类:regARIMA
预测反应的回归模型与ARIMA错误
[Y, YMSE] =预测(Mdl numperiods)
[Y, YMSE U] =预测(Mdl numperiods)
[Y, YMSE U] =预测(Mdl numperiods,名称,值)
(
预测响应(Y
,YMSE
)=预测(Mdl
,numperiods
)Y
)回归模型与ARIMA时间序列错误并生成相应的均方误差(YMSE
)。
(
此外无条件的干扰预测的回归模型与ARIMA错误。Y
,YMSE
,U
)=预测(Mdl
,numperiods
)
numperiods
- - - - - -预测的时间跨度预测地平线,或时间点在预测期的数量,指定为一个正整数。
数据类型:双
指定可选的逗号分隔条名称,值
参数。的名字
参数名称和吗价值
相应的价值。的名字
必须出现在引号。您可以指定几个名称和值对参数在任何顺序Name1, Value1,…,的家
。
E0
- - - - - -Presample创新Presample创新的滑动平均(MA)组件初始化错误ARIMA模型,指定为逗号分隔组成的“E0”
和一个数字或数字矩阵列向量。预测
假设presample创新平均为0。
如果E0
是一个列向量,然后呢预测
它适用于每个预测路径。
如果E0
,Y0
,情况
矩阵与多个路径,那么他们必须有相同数量的列。
E0
至少需要Mdl.Q
行。如果E0
包含额外的行,然后预测
使用了最新的presample创新。最后一行包含最新presample创新。
默认情况下,如果情况
至少包含Mdl.P
+Mdl.Q
行,然后预测
推断E0
从情况
。如果情况
有一个不足的行数,预测
不能推断出足够的观察情况
从presample数据(Y0
和X0
),然后E0
是0。
数据类型:双
情况
- - - - - -Presample无条件的干扰Presample无条件的扰动的自回归(AR)组件初始化错误ARIMA模型,指定为逗号分隔组成的“情况”
和一个数字或数字矩阵列向量。如果你不指定presample创新E0
,预测
使用情况
推断出他们。
如果情况
是一个列向量,然后呢预测
它适用于每个预测路径。
如果情况
,Y0
,E0
矩阵与多个路径,那么他们必须有相同数量的列。
情况
至少需要Mdl.P
行。如果情况
包含额外的行,然后预测
使用了最新的presample无条件的干扰。最后一行包含最新presample无条件的干扰。
默认情况下,如果presample数据(Y0
和X0
)包含至少Mdl.P
行,然后预测
推断情况
从presample数据。如果你不指定presample数据,然后所有必需presample无条件的干扰都是0。
数据类型:双
X0
- - - - - -Presample预测数据Presample预测数据初始化模型预测,指定为逗号分隔组成的“X0”
和一个数字矩阵。的列X0
是分开的时间序列变量。预测
使用X0
来推断presample无条件的干扰情况
。因此,如果您指定情况
,预测
忽略了X0
。
如果你不指定情况
,然后X0
至少需要Mdl.P
行来推断情况
。如果X0
包含额外的行,然后预测
使用最新的观测。最后一行包含每个系列的最新观察。
X0
需要相同数量的列的长度Mdl.Beta
。
如果您指定X0
,那你还必须指定XF
。
预测
对待X0
作为一个固定的(nonstochastic)矩阵。
数据类型:双
XF
- - - - - -预测或预测未来的数据预测或预测未来的数据,指定为逗号分隔组成的“XF”
和一个数字矩阵。
的列XF
是分开的时间序列,每个相应系列的预测X0
。行t的XF
包含了t段时间的预测X0
。
如果您指定X0
,那你还必须指定XF
。XF
和X0
需要相同数量的列。XF
必须至少有numperiods
行。如果XF
超过numperiods
行,然后预测
使用第一个numperiods
预测。
预测
对待XF
作为一个固定的(nonstochastic)矩阵。
默认情况下,预测
不包括回归组件模型中,无论回归系数的存在Mdl
。
数据类型:双
Y0
- - - - - -Presample响应数据Presample响应数据初始化模型预测,指定为逗号分隔组成的“Y0”
和一个数字或数字矩阵列向量。预测
使用Y0
来推断presample无条件的干扰情况
。因此,如果您指定情况
,预测
忽略了Y0
。
如果Y0
是一个列向量,预测
它适用于每个预测路径。
如果Y0
,E0
,情况
矩阵与多个路径,那么他们必须有相同数量的列。
如果你不指定情况
,然后Y0
至少需要Mdl.P
行来推断情况
。如果Y0
包含额外的行,然后预测
使用最新的观测。最后一行包含最新的观测。
数据类型:双
笔记
南
年代E0
,情况
,X0
,XF
,Y0
显示缺失值和预测
删除它们。软件合并presample数据集(E0
,情况
,X0
,Y0
),然后使用list-wise删除删除任何南
年代。预测
同样删除南
年代从XF
。删除南
年代的数据减少了样本容量。这样删除也可以创建不规则的时间序列。
预测
假设您presample同步数据的最新观察每个presample系列同时发生。
集X0
预测矩阵一样X
用于评估、模拟或推理的Mdl
。这个任务可以确保正确推理的无条件的干扰,情况
。
将回归组件包含在响应预测,您必须指定预测预测数据XF
。也就是说,您可以指定XF
还没有指定X0
,但预测
当你指定一个错误的问题X0
还没有指定XF
。
Y
最小均方误差预测的响应数据最小均方误差(MMSE)预测的响应数据,返回一个数字矩阵。Y
有numperiods
行和numPaths
列。
如果你不指定Y0
,E0
,情况
,然后Y
是一个numperiods
列向量。
如果您指定Y0
,E0
,情况
,都有numPaths
列,然后Y
是一个numperiods
——- - - - - -numPaths
矩阵。
行我的Y
包含的预测我期。
数据类型:双
YMSE
均方误差的预测反应均方误差(为了)预测响应,返回一个数字矩阵。YMSE
有numperiods
行和numPaths
列。
如果你不指定Y0
,E0
,情况
,然后YMSE
是一个numperiods
列向量。
如果您指定Y0
,E0
,情况
,都有numPaths
列,然后YMSE
是一个numperiods
——- - - - - -numPaths
矩阵。
行我的YMSE
包含的预测误差方差我期。
预测数据不提供可变性YMSE
因为预测
对待XF
作为一个nonstochastic矩阵。
的平方根YMSE
标准错误的预测吗Y
。
数据类型:双
U
未来的ARIMA -最小均方误差预测误差模型无条件的干扰最小均方误差(MMSE)未来的ARIMA预测误差模型无条件的障碍,作为一个数字矩阵返回。U
有numperiods
行和numPaths
列。
如果你不指定Y0
,E0
,情况
,然后U
是一个numperiods
列向量。
如果您指定Y0
,E0
,情况
,都有numPaths
列,然后U
是一个numperiods
——- - - - - -numPaths
矩阵。
行我的U
包含的预测无条件的干扰我期。
数据类型:双
预测反应从以下回归模型和ARMA(2, 1)错误在30-period地平线上:
在哪里 是高斯方差为0.1。
指定模型。来自两个预测模型和模拟响应系列。
Mdl0 = regARIMA (“拦截”0,基于“增大化现实”技术的{0.5 - -0.8},…“马”,-0.5,“β”(0.1 - -0.2),“方差”,0.1);rng (1);%的再现性X = randn (130 2);y =模拟(Mdl0,130,“X”,X);
符合第一100年观测模型,保留剩余的30观测评估预测性能。
Mdl = regARIMA (“ARLags”1:2);EstMdl =估计(Mdl y (1:10 0),“X”X (1:10 0,:));
回归与ARMA(2,0)误差模型(高斯分布):价值StandardError TStatistic PValue ________ _________________ __________ __________拦截AR {1} 0.36833 - 0.067103 0.004358 - 0.021314 0.20446 - 0.83799 5.4891 - 4.0408 e-08 AR {2} e-16β(1)1.4453 -0.75063 0.090865 -8.2609 0.076398 0.023008 3.3205 0.00089863 Beta (2) e-09方差2.0741 -0.1396 0.023298 -5.9919 0.079876 0.01342 5.9522 2.6453 e-09
EstMdl
是一个新的regARIMA
包含估计模型。估计接近他们的真实值。
使用EstMdl
预测30-period地平线。视觉上比较坚持的预测数据使用一个阴谋。
(yF, yMSE) =预测(EstMdl 30“Y0”y (1:10 0),…“X0”X (1:10 0,:),“XF”X(101:最终,:));图绘制(y,“颜色”,7,7,7);持有在情节(101:130 yF,“b”,“线宽”2);情节(101:130 yF + 1.96 * sqrt (yMSE),“:”,…“线宽”2);情节(101:130、yf - 1.96 * sqrt (yMSE),“:”,“线宽”2);甘氨胆酸h =;ph =补丁([repmat(101年,1,2)repmat(130年1、2),…(h。YLim fliplr(h.YLim)],…[0 0 0 0),“b”);ph.FaceAlpha = 0.1;传奇(“观察”,“预测”,…“95%的预测区间”,“位置”,“最佳”);标题([“30-Period预测和近似95%”…预测区间的])轴紧持有从
抵抗的许多观测样本预测下降超出了95%的间隔。两个原因:
在本例中预测是随机生成的。估计
把固定的预测因子。基于估计的95%的预测区间估计
不占预测的变化。
切变机会,评估期间似乎比预测期波动较小。估计
使用挥发性弱估计时间数据来估计参数。因此,预测时间间隔根据估计不应该覆盖的观察,一个潜在的创新过程和更大的可变性。
GDP预测固定,日志使用回归模型和ARMA(1,1)错误,包括CPI预测。
美国宏观经济数据集和预处理数据加载。
负载Data_USEconModel;logGDP =日志(DataTable.GDP);dlogGDP = diff (logGDP);%的平稳性3 = diff DataTable.CPIAUCSL);%的平稳性numObs =长度(dlogGDP);国内生产总值= dlogGDP(1:长达15);%估计样本cpi = 3(1:长达15);T =长度(gdp);%有效样本量frstHzn = T + 1: numObs;%预测地平线hoCPI = 3 (frstHzn);%抵抗样本dts =日期(2:结束);% nummbers日期
适合一个回归模型和ARMA(1,1)错误。
Mdl = regARIMA (“ARLags”,1“MALags”1);EstMdl =估计(Mdl、国内生产总值“X”cpi);
回归与ARMA(1,1)误差模型(高斯分布):价值StandardError TStatistic PValue __________ _________________ __________ __________拦截0.014793 0.0016289 9.0818 1.0684 e-19 AR{1} 0.57601 0.10009 5.7548 8.6755马e-09{1} -0.15258 0.11978 -1.2738 0.20272β(1)6.5562 9.5734 0.0028972 0.0013989 2.071 0.038355方差e-05 e-06 14.602 - 2.723 e-48
GDP增长率的预测15-quarter地平线。使用估计样本的presample预测。
[gdpF, gdpMSE] =预测(EstMdl 15“Y0”国内生产总值,…“X0”消费者价格指数,“XF”,hoCPI);
情节预测和95%的预测区间。
图h1 =情节(dts(端- 65:端),dlogGDP(端- 65:端),…“颜色”,7,7,7);datetick举行在h2 =情节(gdpF dts (frstHzn),“b”,“线宽”2);h3 =情节(dts (frstHzn) gdpF + 1.96 * sqrt (gdpMSE),“:”,…“线宽”2);情节(dts (frstHzn) gdpf - 1.96 * sqrt (gdpMSE),“:”,“线宽”2);甘氨胆酸公顷=;标题([{}\ bf预测和近似95%的…”{\ bf GDP增长率预测间隔}’]);ph =补丁([repmat (dts (frstHzn (1)), 1, 2) repmat (dts (frstHzn(结束),1,2)),…(公顷。YLim fliplr(ha.YLim)],…[0 0 0 0),“b”);ph.FaceAlpha = 0.1;传奇((h1 h2 h3) {“观察到GDP比率”,“国内生产总值预测率”,…“95%的预测区间”},“位置”,“最佳”,“自动更新”,“关闭”);轴紧持有从
GDP预测单位根的非平稳、日志使用回归模型与ARIMA(1, 1, 1)错误,包括CPI预测和拦截。
美国宏观经济数据集和预处理数据加载。
负载Data_USEconModel;numObs =长度(DataTable.GDP);日志(DataTable.GDP logGDP =(1:长达15));cpi = DataTable.CPIAUCSL(1:长达15);T =长度(logGDP);%有效样本量frstHzn = T + 1: numObs;%预测地平线hoCPI = DataTable.CPIAUCSL (frstHzn);%抵抗样本
指定模型估计。
Mdl = regARIMA (“ARLags”,1“MALags”,1' D '1);
拦截没有可识别的模型集成错误,所以估计之前解决它的价值。要做到这一点的方法之一是使用简单线性回归估计拦截。
Reg4Int = [(T, 1), cpi] \ logGDP;拦截= Reg4Int (1);
考虑执行使用网格敏感性分析的拦截。
设置拦截和合适的回归模型与ARIMA(1, 1, 1)错误。
Mdl。拦截=拦截;EstMdl =估计(Mdl logGDP,“X”消费者价格指数,…“显示”,“关闭”)
EstMdl = regARIMA属性:描述:“ARIMA(1, 1, 1)误差模型(高斯分布)”Distribution: Name = "Gaussian" Intercept: 5.80142 Beta: [0.00396703] P: 2 D: 1 Q: 1 AR: {0.922717} at lag [1] SAR: {} MA: {-0.387864} at lag [1] SMA: {} Variance: 0.000108944 Regression with ARIMA(1,1,1) Error Model (Gaussian Distribution)
预测GDP 15-quarter地平线。使用估计样本的presample预测。
[gdpF, gdpMSE] =预测(EstMdl 15“Y0”logGDP,…“X0”消费者价格指数,“XF”,hoCPI);
情节预测和95%的预测区间。
图h1 =情节(日期(端- 65:端),日志(DataTable.GDP(端- 65:端)),…“颜色”,7,7,7);datetick举行在h2 =情节(gdpF日期(frstHzn),“b”,“线宽”2);h3 =情节(日期(frstHzn) gdpF + 1.96 * sqrt (gdpMSE),“:”,…“线宽”2);情节(日期(frstHzn) gdpf - 1.96 * sqrt (gdpMSE),“:”,…“线宽”2);甘氨胆酸公顷=;标题([{}\ bf预测和近似95%的…的日志GDP} {\ bf预测区间的]);ph =补丁([repmat(日期(frstHzn (1)), 1, 2) repmat(日期(frstHzn(结束),1,2)),…(公顷。YLim fliplr(ha.YLim)],…[0 0 0 0),“b”);ph.FaceAlpha = 0.1;传奇((h1 h2 h3) {观察到国内生产总值的,“国内生产总值预测”,…“95%的预测区间”},“位置”,“最佳”,“自动更新”,“关闭”);轴紧持有从
无条件的干扰, 不稳定,因此预测区间的宽度随时间增长。
时基分区预测是两个不相交的,连续的时基的间隔;每个区间包含预测动态模型的时间序列数据。的预测期(预测地平线)是一个numperiods
分区的最后时间基地中预测
生成预测Y
从动态模型Mdl
。的presample时期是整个分区发生之前预测期。预测
需要观察反应Y0
,回归数据X0
,无条件的干扰情况
或创新E0
presample时期来初始化预测的动态模型。模型结构确定所需的类型和数量的presample观察。
常见的做法是为适应动态模型的一部分数据集,然后通过比较验证模型的可预测性的预估,观察反应。在预测过程中,presample周期包含的数据模型是合适的,并包含抵抗的预测期样本进行验证。假设yt是一个观察响应系列;x1,t,x2,t,x3,t观察了外源性系列;和时间t= 1,…,T。考虑预测反应的动力学模型yt包含一个回归组件numperiods
=K期。假设动态模型是适合的数据区间[1,T- - - - - -K)(更多细节,请参阅估计
)。这图显示了分区预测时间基地。
例如,要生成预测Y
从一个回归模型AR(2)错误,预测
需要presample无条件的干扰情况
和未来的预测数据XF
。
预测
推断无条件干扰给予足够的现成presample反应和预测数据。初始化一个AR(2)误差模型,Y0
=
和X0
=
。
模型,预测
需要未来的外生数据XF
=
。
这个图显示了一般情况下的阵列所需的观测,与相应的输入和输出参数。
[1],g . e . P。,G. M. Jenkins, and G. C. Reinsel.时间序列分析:预测与控制。第三。恩格尔伍德悬崖,新泽西:普伦蒂斯霍尔,1994年。
[2]戴维森,R。,J. G. MacKinnon.计量经济学理论和方法。英国牛津:牛津大学出版社,2004年。
恩德斯[3],W。应用计量经济学时间序列。新泽西州霍博肯:约翰·威利& Sons Inc ., 1995年。
[4]汉密尔顿,j . D。时间序列分析。普林斯顿,纽约:普林斯顿大学出版社,1994年。
[5]Pankratz说道,。与动态回归模型预测。约翰•威利& Sons Inc ., 1991年。
[6]-蔡,r S。金融时间序列的分析。第二版,霍博肯,台北:约翰·威利& Sons Inc ., 2005年。
你点击一个链接对应MATLAB命令:
运行该命令通过输入MATLAB命令窗口。Web浏览器不支持MATLAB命令。万博1manbetx
你也可以从下面的列表中选择一个网站:
选择中国网站(中文或英文)最佳站点的性能。其他MathWorks国家网站不优化的访问你的位置。