总结

显示ARIMA模型估计结果

展开全部页面

语法

总结(Mdl)

results = summary (Mdl)

描述

例子

总结(Mdl）显示ARIMA模型的摘要Mdl．

如果Mdl是否返回一个估计模型估计,然后总结打印估计结果到MATLAB^®命令窗口。显示包括估计摘要和带有相应标准误差的参数估计表，t统计数据,p值。估计摘要包括拟合统计量，如赤池信息准则(AIC)和估计的创新方差。
如果Mdl返回的是未估计的模型吗华宇电脑,然后总结打印标准对象显示(与华宇电脑在模型创建期间打印)。

例子

结果=总结(Mdl）返回以下变量之一，不打印到命令窗口。

如果Mdl是估计模型吗结果是包含估计结果的结构。
如果Mdl这是一个未估计的模型吗结果是一个华宇电脑的模型对象Mdl．

输入参数

全部展开

`Mdl`- - - - - -ARIMA模型
`华宇电脑`模型对象

ARIMA模型，指定为华宇电脑返回的模型对象估计或华宇电脑．

输出参数

全部展开

`结果`-模型总结
构造数组|`华宇电脑`模型对象

模型摘要，作为结构数组或对象返回华宇电脑模型对象。

如果Mdl是估计模型吗结果包含此表中的字段的结构数组。

场	描述
`描述`	模型摘要描述(字符串)
`SampleSize`	有效样本量(数值标量)
`NumEstimatedParameters`	估计参数个数(数值标量)
`LogLikelihood`	优化的对数似然值(数字标量)
`另类投资会议`	赤池信息准则(数字标量)
`BIC`	贝叶斯信息准则(数字标量)
`表格`	具有相应标准误差的模型参数的极大似然估计，t统计数据(估计除以标准误差)，和p-values(假设正常);与模型参数相对应的行表
`VarianceTable`	模型方差与相应标准误差的最大似然估计，t统计数据(估计除以标准误差)，和p-values(假设正常)。如果`Mdl。方差`是常数，那么`VarianceTable`包含一行的表。如果`Mdl。方差`估计的条件方差模型(例如`garch`模型),然后`VarianceTable`是一个表，其行对应于估计的方差模型参数。

如果Mdl这是一个未估计的模型吗结果是一个华宇电脑的模型对象Mdl．

例子

全部展开

显示估计结果

打开实时脚本

打印使用模拟数据估计ARMA模型的结果。

使用已知参数值模拟ARMA(1,1)模型中的数据。

MdlSim = arima(“不变”, 0.01,基于“增大化现实”技术的, 0.8,“马”, 0.14,.．.“方差”, 0.1);rng“默认”；Y =模拟(MdlSim,100);

拟合ARMA(1,1)模型模拟数据，关闭打印显示。

Mdl = arima(1,0,1);EstMdl =估计(Mdl,Y，“显示”，“关闭”）;

打印估计结果。

总结(EstMdl)

ARIMA(1,0,1)模型(高斯分布)有效样例量:100估计参数数量:4 LogLikelihood: -41.296 AIC: 90.592 BIC: 101.013 Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 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方差0.13373 0.017879 7.4794 7.466e-14

从拟合的复合条件均值和方差模型中提取估计结果

打开实时脚本

加载Econometrics™工具箱中包含的NASDAQ数据。将每日收盘价综合指数系列转换为回报系列。为了数值稳定，将收益转换为百分比收益。指定一个AR(1)和GARCH(1,1)复合模型。这是表单的模型

$r_{t} ＝ c + ϕ_{1} r_{t - 1} + ε_{t} ，$

在哪里 $ε_{t} ＝ σ_{t} z_{t}$ ，

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

而且 $z_{t}$ 是一个独立同分布的标准化高斯过程。

负载Data_EquityIdx纳斯达克= dattable . nasdaq;R = 100*price2ret(纳斯达克);T =长度(r);Mdl = arima(“ARLags”, 1“方差”, garch (1,1));

拟合模型Mdl返回序列r通过使用估计．使用预先的观察估计默认选择。

EstMdl =估计(Mdl,r，“显示”，“参数”）;

ARIMA(1,0,0)模型(高斯分布):Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 0.072632 0.018047 4.0245 5.7085e-05 AR{1} 0.13816 0.019893 6.945 3.7847e-12 GARCH(1,1)条件方差模型(高斯分布):Value StandardError TStatistic PValue ________ _____________ __________ __________ Constant 0.022377 0.0033201 6.7399 1.5852e-11 GARCH{1} 0.87312 0.0091019 95.928 0 ARCH{1} 0.11865 0.008717 13.611 3.4339e-42

创建一个名为结果包含了使用的估计结果总结．

结果= summary (EstMdl)

结果=带字段的结构:描述:“ARIMA(1,0,0)模型(高斯分布)”SampleSize: 3027 NumEstimatedParameters: 5 LogLikelihood: -4.7414e+03 AIC: 9.4929e+03 BIC: 9.5230e+03 Table: [2x4 Table] VarianceTable: [3x4 Table]

使用点表示法从估计结果结构数组中提取参数估计汇总表。的表格字段包含条件平均模型参数估计和推断。的VarianceTable字段包含条件方差模型参数估计和推断。

meanEstTbl =结果。表格

meanEstTbl =2×4表价值StandardError TStatistic PValue  ________ _____________ __________ __________ 常数0.072632 0.018047 4.0245 5.7085 e-05 AR {1} e-12 0.13816 0.019893 6.945 3.7847

varianceEstTbl =结果。VarianceTable

varianceEstTbl =3×4表值standderror TStatistic PValue ________ _____________ __________ __________ Constant 0.022377 0.0033201 6.7399 1.5852e-11 GARCH{1} 0.87312 0.0091019 95.928 0 ARCH{1} 0.11865 0.008717 13.611 3.4339e-42