SARIMA_PARAM - Parámetros del modelo SARIMA

Devuelve un array o matríz de celdas para una estimación rapida, optima (calibrada) o errores estándar de los valores de los parámetros del modelo.

Sintaxis

SARIMA_PARAM(X, Order, mean, sigma, d, phi, theta, period, sd, sPhi, sTheta, Type, maxIter)

X

son los datos de series de tiempo univariantes (un array o matriz de celdas (Ej. filas o columnas)).

Order

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

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

mean

es la media del modelo ARMA (Ej. mu). Si falta, una media de cero es asumida.

sigma

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

d

es el orden no diferencial no estacional.

phi

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

theta

son los parámetros no estacionarios MA (Ej.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 parametros de modelo componente estacionario AR (Ej.AR(p)) (comenzando con el lag más bajo).

sTheta

son los parametros de modelo componente estacionario MA (Ej.MA(q)) (comenzando con el lag más bajo).

Type

es un número entero para seleccionar la salida de la matríz/array: (1 = Estimación rápida, 2 = Calibrada, 3 = Errores Estándar).

Orden	Descripción
1	Estimación rápida (on-óptima) de los valores de los parámetro (por defecto).
2	Calibración (óptima) de los valores de los parámetros del modelo.
3	Error estándar de los valores de los parametros.

maxIter

es el máximo número de iteraciones usadas para calibrar el modelo. Si falta, se asume como máximo 100 por defecto.

Observaciones

1. El modelo subyacente se describe aquí.
2. Las series de tiempo son homogéneas e igualmente espaceadas.
3. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en caulquier extremo.
4. SARIMA_PARAM devuelve una matríz/array de valores (o errores) de los parámetros del modelo en el siguiente orden:
   1. $\mu$.
   2. $\phi_1,\phi_2,...,\phi_p$.
   3. $\theta_1,\theta_2,...,\theta_q$.
   4. $\Phi_1,\Phi_2,...,\Phi_P$.
   5. $\Theta_1,\Theta_2,...,\Theta_Q$.
   6. $\sigma$.
5. La media de largo plazo pude tomar cualquier valor o der emitida, en este caso el valor cero es asumido.
6. Los residuos/innovation de la desviacion estandar (sigma) deben ser mayores a cero.
7. Para los argumentos de entrada - phi (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 oder del último valor en el array o matríz con un valor numérico (vs. faltante o error).
8. Para el arguemnto de entrada - theta (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. (i.e. #NUM!, #VALOR!, etc.)
   • El orden de los componentes del modelo no estacionarios MA es solamente determinado por el oder del último valor en el array o matríz con un valor numérico (vs. faltante o error).
9. Para el arguemnto de entrada - sPhi (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 oder del último valor en el array o matríz con un valor numérico (vs. faltante o error).
10. Para el arguemnto de entrada - sTheta (parámetros del componente estacionario MA):
    • El argumento de entrada es opcional y pude ser omitido, en ese caso no se incluye ningun el componente estacional MA.
    • 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 oder del último valor en el array o matríz con un valor numérico (vs. faltante o error).
11. El orden interador no estacionario - d - es opcional y puede ser omitido, en este caso d asume un valor cero.
12. El orden integrador estacionario- sD - es opcional y puede ser omitido,en este caso sD asume un valor cero.
13. La duración de la estación - s - es opcional y puede ser omitido en este caso s asume un valor cero (Ej. plain ARIMA).
14. la función fue adicionada en versión 1.63 SHAMROCK.

Ejemplos de archivos

Enlaces Relacionados

• 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.