ARMA.zip_ARMA matlab_ARMA模型_arma模型 matlab_matlab ARMA

% y=xlsread('E:\guo\A3.xls','A1:A96');%填写待处理数据的详细 % clear all; % clc % y=[99.17175204 % 101.6205111 % 96.21773043 % 99.4292736 % 97.02009667 % 98.82967244 % 99.42498811 % 96.22187768 % 98.96894682 % 101.6229355 % 98.81501886 % 99.4292736]; % ls=length(y); % figure(1);%第1张图 % plot(y); % set(gca,'Xlim',[0 ls]); % figure(2); % subplot(2,1,1); % set(gca,'Xlim',[0 ls]); % autocorr(y); % %原序列的自相关函数图MA(q),观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 % subplot(2,1,2) % parcorr(y); %原序列的偏相关函数图AR(p)，观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 %如果该序列不是平稳的做差分图，否则跳过该步 DX=y; [H,PValue,TestStat,CriticalValue]=adftest(y,'model','TS'); %是否是稳定序列 for i = 1:10 if H == 1 break; else DX=diff(y,i); %进行差分 [H,PValue,TestStat,CriticalValue] = adftest(DX,'model','TS'); end end % figure(3); % plot(DX);%进行差分之后的数列 % set(gca,'Xlim',[0 ls]); % figure(4); % subplot(2,1,1) % autocorr(DX); %差分序列DX自相关函数图MA(q),观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 % subplot(2,1,2) % parcorr(DX); %差分序列DX偏相关函数图AR(p)，观察系数是否在区间(-2T^(1/2),-2T^(1/2))内 % set(gca,'Xlim',[0 ls]); % %对差分后的序列做拟合和预测，求出最好的阶数 % z=iddata(DX);%将DX转化为matlab接受的格式 % test = []; % % p = [0 1 2 3 4 5 6 7 8 9 10 11 12]; %自回归对应PACF,给定滞后长度上限p和q，一般取为T/10、ln(T)或T^(1/2),这里取 % % T/10=12; % % q = [0 1 2 3 4 5 6 7 8 9 10 11 12]; %移动平均对应ACF % % p=2;q=1; % % m = armax(z(1:12),[p q]); % % AIC = aic(m); %armax(p,q),选择对应FPE最小，AIC值最小的模型 % % %[H, P, Qstat, CV] = lbqtest(z, [p;q], 0.05) %Ljung-Box Q-statistic lack-of-fit hypothesis test % % test = [test;p q AIC]; % for p = 1:2 %自回归对应PACF,给定滞后长度上限p和q，一般取为T/10、ln(T)或T^(1/2),这里取T/10=12 % for q = 1:2 %移动平均对应ACF % m = armax(z(1:12),[p q]); % AIC = aic(m); %armax(p,q),选择对应FPE最小，AIC值最小的模型 % %[H, P, Qstat, CV] = lbqtest(z, [p;q], 0.05) %Ljung-Box Q-statistic lack-of-fit hypothesis test % test = [test;p q AIC]; % end % end % for k = 1:size(test,1) % if test(k,3) == min(test(:,3)) %选择AIC值最小的模型 % p_test = test(k,1); % q_test = test(k,2); % break; % end % end % %拟合过程 % m1 = armax(z(1:96),[p_test q_test]); %armax(p,q),[p_test q_test]对应AIC值最小 % figure(5); % e = resid(m1,z); %拟合做残差分析 % plot(e); % set(gca,'Xlim',[0 ls]); % %检验残差的自相关和偏相关函数 % figure(6); % subplot(2,1,1) % autocorr(e.OutputData) %一阶差分序列z自相关函数图MA(q)，置信水平0.95 % subplot(2,1,2) % parcorr(e.OutputData) % set(gca,'Xlim',[0 ls]);%一阶差分序列z偏相关函数图AR(p)，置信水平0.95 % %预测过程 % p=predict(m1,z,1); % x=[1:1:12]; % po = p.OutputData % figure(7) % plot(x,po,'r'); % hold on % x=[1:1:12]; % plot(x',y,'b'); % set(gca,'Xlim',[0 ls]); % hold off % [Pr,DWr] = dwtest(e.OutputData,z.OutputData); % if Pr>0.05 % disp('can not use this model'); % else disp('can use this model'); % end %