Matlab 8時間序列ARIMA

 ARIMA : auto-regressive Moving Average

 使用estimate-數據估計系數 或者simulate-模擬模型

1.已系數的ARIMA 然后修改

AR(3):是系數

MA是階數

比如

yt=εt+θ1εt−1+θ2εt−2+θ12εt−12.

'MALags',[1,2,12]

yt=0.05+0.6yt−1+0.2yt−2−0.1yt−3+εt

\Mdl = arima('Constant',0.05,'AR',{0.6,0.2,-0.1},...

	'Variance',0.01)


Md1.Distribution = tdist

tdist = struct('Name','t',"DoF":10)

2.使用estimate

EstMd1 = estimate(Md1,y) 使用最大似然估計

文檔解釋:在給定觀察到的單變量時間序列的情況下，使用最大似然估計 ARIMA（p，D，q）模型的參數,返回的EstMd1是儲存的結果

[EstMdl,EstParamCov,logL,info] = estimate(Mdl,y)

EstParamCov: 與估計參數相關的方差-協方差矩陣

logL，優化的loglikelihood目標函數，info，一個匯總信息的數據結構。

3.使用forecast

[Y,YMSE,U] = forecast(Mdl,numperiods,Name,Value)

w_Forecast = forecast(EstMd1,10,'Y0',da)  %計算10步預報值

NAME :

　'U0'  Presample無條件擾動

　'X0"預采樣預測器數據

　'XF' 預測或未來預測數據

 'Y0'- 預采樣響應數據