Nuevo en Mathematica 10 › Procesos de series temporales ampliados ›

Identifique heterocedasticidad condicional 

TimeSeriesModelFit automáticamente busca heterocedasticidad condicional en los datos y fija modelos ARCH/GARCH en los datos.

Cree una serie temporal de retornos diarios en una acción de Starbucks Corp.

muestre la entrada completa de Wolfram Language
In[2]:=
Click for copyable input
X
In[3]:=
Click for copyable input
X
Out[3]=

Calcule la función de autocorrelación.

In[4]:=
Click for copyable input
X
muestre la entrada completa de Wolfram Language
Out[5]=

Pruebe la autocorrelación en una secuencia de retornos.

In[6]:=
Click for copyable input
X
Out[6]=

La serie temporal devuelta no es autocorrelada, pero su cuadrado lo es.

In[7]:=
Click for copyable input
X
In[8]:=
Click for copyable input
X
Out[8]=
In[9]:=
Click for copyable input
X
Out[9]=

TimeSeriesModelFit determina la familia GARCH como la mejor opción para los datos.

In[10]:=
Click for copyable input
X
Out[10]=

Encuentre el proceso de ajuste.

In[11]:=
Click for copyable input
X
Out[11]=

Los residuos del modelo aparecen desvinculados.

In[12]:=
Click for copyable input
X
Out[12]=
In[13]:=
Click for copyable input
X
Out[13]=

Utilice TimeSeriesModel para calcular intervalos de confianza de pronósticos futuros.

In[14]:=
Click for copyable input
X
In[15]:=
Click for copyable input
X
Out[15]=

Related Examples

Decide Time Series Process Family and Order from Data Automatically » Identify Conditional Heteroscedacity » Airline Passengers » Constrain the Model Selection Set »
Use Different Criteria for Model Selection » Investigate Time Series Model Residuals » Study Significance of Parameters in Fitted Model » Use Fitted Model to Forecast Time Series »
Model Multiple Exchange Rates » Vector Joint Model versus Univariate Component Models » Use Vector Models with Multiple Strongly Correlated Time Series » Vector Autoregressive Process as Discretized Vector Ornstein–Uhlenbeck Process »
Time Series Processes with Nonzero Mean » Time Series Processes with Initial Conditions » Study Non-weakly Stationary Autoregressive Process » Compute Expectation of Autoregressive Moving-Average Process from Its Definition »
Use Spectral Estimator to Find FARIMA Parameters » Volatility Clustering in a GARCHProcess » Slice Distribution of GARCH(1,1) » Moments of GARCH(1,1) »
Model the Conditional Value at Risk with an ARCHProcess » Expanded Estimation Methods » Broad Performance Improvements »
de en ja pt-br zh