ARFIMA模型 分形自回归聚合滑动模型 又可以写成FARIMA模型。在S-PLUS或者R软件中都比较好实现。首先需要对FARIMA模型的特点进行大致的了解:
1、该模型为线性随机模型,可以模拟长记忆自相关结构的“Hurst”效应;
2、模型用于模拟平稳(高斯)正态时间序列。
在S-PLUS软件中,通过高斯极大似然估计(Gaussian MLE)得到给定正态样本的FARIMA模型,得到模型各参数。
函数:arima.fracdiff
上述函数用于单变量时间序列FARIMA模型的拟合。函数的语法结构为:
FARIMA(x, p=NULL, q=NULL, p.range=c(0, 2), q.range=c(0, 2), mmax=1,
alpha=0.05, CI=T, na.rm=F, M=100, kapprox=100, trace=T, ...)
其中,x——数值向量,即给定的时间序列,为必须给定的变量;
p、q——正整数,分别用于指定自回归项和移动平均项的阶数,如果p、q均取NULL(空),那么ARIMA模型的阶数将通过BIC准则在p.range和q.range提供的网格点上选择;
p.range、q.range——正整数向量,分别指定自回归项和移动平均项阶数的范围,当p、q给定时将忽略;
mmax——正整数,用于在拟合平稳分形AR模型之前(stationary fractional AR model),指定时间序列x的最大差分。目前,可取0或1。如果仅只考虑平稳模型,可将该值设为0。其默认值为1。
alpha——显著性水平(level of significance)。特别地,1-alpha为估计参数的置信区间(confidence intervals)的置信水平(confidence level)。仅当CI=T时使用,默认值为0.05。即置信水平为95%。
CI——逻辑型标记。若为TRUE,则在返回对象中保存估计参数的置信区间。其默认值为TRUE。
na.rm——逻辑型标记。若为TRUE,缺失值将在模型拟合之前被移除。默认为FALSE。
M——大整数。指定用于估计似然函数的截断序列的项数。默认值为100。
kapprox——大整数。指定分形聚合噪声(fractional integrated noise)AR表达式的最大阶数。如果AR阶数大于该值,则采用渐近近似法进行处理。仅用于计算模型残差时,默认值为100。
trace——逻辑型标记。若为TRUE,则当函数通过p.range、q.range找到最佳阶数时,将会在屏幕上出现相应信息。仅在p、q取NULL(空)时使用,默认为TRUE。
对FARIMA模型提供的拟合结果进行优度检验,如采用Portmanteau拟合优度检验方法,要求FARIMA模型残差通过95%置信水平检验。关于拟合优度检验,可参见《time series analysis: forecasting and control》等相关教材。