ARMAX_SIM - Modelo de simulación ARMAX

Calcula los valores simulados fuera de la muestra.

Sintaxis

ARMAX_SIM(Y, X, Order, Beta, mean, sigma, phi, theta, T, Seed)

Y

es la reacción AKA, el dato o array la variable dependiente de las series de tiempo (una matríz dimensional de celdas (Ej. filas o columnas)).

X

es la variable independiente (factores exógenos) matríz de datos de las serie 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 las fecha (la más temprana fecha = 1 (por defecto), la más tarde fecha = 0)).

Valor	Order
1	Ascendente (el primer punto corresponde a la fecha menor) (por defecto).
0	Descendiente (el primer punto corresponde a la fecha mayor).

Beta

son los coeficientes de la matríz de los factores exógenos.

mean

es la media ARMA de largo plazo (Ej. mu).

sigma

es la desviación estandar del los residuos del modelo.

phi

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

theta

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

T

es la simulación tiempo/horizonte (expresada en terminos de pasos más allá del final de las series de tiempo).

Seed

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. La serie de tiempo es homogenea e igualmente espaceada.
7. La serie de tiempo puede incluir valores faltantes (Ej. #N/A) en los extremos.
8. La media a largo plazo puede tener cualquier valor o ser omitida, en ese acaso un valor cero es asumido.
9. los residuos/innovations de la desviacion estandar (sigma) debe ser mayor que cero.
10. Para el argumento de entrada (phi):
    • 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 matríz o array con un valor numérico.
11. Para el argumento de entrada (theta):
    • 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 matríz o array con un valor numérico.(vs. faltante o error).
12. 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

• 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.