eviews做arma预测
2015-02-05 19:35
218 查看
用来算平稳随机序列的预测值,ARMA(p,q)平稳:序列的自相关系数很快地趋于0(K>2,3时)1.基础知识AR(P) 偏自相关系数 P阶截尾MA(Q)自相关 Q阶截尾2.常用操作(命令行)plot x
genr 键入等式,如z=x-y
3.菜单
quick-estimate equation
x ma(1) ma(2) ar(1) ar(2)
roots 都在单位圆内,满足过程平稳这一基本要求
AIC(Akaike info criterion)和SC(schwarz criterion)都是越小越好
4.检验残差序列随机性(样本自相关系数应近似为0)
view——residual test
自相关系数都落在置信区间内,故该结果可以采纳
5.预测
首先扩大样本范围
workfile中的proc 下的第二个选项structure/resize current page
然后在ARMA图像中点击forcast
相关文章推荐
- Eviews 9.0新版本新功能——预测(Auto-ARIMA预测、VAR预测)
- eviews 9.5新版本——平均预测、面板效应检验
- "基于ARMA预测模型的电路故障研究"小结
- ARMA模型仿真改进及灰色理论的故障预测
- 最近邻居推荐系统原理和基于用户的评分预测推荐
- py2.7 : 《机器学习实战》3.1号:预测数值型数据:回归
- 服务价值特征分布的演化预测
- 【机器学习实战】美国波斯顿房价预测
- 用TensorFlow的Linear/DNNRegrressor预测数据
- Kaggle房价预测:随机森林方法
- 简单数据预测—使用Python训练回归模型并进行预测(转自蓝鲸网站分析博客)
- 为什么数据分析进行的预测不够成功
- 机器学习中的贝叶斯方法---先验概率、似然函数、后验概率的理解及如何使用贝叶斯进行模型预测(2)
- R语言 时间序列分析之ARIMA模型预测
- 【luogu 2244】选举预测
- 生产经营中常用的预测算法
- Mahout实现的分类算法,两个例子,预测期望的目标变量
- Google研究 | 使用机器学习预测分子性质
- 反向传播(BPTT)与循环神经网络(RNN)文本预测
- 使用Spark MLlib的逻辑回归(LogisticRegression)进行用户分类预测识别