Series Forcast 用于时间序列的预测

用于时间序列的预测，包含序列特征描述、平稳性检验、序列周期判断、季节因子提取、指数平滑预测、及ARIMA预测

%ARMA模型这里假定seq已是平稳序列
function [MeanForecastp_testq_testMeanRMSE]=ARMA_Forecast（seqn_step）
n = length（seq）; 
test = [];
for p = 1:6    %自回归对应PACF给定滞后长度上限p和q，一般取为T/10、ln（T）或T^（1/2）.
    for q = 1:6    %移动平均对应ACF
        spec= garchset（‘R‘p‘M‘q‘Display‘‘off‘）; %指定模型的结构
        [coeffXerrorsXLLFX] = garchfit（specseq）; %拟合参数
        num=garchcount（coeffX）; %计算拟合参数的个数
        [AICBIC]=aicbic（LLFXnumn）;    %计算AIC信息量和BIC信息量这里仅选用AIC信息量作为判断依据
        test = [test;p q AIC];
    end
end
pos=find（test（:3）==min（test（:3）））;       %选择AIC值最小的模型确定ARMA模型的阶数（p_testq_test）
p_test=test（pos（1）1）;
q_test=test（pos（1）2）;
% [H P Qstat CV] = lbqtest（seq [p_test;q_test] 0.05）;
% 取显著性水平为0.05，对选择的模型作Ljung-Box卡方检验，如果H==0，说明残余信息已是白噪声。
% 这里为了省事，并不做这一步，而默认模型已是通过了检验的.
spec = garchset（‘R‘p_test‘M‘q_test‘Display‘‘off‘）; %指定模型的结构
[coeffXerrorsXLLFX] = garchfit（specseq）;             %拟合参数
[SigmaForecastMeanForecastSigmaTotalMeanRMSE] = garchpred（coeffXseqn_step）; %计算差分序列的n_step步预报值
end

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2546  2014-01-16 08:56  Series Forcast\SteadyTest.m

     文件       1190  2014-01-16 08:56  Series Forcast\stastic.m

     文件       2743  2014-01-16 08:56  Series Forcast\SeasonAdjust.m

     文件       2301  2014-01-16 08:56  Series Forcast\predict_exps.m

     文件       2684  2014-01-16 14:09  Series Forcast\predict_ARIMA.m

     文件        690  2014-01-16 08:56  Series Forcast\getcycle.m

     文件        926  2014-01-16 08:56  Series Forcast\ExpSmooth.m

     文件       1926  2014-01-16 08:56  Series Forcast\Daniel.m

     文件       1207  2014-01-16 08:56  Series Forcast\ARMA_Forecast.m

     目录          0  2014-01-25 10:17  Series Forcast

----------- ---------  ---------- -----  ----

                16213                    10