约束模型选择的集合 

TimeSeriesModelFit 允许从给定的模型系列或范围进行自动选择，以及确定积分阶数和季节性参数.

创建季节性小的数据.

In[1]:=

X BlockRandom[SeedRandom["Mathematica10"]; data = RandomFunction[ SARMAProcess[2, {3/4}, {}, {4, {1/3}, {}}, 2], {0, 10^3}]]

Out[1]=

用 TimeSeriesModelFit 自动查找最合适的时间序列模型.

In[2]:=

X tsm = TimeSeriesModelFit[data]

Out[2]=

根据参数估计值的方差，第二和第三自回归系数与零没有显著差异，由此建议可能的季节性参数为4.

In[3]:=

X tsm["ParameterTable"]

Out[3]=

通过样本的偏相关函数确认季节性的推测.

In[4]:=

X ListPlot[PartialCorrelationFunction[data, {10}], Filling -> Axis, FillingStyle -> Thick, PlotStyle -> PointSize[Large], PlotTheme -> "VibrantColors", PlotRange -> {-1/3, 1}, AxesOrigin -> {0, 0}]

Out[4]=

限制在季节性参数为4的 ARMA 系列查找.

In[5]:=

X tsmSeasonal = TimeSeriesModelFit[data, {"SARMA", 4}]

Out[5]=

比较对更长自回归模型的拟合.

In[6]:=

X tsmARlong = TimeSeriesModelFit[data, {"AR", 1 ;; 20}]

Out[6]=

贝叶斯信息量准则和赤池信息量准则都支持季节性模型.

In[7]:=

X TableForm[ Outer[Compose, {tsm, tsmARlong, tsmSeasonal}, {"BIC", "AIC"}], TableHeadings -> {{"AR", "AR long", Subscript["SARMA", 4]}, {"BIC", "AIC"}}]

Out[7]//TableForm=