模型定阶
-
基于ARMA模型的线性时间序列分析与预测系统
本项目是基于MATLAB平台开发的平稳时间序列建模与预测平台，专门用于处理并分析具有线性波动特征的随机数据序列。系统的核心功能包括： 数据预处理与平稳性评估：通过单位根检验等统计手段判断原始序列的平稳性，并提供必要的平滑化处理功能。 模型识别与参数定阶：系统能够自动计算并绘制样本的自相关函数（ACF）和偏自相关函数（PACF）图谱，结合赤池信息准则（AIC）或贝叶斯信息准则（BIC）在搜索空间内自动筛选出最优的自回归阶数p和移动平均阶数q。 参数估计模块：采用极大似然估计或最小二乘法对ARMA模型的系数进 -
基于AIC准则的ARMA模型自动定阶系统
该项目旨在通过MATLAB编程实现对ARMA(p,q)模型阶数的自动化定阶。其核心逻辑是基于赤池信息准则（Akaike Information Criterion, AIC），通过建立一个候选阶数矩阵（通常设定自回归阶数p和移动平均阶数q的最大范围），遍历所有可能的阶数组合。程序首先对输入的时间序列数据进行平稳化预处理，包括趋势消除和差分处理，随后利用极大似然估计或条件最小二乘法为每一种阶数对拟合相应的ARMA模型，并精准计算对应的AIC值。AIC准则的核心在于通过引入罚项来平衡模型的拟合精度与参数数量，
