确定ARIMA模型

Question

我正在尝试构建ARIMA模型，我在标准化时间序列中有144个术语，它们表示原始时间序列中的残差。当我从原始时间序列中减去线性趋势和周期分量时，得到了我想建立ARIMA模型的残差，因此残差是随机分量。

由于该减法，我模拟了像平稳序列（d = 0）这样的残差，因此模型是ARIMA（p，d，q）= ARIMA（？，0，？）。

我的残差的ACF和PACF函数不像文献中用于识别ARIMA模型的情况那么清楚，当我根据它们是置信区间之外的最后值的标准选择参数p和q时，我得到值p = 109 ，q = 97。 Matlab给了我这个案子的错误：

  

使用arima / estimate时出错（第386行）

     

输入回复系列的观察数量不足。

另一方面，当我只查看用于识别p和q参数的N / 4长度的时间序列时，我得到p = 36，q = 34。 Matlab给了我这个案例的错误

  

警告：非线性不等式约束有效;标准错误可能不准确。

     

在1113的arima.estimate

     

使用arima / validateModel时出错（第1306行）

     

非季节性自回归多项式不稳定。

     

arima / setLagOp中的错误（第391行）      Mdl = validateModel（Mdl）;

     

arima / estimate中的错误（第1181行）     Mdl = setLagOp（Mdl，＆＃39; AR＆＃39;，LagOp（[1 -coefficients（iAR）＆＃39;]，＆＃39; Lags＆＃39;，[0 LagsAR]））;

我如何纠正识别p和q参数以及这里有什么问题？在这个部分自相关图中，它意味着什么，为什么最后的值如此之大？

Answer 1

此guide包含大量有关正确估算ARIMA p和q参数的有用信息。

只要我记得从我的学习开始，ACF在滞后q - p之后关闭PACF并且在p - q之后关闭p，因此正确识别q 1}}和AIC订单并不总是直截了当，即使上述指南提供的最佳做法也不足以指向正确的方向。

通常，防范方法是将信息标准（例如BIC，FPE或p）应用于具有q和{{1}的不同订单的多个模型}}。呈现标准的最小值的模型是最好的。假设您的最大q和p所需订单为6，而k是观察次数，您可按以下步骤操作：

ll = zeros(6);
pq = zeros(6);

for p = 1:6
    for q = 1:6
        mod = arima(p,0,q);
        [fit,~,fit_ll] = estimate(mod,Y,'print',false);
        ll(p,q) = fit_ll;
        pq(p,q) = p + q;
     end
end

ll = reshape(ll,36,1);
pq = reshape(pq,36,1);

[~,bic] = aicbic(ll,pq+1,k);
bic = reshape(bic,6,6);

完成此操作后，请使用min函数返回的索引，以便找到最佳的q和p订单。

另一方面，关于你的错误是什么......好吧，第一个是非常简单的，并且是不言自明的。第二个基本上意味着不可能进行正确的模型估计。