statsmodels.sandbox.tsa.fftarma.ArmaFft¶

class statsmodels.sandbox.tsa.fftarma.ArmaFft(ar, ma, n)[source]¶

用于ARMA过程的FFT工具

此类包含多个方法，这些方法提供相同或相似的返回值，以便尝试和测试不同的实现。

Attributes:¶

arroots

自回归滞后多项式的根

isinvertible

Arma 过程是可逆的，如果 MA 根在单位圆之外。

isstationary

ARMA 过程是平稳的，如果 AR 根在单位圆之外。

maroots

移动平均滞后多项式的根

注释

待办事项： 检查我们是否不希望固定maxlags，并在maxlag更改时创建新实例。不同长度的时序数据的使用方法？ 或者固定频率和长度以进行fft

检查默认频率 w，术语 norw n_or_w

一些傅里叶变换目前在没有补零的情况下完成

光谱密度方法的返回值需要检查，是否总是功率谱 hw*hw.conj()

功率谱的归一化，谱密度：尚未检查，例如未使用基础过程的方差

方法

acf([lags])	ARMA 过程的理论自相关函数。
acf2spdfreq(acovf[, nfreq, w])	不是真正的方法，只是用于比较，对于大的n或长的acf效率不高
acovf([nobs])	平稳ARMA过程的理论自协方差
arma2ar([lags])	有限滞后的自回归近似于一个ARMA过程。
arma2ma([lags])	ARMA过程的有限滞后近似MA表示。
fftar([n])	AR多项式的傅里叶变换，末尾补零至n
fftarma([n])	ARMA多项式的傅里叶变换，末尾补零至n
fftma(n)	MA多项式的傅里叶变换，末尾补零至n
filter(x)	使用ARMA滤波器过滤时间序列
filter2(x[, pad])	使用 fftconvolve3 和 ARMA 滤波器过滤时间序列
from_coeffs([arcoefs, macoefs, nobs])	从ARMA表示创建ArmaProcess。
from_estimation(model_results[, nobs])	从ARIMA估计的结果创建一个ArmaProcess。
from_roots([maroots, arroots, nobs])	从AR和MA多项式根创建ArmaProcess。
generate_sample([nsample, scale, distrvs, ...])	从ARMA模拟数据。
impulse_response([leads])	计算ARMA过程的脉冲响应函数（MA表示）。
invertroots([retnew])	通过反转单位圆内的根使MA多项式可逆。
invpowerspd(n)	从谱密度计算自协方差
pacf([lags])	ARMA过程的理论偏自相关函数。
pad(maxlag)	构建AR和MA多项式，这些多项式被零填充到相同的长度
padarr(arr, maxlag[, atend])	在末尾用零填充一维数组以达到最大长度 maxlag 函数，这是一个方法，未使用 self
periodogram([nobs])	给定滞后多项式 ar 和 ma 的 ARMA 过程的周期图。
plot4([fig, nobs, nacf, nfreq])	绘制结果
spd(npos)	原始光谱密度，返回傅里叶变换
spddirect(n)	使用填充到长度 n 的快速傅里叶变换计算功率谱密度
spdmapoly(w[, twosided])	仅适用于ma，需要为ar进行除法运算，使用LagPolynomial
spdpoly(w[, nma])	ARMA过程的MA多项式表示的谱密度
spdroots(w)	使用多项式根的频率谱密度
spdshift(n)	使用 fftshift 的功率谱密度

属性

arroots	自回归滞后多项式的根
isinvertible	Arma 过程是可逆的，如果 MA 根在单位圆之外。
isstationary	ARMA 过程是平稳的，如果 AR 根在单位圆之外。
maroots	移动平均滞后多项式的根