r语言arimax函数怎么预测

Python021

r语言arimax函数怎么预测,第1张

举一个例子吧，比如月度的数据，就是周期为12，它有季节影响。

先对其1阶12步差分，通过看acf pac f看是简单加法模型，还是乘法季节模型

如果是乘法模型那就要对季节部分模拟arima模型

季节部分的arima是以周期位置的acf pacf 确定其模型参数 ar ma

seasonal=list(order=c(_,1,_)，period=_)周期是默认的

------------------------------------------------------------

教你一个简单的方法：

forecast包，auto.arima( ) 直接拟合，就会给出系统认为的arima模型的各个参数。

然后 forecast（ h=预测期数）行了。

这是对外行人来说的，

但是如果你真的想学好的话，还需要对模型进行着各种检验，特别是残差。

不能发链接，所以我复制过来了。

#载入程序和数据

library(RSNNS)

data(iris)

#将数据顺序打乱

iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]

#定义网络输入

irisValues <- iris[,1:4]

#定义网络输出，并将数据进行格式转换

irisTargets <- decodeClassLabels(iris[,5])

#从中划分出训练样本和检验样本

iris <- splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15)

#数据标准化

iris <- normTrainingAndTestSet(iris)

#利用mlp命令执行前馈反向传播神经网络算法

model <- mlp(iris$inputsTrain, iris$targetsTrain, size=5, learnFunc="Quickprop", learnFuncParams=c(0.1, 2.0, 0.0001, 0.1),maxit=100, inputsTest=iris$inputsTest, targetsTest=iris$targetsTest)

#利用上面建立的模型进行预测

predictions <- predict(model,iris$inputsTest)

#生成混淆矩阵，观察预测精度

confusionMatrix(iris$targetsTest,predictions)

#结果如下：

#predictions

#targets 1 2 3

# 1 8 0 0

# 2 0 4 0

# 3 0 1 10

对R做平稳性检验，结果显示，在5%的显著性水平下接受拒绝原假设，表明不存在 ... 在建立计量经济模型时，总要选择统计性质优良的模型

对上证指数收益率序列AR（3）模型进行条件异方差的ARCHLM检验（滞后8阶），结果给出

AR模型的参数估计 GARCH模型可以消除金融时间序列的ARCH效应，模拟和预测其波动性。