×4表值StandardError的TStatistic p值________ _____________ __________ __________常数0.072632 0.018047 4.0245 5.7089e-05 AR {1} 0.13816 0.019893 6.945 3.7845e-12

varianceEstTbl = results.VarianceTable

varianceEstTbl =3×4表值StandardError的TStatistic p值________ _____________ __________ __________常数0.022377 0.0033201 6.7399 1.5851e-11 GARCH {1} 0.87312 0.0091019 95.927 0 ARCH {1} 0.11865 0.008717 13.611 3.434e-42