基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真

本文涉及的产品
实时数仓Hologres,5000CU*H 100GB 3个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 1个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
简介: 该程序基于ESTAR指数平滑转换自回归模型,对CPI数据进行统计分析与MATLAB仿真,主要利用M-ESTAR模型计算WNL值、P值、Q值及12阶ARCH值。ESTAR模型结合指数平滑与状态转换自回归,适用于处理经济数据中的非线性趋势变化。在MATLAB 2022a版本中运行并通过ADF检验验证模型的平稳性,适用于复杂的高阶自回归模型。

1.程序功能描述
基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真.主要通过M-ESTAR模型进行计算,主要涉及到的统计量有WNL值,P值, Q值,12阶ARCH值。

2.测试软件版本以及运行结果展示
MATLAB2022a版本运行

1.jpeg
2.jpeg
3.png
4.png

3.核心程序

%调用模型ESTAR
for i = 1:length(Real_exchange_rate)
    i
    [y,th] = func_MESTAR2(Real_exchange_rate{i});
    Real_exchange_rate_ESTAR{i} = y;
    %估计得到的theta
    theta{i}                    = th(end);
end

k = [-1 -1 -0.3 -0.3 -0.3 -0.3 -1 -0.3 -0.3 -0.3 -0.3 -0.3 -1 -0.3 -0.3];
for i = 1:length(Real_exchange_rate)
    tmps = -2:0.25:2;
    for j = 1:length(tmps)  
        T{i}(j)  = 1-exp(-(theta{i}*tmps(j)^2 + theta{i}*k(i)*tmps(j)));
    end
end

figure; 
plot(tmps,T{1},'b-*');hold on 
plot(tmps,T{8},'r-^');hold on 
plot(tmps,T{2},'k-o');hold on 
plot(tmps,T{13},'m-o');hold on  
grid on
legend('Australia','Malaysia','Canada','Thailand');



figure; 
plot(tmps,T{9},'b-*');hold on 
plot(tmps,T{10},'r-^');hold on 
plot(tmps,T{4},'k-o');hold on 
plot(tmps,T{14},'m-o');hold on  

plot(tmps,T{5},'g-^');hold on 
plot(tmps,T{11},'y-o');hold on 
plot(tmps,T{3},'k-*');hold on  


grid on
legend('NewZealand','Singapore','Denmark','UnitedKingdom','HongKong','Switzerland','China');




%计算Q(1)
for i = 1:length(Real_exchange_rate)
    s     = func_Ljung_Box(Real_exchange_rate_ESTAR{i},1); 
    Q1{i} = s;
end
%计算Q(12)
for i = 1:length(Real_exchange_rate)
    s      = func_Ljung_Box(Real_exchange_rate_ESTAR{i},12); 
    Q12{i} = s;
end


%%
%显示诸如Table2一样的表格数据
fprintf('Countries      theta         Q(1)        Q(12) \n\n');
for i = 1:15
    if i == 1
       fprintf('Australia      ');
    end
    if i == 2
       fprintf('Canada         ');
    end    
    if i == 3
       fprintf('China          ');
    end        
    if i == 4
       fprintf('Denmark        ');
    end        
    if i == 5 
       fprintf('HongKong       ');
    end    

    if i == 6
       fprintf('Japan          ');
    end
    if i == 7
       fprintf('SouthKorea     ');
    end    
    if i == 8
       fprintf('Malaysia       ');
    end        
    if i == 9
       fprintf('NewZealand     ');
    end        
    if i == 10
       fprintf('Singapore      ');
    end     

    if i == 11
       fprintf('Switzerland    ');
    end
    if i == 12
       fprintf('Taiwan         ');
    end    
    if i == 13
       fprintf('Thailand       ');
    end        
    if i == 14
       fprintf('UnitedKingdom  ');
    end        
    if i == 15
       fprintf('issue          ');
    end        
    fprintf('%3.4f        ',theta{i});
    fprintf('%3.4f      ',Q1{i}); 
    fprintf('%3.4f      ',Q12{i}); 
    fprintf('\n\n'); 
end
16_014m

4.本算法原理
4.1 ESTAR模型概述
ESTAR(Exponential Smooth Transition AutoRegressive model)是一种混合时间序列模型,它结合了指数平滑法和状态转换自回归模型的特点。在经济数据分析中,尤其是处理诸如CPI(消费者物价指数)这类具有可能的非线性趋势变化以及结构突变的数据时,ESTAR模型具有很强的应用价值。它能够捕捉到数据中的长期趋势、季节性变动以及潜在的平滑过渡现象。

   一个简单的ESTAR模型可以表示为:

1c7f977f8203dc319a008b8cb511fc8a_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png
2f60b0a14bc1d8bbd9572b53ea6f42b7_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

   状态变量St​ 通常通过如下方式定义,包含两个状态(例如常态和平稳期)并允许平滑地在两者间过渡:

20ba9556d91515d8ecacfdd992a788d1_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

其中,

St​ 在 [0, 1] 区间内取值,代表从一种状态向另一种状态的转换程度。

γ 是转换速度参数,决定着状态转换的快慢。

τt​ 是转移函数,它是一个关于某些解释变量(如时间变量或其他宏观经济指标)的单调递增函数,当这些变量达到某个阈值时会触发状态的转变。

4.2 WNL值,P值, Q值,12阶ARCH值

4db7d7e3f4e6e8bca782f5c293051f49_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.jpg
cb46162c315edd603624b8eb9c6ac2e8_watermark,size_14,text_QDUxQ1RP5Y2a5a6i,color_FFFFFF,t_100,g_se,x_10,y_10,shadow_20,type_ZmFuZ3poZW5naGVpdGk=.png

4.3ADF检验
ADF检验是增项DF检验,DF检验用于检验变量的非平稳性。若时间序列模型中含有单位根,则模型是非平稳的。对于AR(1)自回归滞后一阶模型,滞后期系数如果等于1,则无法收敛。DF检验的原假设为H0:beta=1,H1:beta<1。其中beta可以用OLS去估计。t=(beta-1)/std(beta)。t统计量并不服从t分布,而是服从DF分布。DF分布是Dickey Fuller研究的专门检验单位根的分布,DF检验是左单侧检验,当计算的t高于临界值则接受原假设(此模型是非平稳的),若t小于临界值,则拒绝原假设(此模型是平稳的)。   

  增项DF检验简称(ADF)用于更为复杂的模型,当模型AR(p)高阶自回归,或者带有截距项以及趋势项的时候,需要做差分ADF检验。检验是一般是三个基准模型:a:AR(1),b:AR(1)再加截距,c:b的基础上再加趋势。一般先从c开始单位根检验,当确定不含有趋势后,继续用b检验,若存在单位根,继续用a检验。当然在这个过程中如果发现不存在单位根,则检验结束。如果检验的c模型仍然不能拒绝存在单位根,则进行一阶差分后再检验,如果仍然存在单位根,再差分……直到拒绝单位根为止。根据模型的选定,分别查ADF分布表,对应临界值判断是否存在单位根。在ADF检验中,由于做了差分,通常的原假设是系数=0,因此t统计量服从t分布,可以通过回归的t值来和ADF分布进行对比。在计量软件Eviews中,unit root test选项可以根据研究的需要直接进行ADF检验。
相关文章
|
7天前
|
机器学习/深度学习 算法 Python
基于BP神经网络的金融序列预测matlab仿真
本项目基于BP神经网络实现金融序列预测,使用MATLAB2022A版本进行开发与测试。通过构建多层前馈神经网络模型,利用历史金融数据训练模型,实现对未来金融时间序列如股票价格、汇率等的预测,并展示了预测误差及训练曲线。
|
8天前
|
算法
超市火灾烟雾蔓延及人员疏散的matlab模拟仿真,带GUI界面
本项目基于MATLAB2022A开发,模拟了大型商业建筑中火灾发生后的人员疏散与烟雾扩散情况。算法通过设定引导点指导人员疏散,考虑视野范围、随机运动及多细胞竞争同一格点的情况。人员疏散时,根据是否处于烟雾区调整运动策略和速度,初始疏散采用正态分布启动。烟雾扩散模型基于流体方程,考虑了无风环境下的简化。
|
5天前
|
存储 算法
基于HMM隐马尔可夫模型的金融数据预测算法matlab仿真
本项目基于HMM模型实现金融数据预测,包括模型训练与预测两部分。在MATLAB2022A上运行,通过计算状态转移和观测概率预测未来值,并绘制了预测值、真实值及预测误差的对比图。HMM模型适用于金融市场的时间序列分析,能够有效捕捉隐藏状态及其转换规律,为金融预测提供有力工具。
|
5天前
|
机器学习/深度学习 算法 信息无障碍
基于GoogleNet深度学习网络的手语识别算法matlab仿真
本项目展示了基于GoogleNet的深度学习手语识别算法,使用Matlab2022a实现。通过卷积神经网络(CNN)识别手语手势,如&quot;How are you&quot;、&quot;I am fine&quot;、&quot;I love you&quot;等。核心在于Inception模块,通过多尺度处理和1x1卷积减少计算量,提高效率。项目附带完整代码及操作视频。
|
8天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于深度学习网络的宝石类型识别算法matlab仿真
本项目利用GoogLeNet深度学习网络进行宝石类型识别,实验包括收集多类宝石图像数据集并按7:1:2比例划分。使用Matlab2022a实现算法,提供含中文注释的完整代码及操作视频。GoogLeNet通过其独特的Inception模块,结合数据增强、学习率调整和正则化等优化手段,有效提升了宝石识别的准确性和效率。
|
4月前
|
安全
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
本文介绍了2023年高教社杯数学建模竞赛D题的圈养湖羊空间利用率问题,包括问题分析、数学模型建立和MATLAB代码实现,旨在优化养殖场的生产计划和空间利用效率。
215 6
【2023高教社杯】D题 圈养湖羊的空间利用率 问题分析、数学模型及MATLAB代码
|
4月前
|
存储 算法 搜索推荐
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
本文提供了2022年华为杯数学建模竞赛B题的详细方案和MATLAB代码实现,包括方形件组批优化问题和排样优化问题,以及相关数学模型的建立和求解方法。
139 3
【2022年华为杯数学建模】B题 方形件组批优化问题 方案及MATLAB代码实现
|
4月前
|
数据采集 存储 移动开发
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
本文介绍了2023年五一杯数学建模竞赛B题的解题方法,详细阐述了如何通过数学建模和MATLAB编程来分析快递需求、预测运输数量、优化运输成本,并估计固定和非固定需求,提供了完整的建模方案和代码实现。
104 0
【2023五一杯数学建模】 B题 快递需求分析问题 建模方案及MATLAB实现代码
|
7月前
|
数据安全/隐私保护
耐震时程曲线,matlab代码,自定义反应谱与地震波,优化源代码,地震波耐震时程曲线
地震波格式转换、时程转换、峰值调整、规范反应谱、计算反应谱、计算持时、生成人工波、时频域转换、数据滤波、基线校正、Arias截波、傅里叶变换、耐震时程曲线、脉冲波合成与提取、三联反应谱、地震动参数、延性反应谱、地震波缩尺、功率谱密度
基于混合整数规划的微网储能电池容量规划(matlab代码)
基于混合整数规划的微网储能电池容量规划(matlab代码)