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。