ARMAX_SIM - Modelo de Simulación ARMAX

Calcula los valores simulados fuera de la muestra.

Sintaxis

ARMAX_SIM ([y], [x], orden, [β], µ, σ, [φ], [θ], t, semilla)

[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.

[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)).

T

Obligatorio. Es el tiempo de simulación tiempo/horizonte (expresado en términos de pasos más allá de las series de tiempo).

Semilla

Obligatorio. Es un número entero sin signo para establecer el número aleatorio generador(es).

Observaciones

1. El modelo subyacente se describe aquí.
2. La función de probabilidad logarítmica (LLF) se describe aquí.
3. ARMAX_SIM devuelve una matriz de un patrón de simulación comenzando desde el final de los datos de entrada.
4. La respuesta de los argumentos de datos de entrada (Ej. observaciones más reciente) es opcional. Si es omitida, una matriz de ceros es asumida.
5. El número de observaciones en los factores (variables exógenas) los datos de entrada deben ser mayor o iguales que el tamaño de los datos de entrada de respuesta más el horizonte.
6. Las series de tiempo es homogénea e igualmente espaciada.
7. Las series de tiempo pueden incluir valores faltantes (Ej. #N/A) en cada extremo.
8. La media a largo plazo puede tener cualquier valor o ser omitida, en ese acaso un valor cero es asumido.
9. La observación en un momento dado se examina utilizando la respuesta y el valor de los factores, por lo que los valores faltantes (p. ej., #N/A) en cualquier serie de tiempo de entrada se consideran faltante toda la observación.
10. Los residuos/innovaciones de la desviación estándar (σ) debe ser mayor que cero.
11. Para el argumento de entrada - ([φ]):
• El argumento de entrada es opcional y puede ser omitido, en ese caso el componente AR no es incluido.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros pueden tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
• El orden del modelo componente AR es solamente determinado por el orden del último valor en la matriz o array con un valor numérico.
12. Para el argumento de entrada - ([θ]):
• El argumento de entrada es opcional y puede ser omitido, en ese caso el componente MA no es incluido.
• El orden de los parámetros comienza con el lag más bajo.
• Uno o más parámetros pueden tener valores faltantes o errores de código (Ej. #NUM!, #VALOR!, etc.).
• El orden del modelo componente MA es solamente determinado por el orden del último valor en la matriz o array con un valor numérico. (vs. faltante o error).
13. La función fue adicionada 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.