条件平均模型
自回归(AR),移动平均(MA), ARMA, ARIMA, armax和季节模型
应用程序
计量经济学建模师 | 分析计量经济时间序列并建立模型 |
功能
例子和如何
创建模型
- 指定条件平均模型
创建条件均值模型使用华宇电脑
或者econometricmodeler应用程序。 - 修改条件平均模型对象的属性
使用点表示法更改可修改的模型属性。 - 指定条件平均模型创新分布
指定高斯或t分布的创新过程,或方差过程的条件方差模型。 - 使用计量经济模型应用程序指定创新分布
交互式地指定tARIMA模型的创新分布。 - AR型号规格
创建平稳自回归模型使用华宇电脑
或者econometricmodeler应用程序。 - MA型号规格
创建可逆移动平均模型使用华宇电脑
或者econometricmodeler应用程序。 - ARMA型号规格
创建平稳和可逆的自回归移动平均模型华宇电脑
或者econometricmodeler应用程序。 - ARIMA型号规格
创建自回归集成移动平均模型华宇电脑
或者econometricmodeler应用程序。 - ARIMAX型号规格
创建ARIMAX模型使用华宇电脑
或者econometricmodeler应用程序。 - 乘法ARIMA模型规范
创建乘法ARIMA模型使用华宇电脑
或者econometricmodeler应用程序。 - 指定乘法ARIMA模型
创建一个季节性ARIMA模型。 - 指定条件均值和方差模型
创建一个复合条件均值和方差模型。
模型与数据拟合
- ARIMA模型估计的时基划分
当您将时间序列模型与数据拟合时,模型中的滞后项需要初始化,通常在样本开始时进行观察。 - 使用计量经济学建模器应用程序实现Box-Jenkins模型选择和估计
交互式地实现Box-Jenkins方法,为单变量条件平均模型选择适当的滞后数。然后,将模型与数据进行拟合,并将估计的模型导出到命令行以生成预测。 - Box-Jenkins差分与ARIMA估计
比较Box-Jenkins和ARIMA估计。 - 使用BIC选择ARMA滞后
使用信息准则选择ARMA模型。 - 估计乘法ARIMA模型使用计量经济学建模应用程序
交互式估计乘法季节ARIMA模型。 - 估计乘法ARIMA模型
估计一个乘法季节ARIMA模型。 - 使用指标变量模拟季节滞后效应
通过指定乘法模型或使用季节假人来估计季节性ARIMA模型。 - 使用计量经济学建模程序估计ARIMAX模型
交互式地指定和估计一个ARIMAX模型。 - 估计条件均值和方差模型
估计一个复合条件均值和方差模型。 - 使用计量经济模型应用程序执行ARIMA模型残留诊断
通过执行剩余诊断将数据拟合到ARIMA模型后,交互式地评估模型假设。 - 推断残差用于诊断检查
从拟合的ARIMA模型推断残差。 - 分享计量经济模型应用程序会议的结果
导出变量到MATLAB®工作区,生成纯文本和活动函数,返回在应用程序会话中估计的模型,或生成报告,记录您在时间序列上的活动和在econometretresmodeler应用程序会话中估计的模型。
生成模拟或脉冲响应
- 模拟平稳过程
模拟平稳自回归模型和移动平均模型。 - 模拟趋势平稳和差分平稳过程
通过仿真说明趋势平稳和差分平稳过程的区别。 - 模拟乘法ARIMA模型
从一个乘法季节ARIMA模型模拟样本路径。 - 模拟条件均值和方差模型
从复合条件均值和方差模型模拟响应和条件方差。 - 条件平均模型的脉冲响应函数
绘制单变量自回归移动平均模型的脉冲响应函数。
生成最小均方误差预测
- 比较使用计量经济建模器创建模型后的预测性能
通过比较估计模型的AIC值,交互式地选择ARIMA模型的滞后。然后,将几个模型导出到命令行,以比较它们的预测性能。 - 预测乘法ARIMA模型
预测一个乘法季节ARIMA模型。 - AR预测的收敛性
评估AR模型预测的渐近收敛性,并比较使用预样本数据和不使用预样本数据所作的预测。 - 预测条件均值和方差模型
从复合条件均值和方差模型预测响应和条件方差。 - ARX模型预测IGD率
通过计算MMSE预测或使用蒙特卡罗模拟来预测ARIMAX模型。 - 为预测ARIMAX模型指定预采样和预测期数据
这个示例展示了如何将时间轴划分为预采样、估计和预测周期,并展示了如何提供适当数量的观测值来初始化用于估计和预测的动态模型。
概念
- 使用计量经济建模器分析时间序列数据
交互式可视化和分析单变量或多变量时间序列数据。
- 交互式地指定单变量滞后算子多项式
使用计量经济建模器指定时间序列模型估计的单变量滞后算子多项式项。
- 条件平均模型
了解条件均值模型的特征和形式。
- 自回归模型
学习自回归模型。
- 移动平均模型
学习移动平均模型。
- 自回归移动平均模型
学习自回归,移动平均模型。
- ARIMA模型
了解自回归综合移动平均模型。
- 乘法ARIMA模型
了解如何使用乘法ARIMA模型处理季节性和潜在的季节性单位根。
- 包含外生协变量的ARIMA模型
了解包含外生变量线性项的ARIMA模型。
- 条件平均模型的极大似然估计
了解如何为条件均值模型执行最大似然。
- 具有相等约束的条件平均模型估计
在估计过程中使用已知参数值约束模型。
- 条件平均模型估计的预样本数据
指定预采样数据来初始化模型。
- 条件平均模型估计的初值
指定用于估计的初始参数值。
- 条件平均模型估计的优化设置
通过指定可选的优化选项来解决估计问题。
- 条件平均模型的蒙特卡罗模拟
了解蒙特卡罗模拟。
- 条件平均模型模拟的预样本数据
了解模拟的预样要求。
- 条件平均模型模拟中的瞬态效应
学习如何最小化瞬态效应。
- 条件平均模型的蒙特卡罗预测
了解蒙特卡罗预测。
- 条件平均模型的MMSE预测
了解MMSE预测。