模拟乘法ARIMA模型
这个例子展示了如何模拟样本路径从一个乘法季节性ARIMA模型使用模拟
。国际航空客运量时间序列每月从1949年到1960年。
加载数据和估计模型
加载数据集Data_Airline
。
负载Data_Airliney =日志(DataTimeTable.PSSG);T =长度(y);Mdl = arima (“不变”0,' D ',1“季节性”12…“MALags”,1“SMALags”12);EstMdl =估计(Mdl y);
季节性ARIMA(0, 1, 1)模型结合季节性马(12)(高斯分布):价值StandardError TStatistic PValue _____ _________________ __________ __________常数0 0南南妈{1}-0.37716 0.066794 -5.6466 1.6364 e-08 SMA {12} e-11方差2.0952 -0.57238 0.085439 -6.6992 0.0012634 0.00012395 10.193 2.1406 e-24
res =推断(EstMdl y);
模拟航空乘客数量
用拟合模型来模拟25实现航空乘客数量的零利率地平线(5年)。使用观察系列和隐式残差作为presample数据。
rng (“默认”)Ysim =模拟(EstMdl 60“NumPaths”25岁的“Y0”,y,“E0”res);mn =意味着(Ysim, 2);跳频= DataTimeTable.Time(结束)+ calmonths(一60);图绘制(DataTimeTable.Time y“k”)举行在情节(fh、Ysim“颜色”[.85、.85 .85]);h =情节(fh、锰、“k——”,“线宽”2);标题(“模拟航空乘客数量”)传说(h,“模拟的意思”,“位置”,“西北”)举行从
模拟预测显示增长和季节周期类似于观察系列。
估计未来事件的概率
使用模拟的概率估计日志航空乘客数量将达到或超过7有时在接下来的5年。蒙特卡洛计算错误的概率估计。
Ysim =模拟(EstMdl 60“NumPaths”,1000,“Y0”,y,“E0”res);七国集团(g7) = (Ysim > = 7)总和> 0;太好了=意味着(七国集团)
太好了= 0.3820
呃=√酷毙了* (1-phat) / 1000)
呃= 0.0154
的概率(日志)的乘客数量将达到或超过7在未来5年大约是0.38。蒙特卡洛标准误差的估计约为0.02。
情节乘客在未来时间的分布。
使用模拟图的分布(日志)航空乘客数量60个月进入未来。
:图直方图(Ysim(60), 10)标题(乘客数量的分布在60个月的)