Page 331 - 数学建模算法与应用

第十一章 时间序列分析研究

plot(linspace(49， 61， m1)， x0， ‘-o’)；
title(‘Original Data’)；
xlabel(‘Time’)；

ylabel(‘Value’)；
grid on；
% 对数变换
x = log(x0)；
% 设置周期长度 s=12

s = 12；
% 设置要预报的数据个数

n = 24；
% 进行周期差分
y = zeros(1， m1-s)；
for i = s+1：m1
y(i-s) = x(i) - x(i-s)；
end

% 获取周期差分后数据的长度
m2 = length(y)；

% 进行趋势性差分
w = diff(y)；
% 获取最终差分后数据的长度
m3 = length(w)；
% 使用 GARCH 模型进行拟合

% 指定 GARCH 模型的结构
spec2 = garchset(‘R’， 0， ‘M’， 13， ‘Display’， ‘off’)；
% 拟合参数

[coeffX， errorsX， LLFX] = garchfit(spec2， w)；
% 计算拟合参数的个数
num = garchcount(coeffX)；
% 计算 Akaike 和 Bayesian Information Criteria

321