www.fltk.net > ArimA模型 p q 确定

ArimA模型 p q 确定

你这自相关图ACF从k=4之后突然趋近于0,所以是截尾。PACF从k=3之后突然趋近于0,也是截尾。自相关图截尾,偏自相关图截尾。所以不符合RIMA模型,不知道你这个带不带季节性。如果是非季节性的,你试试ARIMA(4,阶数,3),如果是季节性的,你后面...

查看自相关、偏相关系数图,获取其截尾特点,从而确定p和q另外根据Box-Jenkins建模方法,可以初步设定模型为ARMA(n,n-1),即自回归部分的阶数比滑动平均部分阶数高一阶,

ARIMA(p,d,q)称为差分自回归移动平均模型,AR是自回归,p为自回归项,可以看自相关图来估计;MA为移动平均,q为移动平均项数,可以看偏相关图来估计,d为时间序列成为平稳时所做的差分次数。 近期在用R,里面有个函数auto.arima()可以自动生成...

可以自动定阶,选择合适的p,q使得AIC BIC 最好即可,程序在论坛里面有。

这个取值比较主观的,可以采用专家建模

根据AIC和SIC准则进行选择

MA(1),AR(2) MA的话acf有spikes,pacf递减,acf有1个spike 所以MA(1) AR: ACF递减 PACF有spike,PACF有两个spikes 所以ar(2)

根据ACF PACF 初步确定范围,再用AIC AICC BIC准则具体确定p d q.

偏相关截尾用AR,自相关截尾用MA,两个都拖尾用ARMA,根据单整阶数确定I,得出ARIMA

然后编程实现这个模型,在matlab中建立一个arma(p,q).m文件。然后在命令行里输入main.m p=input('请输入p值') q=input('请输入q值') p=100 q=100 x=arma(p,q) %x 就是所要得到的数据 function x=arma

网站地图

All rights reserved Powered by www.fltk.net

copyright ©right 2010-2021。
www.fltk.net内容来自网络,如有侵犯请联系客服。zhit325@qq.com