SARIMAX_FIT - Valores ajustados en la muestra SARIMAX

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, Order, Beta, mean, sigma, d, phi, theta, period, sd, sPhi, sTheta, Type)

Y

es la respuesta o la matriz con variable dependiente en la series de tiempo (una matriz dimensional de celdas (Ej. filas o columnas)).

X

es la matriz de variables independientes (factores exógenos) de la series de tiempo, de manera que cada columna representa una variable.

Order

es el orden de tiempo en la serie de datos (Ej. el primer punto corresponde a la fecha (la fecha más temprana fecha = 1 (por defecto), la última fecha = 0)).

Orden	Descripción
1	Ascendente (el primer punto corresponde a la fecha más temprana (por defecto).
0	Descendente (el primer punto corresponde a la última).

Beta

son las matrices de coeficientes de los factores exógenos.

mean

es la media del modelo ARMA (Ej. el largo plazo las seeries de tiempo de la regresión diferencial residual). Si falta, la media se asume como cero.

sigma

es el valor de la desviación estándar de los resíduos/innovations del modelo.

d

es el orden diferenciado no estacional.

phi

son los parámetros del AR no estacional componente del modelo AR(p) (comenzando con el lag más bajo).

theta

son los parámetros del MA no estacional componente del modelo MA(q) (comenzando con el lag más bajo).

period

es el número de observaciones por un periodo (Ej. 12 = Anual, 4 = Trimestral).

sd

es el orden diferencial estacional.

sPhi

son los parámetros del AR estacional componente de modelo AR(p) (comenzando con el lag más bajo).

sTheta

son los parámetros del MA estacional componente de modelo MA(q) (comenzando con el lag más bajo).

Type

es un número entero para seleccionar el tipo de salida: (1 = Media (por defecto), 2 = Volatilidad, 3 = Residuos Brutos, 4 = Residuos Estandarizados)

Orden	Descripción
1	Media Ajustada (por defecto).
2	Desviación estándar ajustada o volatilidad.
3	Residuos brutos (no-estandardizados).
4	Residuos Estandarizados.

Observaciones

1. El modelo subyacente se describe aquí.
2. La función de probabilidad logarítmica (LLF) se describe aquí.
3. Each column in the explanatory factors input matrix (Ej. X) corresponds to a separate variable.
4. Cada fila en la matriz de la entrada de los factores explicatorios (Ej. X) corresponde a una observación.
5. Las observaciones (Ej. filas) con valores faltantes en X o Y son asumidas como faltantes.
6. El número de filas de la variable explicatoria (X) debe ser igual al número de filas de la variable de respuesra (Y).
7. Las series de tiempo son homogéneas e igualmente espaceadas.
8. La series de tiempo pueden incluir valores faltantes (Ej. #N/A) a los extremos.
9. La intersección o el el argumento de entrada de la regresión constante es opcional.Si se omite, un valor de cero es asumido.
10. Para el argumento de entrada - Beta:
    • 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.).
11. El argumento media a largo plazo de lo residuos diferenciados de la regresión pueden tomar cualquier valor.Si es omitido, un valor cero es asumido.
12. Los resíduos de la desviación estándar (sigma) debe ser mayor a cero.
13. Para el argumento de entrada - phi (parámetros de de AR componente no estacional):
    • El argumento de entrada es opcional y puede ser omitido, en este caso el componente AR no estacional no es incluido.
    • El orden de los parámetros comineza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o un error de código (Ej. #NUMERO!, #VALOR!, etc.).
    • El oden del modelo componente no estacional AR es solamente determinado por el orden del último valor en la matríz con un valor numérico (vs. faltante o error).
14. Para el argumento de entrada - theta (parámetros del componente no estacional MA):
    • El argumento de entrada es opcional y puede ser omitido, en este caso el componente MA no estacional no es incluido.
    • El orden de los parámetros comineza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o un error de código (Ej. #NUMERO!, #VALOR!, etc.).
    • El orden del modelo componente no estacional MA es solamente determinado por el orden del último valor en la matríz con un valor numérico (vs. faltante o error).
15. Para el argumento de entrada - sPhi (parámetros del componente estacional AR):
    • El argumento de entrada es opcional y puede ser omitido, en este caso el componente estacional AR no es incluido.
    • El orden de los parámetros comineza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o un error de código (Ej. #NUMERO!, #VALOR!, etc.).
    • El orden del modelo componente estacional AR es solamente determinado por el orden del último valor en la matríz con un valor numérico (vs. faltante o error).
16. Para el argumento de entrada - sTheta (parámetros del componente estacional MA):
    • El argumento de entrada es opcional y puede ser omitido, en este caso el componente estacional MA es incluido.
    • El orden de los parámetros comineza con el lag más bajo.
    • Uno o más parámetros pueden tener valores faltantes o un error de código (Ej. #NUMERO!, #VALOR!, etc.).
    • El orden del modelo componente estacional MA es solamente determinado por el orden del último valor en la matríz con un valor numérico (vs. faltante o error).
17. Para el orden de integración no estacional - d - es opcional y puede s, en este caso d es asumida como cero.
18. Para el orden de integración estacional - sD - es opcional y puede ser omitido, en este caso sD es asumida como cero.
19. La duración de la estacionalidad- s - es opcional y puede ser omitida, en este caso s es asumida como cero (Ej. ARIMA simple).
20. 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

• Hamilton, J.D.; Time Series Analysis, Princeton University Press (1994), ISBN 0-691-04289-6.
• Tsay, Ruey S.; Analysis of Financial Time Series John Wiley & SONS. (2005), ISBN 0-471-690740.