ARMA算法matlab程序

ARMA 模型（Auto-Regressive and Moving Average Model）是研究时间序列的重要方法，由自回归模型（简称AR模型）与滑动平均模型（简称MA模型）为基础“混合”构成。在市场研究中常用于长期追踪资料的研究，如：Panel研究中，用于消费行为模式变迁研究；在零售研究中，用于具有季节变动特征的销售量、市场规模的预测等。

%Wilson Palmeiro@Copyright. This exercise has got real data. Because we
%want to test in market. Finally we test for 500 days. WE can assume any
%finantial asset.
dy=price2ret（imf（1:）‘continuous‘）;%Differenciate data
N=length（dy）;
[PartialACF lags bounds]=parcorr（dy[][]2）;%Analyze PACF
[ACF lags bounds]=autocorr（dy[][]1.96）;%Analyze ACF in order to choose the order of model
figure（）
subplot（221）
plot（dy）
subplot（222）
autocorr（dy）
subplot（223）
parcorr（dy）
subplot（224）
plot（Open）;
[hpQstat crit]=lbqtest（dy‘lags‘ [51015213036]）;
model=arima（111）%At this time we will use the mean level
fit=estimate（modeldy）%to predict.
[Y YMSE]=forecast（fit500‘Y0‘dy）%It磗 more commom in market using
Price=ret2price（Y[1833.32000000000]1[]‘Periodic‘）%At this level i put one of prices
Lower=Y-1.96*sqrt（YMSE）;%GARCH  to predict volatility.
Upper=Y+1.96*sqrt（YMSE）;
figure（2）
plot（dy‘Color‘[.7.7.7]）;
hold on
h1=plot（N+500:N+500Lower‘r‘‘LineWidth‘2）;
plot（N+500:N+500Upper‘r‘‘LineWidth‘2）;
h2=plot（N+500:N+500Y‘k‘‘LineWidth‘2）;
legend（[h1 h2] ‘95% Interval‘ ‘Forecast‘‘Location‘‘NorthWest‘）
title（‘Forecast Using ARMA Model‘）
hold off

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件        1212  2017-07-05 16:19  ARMA.m