ARMA模型的几种定阶方法_图文_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
ARMA模型的几种定阶方法
&&ARMA 模型 参数
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩29页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢苹果/安卓/wp
积分 229, 距离下一级还需 31 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 29 天连续签到: 1 天[LV.4]偶尔看看III
23:05:11 上传
如图啊···谁能告诉我这个应该用ARMA什么模型呢···或者告诉我方法··在R中怎么操作或者别的什么软件呢···谢谢了呀
图画的不错，没想到还可以这样画。
一般ARMA模型定阶段步骤是：
1.先确定原始时间序列中没有单位根和确定性趋势，也没有GARCH。对应的检验分别是ADF，perron和ARCH检验。
2.使用ACF，PACF和Q统计量检查数据的自相关。初步确定要使用的阶数。同时考察是否存在季节单位根。
3.做ARMA模型，用几个看似合理的模型分别做ARMA模型，确定误差的ACF，PACF和Q统计量中没有相关性。
4.使用AIC，BIC和LogLikelihood确定最好的那一个模型。 ...
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
本帖最后由 nuomin 于
21:39 编辑
图画的不错，没想到还可以这样画。
一般ARMA模型定阶段步骤是：
1.先确定原始时间序列中没有单位根和确定性趋势，也没有GARCH。对应的检验分别是ADF，perron和ARCH检验。
2.使用ACF，PACF和Q统计量检查数据的自相关。初步确定要使用的阶数。同时考察是否存在季节单位根。
3.做ARMA模型，用几个看似合理的模型分别做ARMA模型，确定误差的ACF，PACF和Q统计量中没有相关性。
4.使用AIC，BIC和LogLikelihood确定最好的那一个模型。BIC倾向于选择节俭的模型，因为惩罚项较AIC大，LogLikelihood用来表示估计的结果是否合理。因为极大似然估计在相同的数据和相似的模型估计下不应该相差太大。------------
编辑了下错误：2.中的ADF-&ACF，PADF-&PACF。
同求关注，这种高阶的情况，该如何选取呢？
另外不知楼主是否尝试过用别的方法找过模型的阶数，另外是否检验过这组数据是否适合用ARIMA模型来拟合呢？
我之前是用ADF PADF来定阶的，没有用BIC这种方法
tiantanshu 发表于
同求关注，这种高阶的情况，该如何选取呢？
另外不知楼主是否尝试过用别的方法找过模型的阶数，另外是否 ...用过eviews的ADF图~~看不大来··看过视频讲座，里面的例子可能都比较特殊简单吧···这个数据我是先差分又分数阶差分···基本消除长记忆也平稳了··就直接用ARMA了··可能还要用GARCH吧···学渣整不懂这啊
光以BIC为标准的话，看BIC最小的那一行（就是第一行）有哪几个是灰色的就在模型中包含哪些项。
不知道楼主所用的时间序列是否已经平稳，是否有周期性？
mymei 发表于
光以BIC为标准的话，看BIC最小的那一行（就是第一行）有哪几个是灰色的就在模型中包含哪些项。
不知道楼主 ...那这个图里是0 4 10 13么？都包含么？还是两两组合？这个是沪深300指数月度数据，差分再分数差分已经平稳去掉长记忆后的呢··
nuomin 发表于
图画的不错，没想到还可以这样画。
一般ARMA模型定阶段步骤是：
1.先确定原始时间序列中没有单位根和确定 ...谢谢你啊说的很详细，需要好好学习，你好厉害啊··
clover8187 发表于
那这个图里是0 4 10 13么？都包含么？还是两两组合？这个是沪深300指数月度数据，差分再分数差分已经平稳 ...都包含。
论坛扫地人员
ARMA(4，10)? 从结果来看可能是这个，不过貌似存在周期，你要保证原始序列是平稳滞后才可以使用ARMA，即ARIMA模型。这个程序的命令如下：
library(TSA)
res=armasubsets(y=Nile,nar=15,nma=15,y.name='test',ar.method='ols')
plot(res)复制代码
总评分:&经验 + 20&
学术水平 + 5&
热心指数 + 5&
信用等级 + 5&
初级热心勋章
初级热心勋章
中级热心勋章
中级热心勋章
二级伯乐勋章
二级伯乐勋章
一级伯乐勋章
一级伯乐勋章
初级学术勋章
初级学术勋章
初级信用勋章
初级信用勋章
中级学术勋章
中级学术勋章
中级信用勋章
中级信用勋章
高级热心勋章
高级热心勋章
高级学术勋章
高级学术勋章
高级信用勋章
高级信用勋章
特级热心勋章
高级热心勋章
特级学术勋章
特级学术勋章
特级信用勋章
高级信用勋章
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师上传用户：rbnwhnsino资料价格：5财富值&&『』文档下载 ：『』&&『』学位专业：&关 键 词 ：&&权力声明：若本站收录的文献无意侵犯了您的著作版权，请点击。摘要:（摘要内容经过系统自动伪原创处理以避免复制，下载原文正常，内容请直接查看目录。）对时序中ARMA模子在金融、物理、生物等范畴有着普遍的运用，特别比来中国年夜陆有学者研讨注解ARMA模子可以用来描写中国年夜陆CPI的一阶差分，是以研讨ARMA模子可以对中国经济将来走势有加倍感性的熟悉。然则在ARMA模子中其阶数切实其实定一向是一个比拟艰苦的成绩，由于从实际上和直不雅图形剖析其自相干系数与偏自相干系数都没有截尾性质，曩昔人们常常用AIC(赤池信息化原则)、BIC(贝叶斯信息化原则)，马洛斯C办法对其阶数停止限制，然则这些传统的定阶办法在高维情形下其实不公道，存在模子极端庞杂，模子不稳固等严重成绩。Tibshirani，R(1996)针对上述存在的成绩基于Nonnegative garrote变量选择办法，提出了LASSO模子选择办法。此办法有用的处理了前述几种办法的缺点。从LASSO办法提出以来，其被运用于很多范畴，然则将其运用于时光序列ARMA模子的专著或许论文其实不多，究其缘由是由于分歧于以往的信息函数选择模子法，LASSO是经由过程LARS(最小角回归)算法停止变量选择的，最小角回归拔取变量的进程是持续的这与ARMA模子自己性质其实不分歧。本文起首引见了以往几种变量选择办法，从最直不雅最简略的经由过程自相干系数和偏自相干系数停止定性的选择变量剖析；到接上去具体引见的以AIC(赤池信息化原则)为代表的经由过程对拟合函数庞杂性停止正处分的信息函数停止变量选择的经典办法；同时本文接着还会引入一系列非参数的变量选择办法，固然这些办法在高维情形下有维度灾害，然则关于普通的成绩特别是对样本整体所知信息不多，整体散布没法肯定时，非参数变量选择办法是一种加倍稳健的选择；在引见完变量选择的非参数办法后，作者经由过程转变数据的类型和构造，将LASSO变量选择办法引入时光序列模子，因为LASSO变量选择办法不具有oracle性质，而本文还会引见具有此性质的ADAPTIVE LASSO办法停止数据选择。最初将模仿一系列时光序列数据，用上文中引见的几种典范变量选择办法如AIC，BIC、LASSO和ADAPTIVE LASSO办法对数据停止剖析，并对成果停止剖析。并得出响应的结论。Abstract:The ARMA model in time series in the field of financial, physical, and biological are widely used, especially recently that the Chinese mainland have scholars research notes ARMA model can be used to describe the first order difference of the CPI in China mainland, is to study the ARMA model can be future trend of China's economic times emotional familiar with. However in ARMA model in the order and in fact set is always a difficult achievement, since in fact and not straight Ya graphic analysis of the coefficient of autocorrelation and partial autocorrelation coefficient are not censored nature. In the past, people often use the AIC (Akaike information principle), BIC (Bayesian information principle), mallows C approach to the order of stop limit. However the traditional fixed order method in the high dimensional case actually unfair, there is mold an extremely complex, unstable mold and other serious problems. Tibshirani, R (1996) for the above results based on the garrote Nonnegative variable selection method, proposed the LASSO model selection method. This approach is useful to deal with the shortcomings of the aforementioned methods. From the lasso method has been proposed and its application in many fields, however it is applied to the time series ARMA model of monographs or papers, not much, the reason is due to differences in previous information function selection model, the Lasso is by Lars (least angle regression) algorithm to stop variable selection, least angle regression to select variables process is continued this with the nature of their own ARMA model in fact is not consistent. This paper introduces the previous several variable selection methods, from the most intuitive simple through the process of self coherence coefficient and partial autocorrelation coefficient selecti next to specific introductions to AIC (Akaike information principle) as the representative of the information through the function process of fitting function is complex to stop the classic way to stop sanction at the same time this paper will introduce a series of non parametric variable selection method, although these methods have the dimension disaster in the high dimensional case, but a common performance especially for the whole sample not know much information, the overall spread not sure, non parameter variable selection method is a in non parametric way to finish the introduction of variable selection, the author through the type and structure transformation process data, the LASSO variable selection method Introduction of time series model, because the LASSO variable selection method does not have the Oracle nature, and this article will introduce the LASSO ADAPTIVE method with this character to stop data selection. Initially will imitate a series of time series data, using several models introduced in the above selection methods such as AIC, BIC, LASSO and LASSO ADAPTIVE approach to data analysis, and the results of the analysis. And draw the conclusion of the response.目录:目录4-5CONTENTS5-6摘要6-7Abstract7第一章 基本概念8-22&&&&1.1 ARMA模型结构与变量选择的基本原理8-9&&&&1.2 变量选择方法简介9-11&&&&1.3 变量选择中的非参数方法和贝叶斯方法11-13&&&&1.4 LASSO变量选择方法介绍13-22第二章 数据模拟22-36第三章 结论36-37参考文献37-38致谢38-39学位论文评阅及答辩情况表39分享到：相关文献|苹果/安卓/wp
积分 205, 距离下一级还需 55 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
权限: 签名中使用图片
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
19:28:57 上传
如图为自相关和偏自相关图，请教如何确定ARMA模型阶数，非常感谢
如题，请教如何确定ARMA模型p,q值，万分感谢！
载入中......
通过看直方图从第几个开始，都不超出虚线，来判断阶数。比如ACF在第九阶之后基本都处在虚线内，就可以选AR为8；PACF在第九阶之后都处在虚线内，所以纯MA为8。要同时选择ARMA阶数，需要给出EACF才能判断，你这里只给出了ACF和PACF，没法判断。
arma模型定阶方法有两种，一种通过推广自相关函数(eacf)来进行，另一种是基于信息准则(AIC或者BIC）来进行。个人认为使用后者更加便捷，精确性要依据不同情况相比较才能得知。本例中由于acf和pacf均表现出衰减态势，可以基本确定是arma模型，但是提醒版主，不知是否做过序列之平稳性鉴定，如若没有，虽也可得出相似结果，但是拟合效果会较差。
对于纯AR（p）模型定阶：当ACF拖尾，PACF在p阶截尾时，可以用AR（p）模型；
对于纯MA（q）模型定阶：当PACF拖尾，ACF在q阶截尾时，可以用MA（q）模型；
对于ARMA(p,q)模型的定阶，则用EACF进行p、q判定。
总评分:&经验 + 100&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
本帖被以下文库推荐
& |主题: 8540, 订阅: 52
& |主题: 6137, 订阅: 238
通过看直方图从第几个开始，都不超出虚线，来判断阶数。比如ACF在第九阶之后基本都处在虚线内，就可以选AR为8；PACF在第九阶之后都处在虚线内，所以纯MA为8。要同时选择ARMA阶数，需要给出EACF才能判断，你这里只给出了ACF和PACF，没法判断。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
仗义每从屠狗辈，负心多是读书人
bonjovian 发表于
通过看直方图从第几个开始，都不超出虚线，来判断阶数。比如ACF在第九阶之后基本都处在虚线内，就可以选AR为 ...非常感谢！
bonjovian 发表于
通过看直方图从第几个开始，都不超出虚线，来判断阶数。比如ACF在第九阶之后基本都处在虚线内，就可以选AR为 ...前辈能不能告知EACF是怎样操作获得的呢？非常感谢！
proc arima里面加一个eacf即可。
仗义每从屠狗辈，负心多是读书人
bonjovian 发表于
proc arima里面加一个eacf即可。非常感谢
arma模型定阶方法有两种，一种通过推广自相关函数(eacf)来进行，另一种是基于信息准则(AIC或者BIC）来进行。个人认为使用后者更加便捷，精确性要依据不同情况相比较才能得知。本例中由于acf和pacf均表现出衰减态势，可以基本确定是arma模型，但是提醒版主，不知是否做过序列之平稳性鉴定，如若没有，虽也可得出相似结果，但是拟合效果会较差。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
对于纯AR（p）模型定阶：当ACF拖尾，PACF在p阶截尾时，可以用AR（p）模型；
对于纯MA（q）模型定阶：当PACF拖尾，ACF在q阶截尾时，可以用MA（q）模型；
对于ARMA(p,q)模型的定阶，则用EACF进行p、q判定。
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
bonjovian 发表于
通过看直方图从第几个开始，都不超出虚线，来判断阶数。比如ACF在第九阶之后基本都处在虚线内，就可以选AR为 ...请教下，看的张晓彤的书上说，AR的阶数是通过PACF判断，MA的阶数是通过ACF判断的，到底哪个说的对呢？
中级学术勋章
中级学术勋章
中级热心勋章
中级热心勋章
中级信用勋章
中级信用勋章
高级学术勋章
高级学术勋章
高级热心勋章
高级热心勋章
高级信用勋章
高级信用勋章
初级学术勋章
初级学术勋章
初级热心勋章
初级热心勋章
初级信用勋章
初级信用勋章
特级热心勋章
高级热心勋章
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师模型定阶_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
阅读已结束，下载文档到电脑
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，方便使用
还剩2页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢