基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真

本文主要是介绍基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

1.程序功能描述

2.测试软件版本以及运行结果展示

3.核心程序

4.本算法原理

4.1 ESTAR模型概述

4.2 WNL值，P值， Q值，12阶ARCH值

4.3ADF检验

5.完整程序

1.程序功能描述

基于ESTAR指数平滑转换自回归模型的CPI数据统计分析matlab仿真.主要通过M-ESTAR模型进行计算，主要涉及到的统计量有WNL值，P值， Q值，12阶ARCH值。

2.测试软件版本以及运行结果展示

MATLAB2022a版本运行

3.核心程序

....................................................................
%%
%调用模型ESTAR
for i = 1:length(Real_exchange_rate)i[y,th] = func_MESTAR2(Real_exchange_rate{i});Real_exchange_rate_ESTAR{i} = y;%估计得到的thetatheta{i}                    = th(end);
endk = [-1 -1 -0.3 -0.3 -0.3 -0.3 -1 -0.3 -0.3 -0.3 -0.3 -0.3 -1 -0.3 -0.3];
for i = 1:length(Real_exchange_rate)tmps = -2:0.25:2;for j = 1:length(tmps)  T{i}(j)  = 1-exp(-(theta{i}*tmps(j)^2 + theta{i}*k(i)*tmps(j)));end
endfigure; 
plot(tmps,T{1},'b-*');hold on 
plot(tmps,T{8},'r-^');hold on 
plot(tmps,T{2},'k-o');hold on 
plot(tmps,T{13},'m-o');hold on  
grid on
legend('Australia','Malaysia','Canada','Thailand');figure; 
plot(tmps,T{9},'b-*');hold on 
plot(tmps,T{10},'r-^');hold on 
plot(tmps,T{4},'k-o');hold on 
plot(tmps,T{14},'m-o');hold on  plot(tmps,T{5},'g-^');hold on 
plot(tmps,T{11},'y-o');hold on 
plot(tmps,T{3},'k-*');hold on  grid on
legend('NewZealand','Singapore','Denmark','UnitedKingdom','HongKong','Switzerland','China');%计算Q（1）
for i = 1:length(Real_exchange_rate)s     = func_Ljung_Box(Real_exchange_rate_ESTAR{i},1); Q1{i} = s;
end
%计算Q（12）
for i = 1:length(Real_exchange_rate)s      = func_Ljung_Box(Real_exchange_rate_ESTAR{i},12); Q12{i} = s;
end%%
%显示诸如Table2一样的表格数据
fprintf('Countries      theta         Q(1)        Q(12) \n\n');
for i = 1:15if i == 1fprintf('Australia      ');endif i == 2fprintf('Canada         ');end    if i == 3fprintf('China          ');end        if i == 4fprintf('Denmark        ');end        if i == 5 fprintf('HongKong       ');end    if i == 6fprintf('Japan          ');endif i == 7fprintf('SouthKorea     ');end    if i == 8fprintf('Malaysia       ');end        if i == 9fprintf('NewZealand     ');end        if i == 10fprintf('Singapore      ');end     if i == 11fprintf('Switzerland    ');endif i == 12fprintf('Taiwan         ');end    if i == 13fprintf('Thailand       ');end        if i == 14fprintf('UnitedKingdom  ');end        if i == 15fprintf('issue          ');end        fprintf('%3.4f        ',theta{i});fprintf('%3.4f      ',Q1{i}); fprintf('%3.4f      ',Q12{i}); fprintf('\n\n'); 
end
16_014m

4.本算法原理

4.1 ESTAR模型概述

ESTAR（Exponential Smooth Transition AutoRegressive model）是一种混合时间序列模型，它结合了指数平滑法和状态转换自回归模型的特点。在经济数据分析中，尤其是处理诸如CPI（消费者物价指数）这类具有可能的非线性趋势变化以及结构突变的数据时，ESTAR模型具有很强的应用价值。它能够捕捉到数据中的长期趋势、季节性变动以及潜在的平滑过渡现象。

一个简单的ESTAR模型可以表示为：

状态变量St 通常通过如下方式定义，包含两个状态（例如常态和平稳期）并允许平滑地在两者间过渡：

其中，

St 在 [0, 1] 区间内取值，代表从一种状态向另一种状态的转换程度。

γ 是转换速度参数，决定着状态转换的快慢。

τt 是转移函数，它是一个关于某些解释变量（如时间变量或其他宏观经济指标）的单调递增函数，当这些变量达到某个阈值时会触发状态的转变。

4.2 WNL值，P值， Q值，12阶ARCH值

4.3ADF检验

ADF检验是增项DF检验，DF检验用于检验变量的非平稳性。若时间序列模型中含有单位根，则模型是非平稳的。对于AR（1）自回归滞后一阶模型，滞后期系数如果等于1，则无法收敛。DF检验的原假设为H0：beta=1，H1：beta<1。其中beta可以用OLS去估计。t=（beta-1）/std（beta）。t统计量并不服从t分布，而是服从DF分布。DF分布是Dickey Fuller研究的专门检验单位根的分布，DF检验是左单侧检验，当计算的t高于临界值则接受原假设（此模型是非平稳的），若t小于临界值，则拒绝原假设（此模型是平稳的）。　　

增项DF检验简称（ADF）用于更为复杂的模型，当模型AR（p）高阶自回归，或者带有截距项以及趋势项的时候，需要做差分ADF检验。检验是一般是三个基准模型：a：AR（1），b：AR（1）再加截距，c：b的基础上再加趋势。一般先从c开始单位根检验，当确定不含有趋势后，继续用b检验，若存在单位根，继续用a检验。当然在这个过程中如果发现不存在单位根，则检验结束。如果检验的c模型仍然不能拒绝存在单位根，则进行一阶差分后再检验，如果仍然存在单位根，再差分……直到拒绝单位根为止。根据模型的选定，分别查ADF分布表，对应临界值判断是否存在单位根。在ADF检验中，由于做了差分，通常的原假设是系数=0，因此t统计量服从t分布，可以通过回归的t值来和ADF分布进行对比。在计量软件Eviews中，unit root test选项可以根据研究的需要直接进行ADF检验。