R

时间:2018-06-06 18:17:28

标签: python r statistics time-series forecast

我正在处理我想要预测的时间序列。

数据有点保密,所以我不能在这里分享情节或任何相关的事情,但是,我想尽可能清楚地表达我的问题。

我试图在我的时间序列商品价格波动中使用SARIMA模型。波动具有52周(大约)的季节性,在拟合时间序列之后,我得到异方差残差,并且已经通过Ljung-Box测试残差方格验证,残差方格的图显示高波动率的时段和低波动率聚集在一起。

我正在尝试在我的SARIMA残差上拟合Garch模型,并将模型拟合值添加到sarima拟合值中以获得最终结果。                  但似乎这个过程并不正确,因为异方差性正在改变SARIMA的对数似然函数(假设具有同一性)。

这也会影响最大似然和估计参数,这会影响我的预测精度。      在我的想法中,R中没有功能,实现SARIMA + GARCH模型,我知道ARMA + GARCH,但这与我的数据集无关。

1)我如何在R或Python中实现它?

2)如何计算对数似然?

我读过很少与该主题相关的研究论文,但没有人提到过这个方法,他们都分享了结果。

0 个答案:

没有答案