预测乘法ARIMA模型

打开生活的脚本

这个例子展示了如何使用预测．时间序列是1949年至1960年国际航空公司每月的乘客数量。

加载数据并估计模型。

加载数据集航空公司数据．

装载(“Data_Airline.mat”)y=对数（数据）；T=长度（y）；Mdl=arima(“不变”,0,“D”1.“季节性”,12,...“马拉格”1.“SMALags”12);EstMdl =估计(Mdl y);

1.1.1.1）1.1.1）1.1.1）1.1.1）1.1.1）1.1.1）1.1.1）1.1.1.1.1）1.1）1.1.1.1.1）1.1.1.1.1.1.1.1.1.1）模型季节性集成的模型季节性与季节性的季节性Ma1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.1.0.00012395 10.193 2.1406e-24

预测航空公司的乘客数量。

使用拟合模型生成60个月(5年)范围内的MMSE预测和相应的均方误差。使用观察到的序列作为前样本数据。默认情况下,预测使用指定的模型和观测值推断采样前创新。

[yF，yMSE]=预测（EstMdl，60，y）；上限=yF+1.96*sqrt（yMSE）；下限=yF-1.96*sqrt（yMSE）；图表（y，“颜色”，[75,75,75]）保持在h1=曲线图（T+1:T+60，yF，“r”,“线宽”，2）；h2=图（T+1:T+60，上，“k——”,“线宽”，1.5）；绘图（T+1:T+60，更低，“k——”,“线宽”，1.5）xlim（[0，T+60]）标题('预测和95%预测间隔')图例（[h1，h2]，“预测”,“95%间隔”,“位置”,“西北”)举行关

图中包含一个axes对象。标题为Forecast且95%预测间隔的axes对象包含4个line类型的对象。这些对象表示Forecast，95%间隔。

MMSE预测显示航空公司乘客数量在预测期内持续增长。然而，置信区间表明乘客数量下降是合理的。因为这是一个非平稳过程，预测间隔的宽度会随着时间的推移而增加。

比较MMSE和蒙特卡罗预测。

在同一预测范围内模拟500条样本路径。将模拟平均值与MMSE预测值进行比较。

rng“默认”；res=推断（EstMdl，y）；Ysim=模拟（EstMdl，60，“NumPaths”,500,“Y0”, y,‘E0’，res）；yBar=平均值（Ysim，2）；simU=曲线图（Ysim，97.5,2）；simL=曲线图（Ysim，2.5,2）；图h1=曲线图（yF，“颜色”(.85、.85 .85),“线宽”，5）；保持在h2=曲线图（yBar，“k——”,“线宽”，1.5）；xlim（[0,60]）图（[上，下]，“颜色”(.85、.85 .85),“线宽”，5）绘图（[simU，simL]，“k——”,“线宽”, 1.5)标题(“MMSE和蒙特卡罗预测的比较”)图例（[h1，h2]，“彩信”,“蒙特卡洛”,“位置”,“西北”)举行关