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
实时计算 Flink 版,5000CU*H 3个月
智能开放搜索 OpenSearch行业算法版,1GB 20LCU 1个月
检索分析服务 Elasticsearch 版,2核4GB开发者规格 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
|
5天前
|
机器学习/深度学习 算法 数据安全/隐私保护
基于MSER和HOG特征提取的SVM交通标志检测和识别算法matlab仿真
### 算法简介 1. **算法运行效果图预览**:展示算法效果,完整程序运行后无水印。 2. **算法运行软件版本**:Matlab 2017b。 3. **部分核心程序**:完整版代码包含中文注释及操作步骤视频。 4. **算法理论概述**: - **MSER**:用于检测显著区域,提取图像中稳定区域,适用于光照变化下的交通标志检测。 - **HOG特征提取**:通过计算图像小区域的梯度直方图捕捉局部纹理信息,用于物体检测。 - **SVM**:寻找最大化间隔的超平面以分类样本。 整个算法流程图见下图。
|
6天前
|
算法 决策智能
基于禁忌搜索算法的VRP问题求解matlab仿真,带GUI界面,可设置参数
该程序基于禁忌搜索算法求解车辆路径问题(VRP),使用MATLAB2022a版本实现,并带有GUI界面。用户可通过界面设置参数并查看结果。禁忌搜索算法通过迭代改进当前解,并利用记忆机制避免陷入局部最优。程序包含初始化、定义邻域结构、设置禁忌列表等步骤,最终输出最优路径和相关数据图表。
|
4天前
|
算法
基于最小二乘递推算法的系统参数辨识matlab仿真
该程序基于最小二乘递推(RLS)算法实现系统参数辨识,对参数a1、b1、a2、b2进行估计并计算误差及收敛曲线,对比不同信噪比下的估计误差。在MATLAB 2022a环境下运行,结果显示了四组误差曲线。RLS算法适用于实时、连续数据流中的动态参数辨识,通过递推方式快速调整参数估计,保持较低计算复杂度。
|
4天前
|
机器学习/深度学习 算法 数据可视化
基于QLearning强化学习的机器人避障和路径规划matlab仿真
本文介绍了使用MATLAB 2022a进行强化学习算法仿真的效果,并详细阐述了Q-Learning原理及其在机器人避障和路径规划中的应用。通过Q-Learning算法,机器人能在未知环境中学习到达目标的最短路径并避开障碍物。仿真结果展示了算法的有效性,核心程序实现了Q表的更新和状态的可视化。未来研究可扩展至更复杂环境和高效算法。![](https://ucc.alicdn.com/pic/developer-ecology/nymobwrkkdwks_d3b95a2f4fd2492381e1742e5658c0bc.gif)等图像展示了具体仿真过程。
12 0
|
5天前
|
机器学习/深度学习 传感器 安全
基于模糊神经网络的移动机器人路径规划matlab仿真
该程序利用模糊神经网络实现移动机器人的路径规划,能在含5至7个静态未知障碍物的环境中随机导航。机器人配备传感器检测前方及其两侧45度方向上的障碍物距离,并根据这些数据调整其速度和方向。MATLAB2022a版本下,通过模糊逻辑处理传感器信息,生成合理的路径,确保机器人安全到达目标位置。以下是该程序在MATLAB2022a下的测试结果展示。
|
2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。
137 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
|
2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。
101 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
|
2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。
75 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
|
5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)