Devuelve una matriz de celdas para los valores ajustados en el modelo de la muestra de la media condicional, volatilidad o residuales.
Sintaxis
SARIMAX_FIT ([y], [x], orden, [β], µ, σ, d, [φ], [θ], s, sd, [sφ], [sθ], retorno)
- [Y]
- Obligatorio. Es la reacción AKA, el dato o array la variable dependiente de las series de tiempo (una matriz dimensional de celdas (Ej. filas o columnas)).
- [X]
- Obligatorio. Es la serie de datos de tiempo univariante (un array dimensional de celdas (Ej. filas o columnas)).
- Orden
- Opcional. Es el orden de tiempo en la serie de datos. (Ej. el primer punto corresponde a la fecha (la más temprana fecha = 1 (por defecto), la más tarde fecha = 0)).
Valor Orden 1 Ascendente (el primer punto corresponde a la fecha menor) (por defecto). 0 Descendiente (el primer punto corresponde a la fecha mayor). - [β]
- Opcional. Son los coeficientes de la matriz de los factores exógenos.
- µ
- Opcional. Es la media del modelo ARMA (Ej. mu). Si falta, la media es asumida como cero.
- σ
- Obligatorio. Es el valor de la desviación estándar del modelo residual/innovaciones.
- D
- Obligatorio. Es el orden no diferencial no estacional.
- [φ]
- Opcional. Son los parámetros del modelo componente AR(p): [φ1 , φ2 … φp] (comenzando con el retraso menor (lag)).
- [θ]
- Opcional. Son los parámetros del modelo componente MA(q): [θ1, θ2 … θq] (comenzando con el retraso menor (lag)).
- S
- Opcional. Es el número de observaciones por un periodo (Ej. 12 = Anual, 4 = Trimestral).
- sD
- Opcional. Es el orden diferencial estacional.
- [sφ]
- Opcional. Son los parámetros del componente del modelo AR estacional AR(PP): [sφ1, sφ2 … sφpp] (comenzando con el retraso menor (lag)).
- [sθ]
- Opcional. Son los parámetros del componente del modelo MA estacional MA(QQ): [sθ1, sθ2 … sθqq] (comenzando con el retraso menor (lag)).
- Retorno
- Opcional. Es un número entero para seleccionar el tipo de salida: (1 = Media (por defecto), 2 = Volatilidad, 3 = Residuos Brutos, 4 = Residuos Estandarizados).
Valor Retorno 1 Media Ajustada (por defecto). 2 Desviación estándar ajustada o volatilidad. 3 Residuos brutos (no-estandardizados). 4 Residuos Estandarizados.
Observaciones
- El modelo subyacente se describe aquí.
- La función de probabilidad logarítmica (LLF) se describe aquí.
- Las series de tiempo es homogénea e igualmente espaciada.
- Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
- Cada columna en la matriz de entrada corresponde a una variable separada.
- Cada fila en la matriz de la entrada de los factores explicativos (Ej. X) corresponde a una observación.
- Las observaciones (Ej. filas) con valores faltantes en X o Y son asumidas como faltantes.
- El número de filas de la variable explicativa (X) debe ser igual al número de filas de la variable de respuesta (Y).
- La intersección o el argumento de entrada de la regresión constante es opcional. Si se omite, un valor de cero es asumido.
- Para el argumento de entrada - ([β]):
- El argumento de entrada es opcional y puede ser omitido, en este caso el componente de regresión no es incluido (Ej. solamente SARIMA).
- El orden de los parámetros define como se pasan los argumentos de entrada los factores exógenos.
- Uno o más parámetros pueden tener valores faltantes o un error de código (Ej. #NUMERO!, #VALOR!, etc.).
- El argumento medio a largo plazo (µ) puede tomar cualquier valor o ser omitido, en ese caso el valor cero es asumido.
- Los residuos de la desviación estándar - (σ) - deben ser mayores que cero.
- Para los argumentos de entrada - ([φ]) (parámetros del componente AR no estacional):
- El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional AR es incluido.
- El orden de los parámetros comienza con el lag más bajo.
- Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
- El orden de los componentes del modelo no estacionarios AR es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
- Para el argumento de entrada - ([θ]) (parámetros del componente no estacionario MA):
- El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional MA es incluido.
- El orden de los parámetros comienza con el lag más bajo.
- Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
- El orden de los componentes del modelo no estacionarios MA es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
- Para el argumento de entrada - ([sφ]) (parámetros del componente estacionario AR):
- El argumento de entrada es opcional y pude ser omitido, en ese caso un componente no estacional AR es incluido.
- El orden de los parámetros comienza con el lag más bajo.
- Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
- El orden de los componentes del modelo no estacionarios AR es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error).
- Para el argumento de entrada - ([sθ]) (parámetros del componente estacionario MA):
- El argumento de entrada es opcional y puede ser omitido, en ese caso no se incluye ningún componente MA estacional.
- El orden de los parámetros comienza con el lag más bajo.
- Uno o más parámetros puede tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.)
- El orden de los componentes del modelo no estacionarios MA es solamente determinado por el orden del último valor en el array o matriz con un valor numérico (vs. faltante o error)
- El orden integrador no estacionario - (d) - es opcional y puede ser omitido, en este caso d asume un valor cero
- El orden integrador estacionario - (sD) - es opcional y puede ser omitido, en este caso sD asume un valor cero.
- La duración de la estación - (s) - es opcional y puede ser omitido en este caso se asume un valor cero (Ej. plain ARIMA).
- La función fue adicionad en versión 1.63 SHAMROCK.
Ejemplos de archivos
Enlaces Relacionados
- Wikipedia - Función de verosimilitud.
- Wikipedia - Likelihood principle.
- Wikipedia - Modelo Autorregresivo de media móvil.
Referencias
- James Douglas Hamilton; Análisis de series de tiempo; Princeton University Press; 1st edition (Jan 11, 1994), ISBN: 691042896.
- Tsay, Ruey S.; Analysis of Financial Time Series; John Wiley & SONS; 2nd edition (Aug 30, 2005), ISBN: 0-471-690740.
Comentarios
El artículo está cerrado para comentarios.