请写出matlab中ARIMA模型确定阶数的BIC准则完整代码

当使用 BIC 准则来确定 ARIMA 模型的阶数时，可以使用 Matlab 中的 `arima` 函数结合模型选择方法来实现。下面是一个完整的 Matlab 代码示例：

% 导入时间序列数据
data = load('time_series_data.mat');
y = data.y; % 时间序列数据

% 设置 ARIMA 模型的最大阶数
maxAR = 2; % AR 阶数的最大值
maxMA = 2; % MA 阶数的最大值
maxD = 1;  % 差分阶数的最大值

% 初始化 BIC 值和对应的阶数
bic = zeros(maxAR, maxMA, maxD);
order = cell(maxAR, maxMA, maxD);

% 循环计算不同阶数下的 BIC 值
for p = 1:maxAR
    for q = 1:maxMA
        for d = 1:maxD
            try
                % 拟合 ARIMA 模型
                model = arima(p, d, q);
                estModel = estimate(model, y);
                
                % 计算 BIC 值
                bic(p, q, d) = estModel.BIC;
                order{p, q, d} = [p, d, q];
            catch
                % 如果模型无法拟合，将 BIC 值设为 NaN
                bic(p, q, d) = NaN;
                order{p, q, d} = [p, d, q];
            end
        end
    end
end

% 找到 BIC 值最小的模型阶数
[minBIC, idx] = min(bic(:));
[pBest, qBest, dBest] = ind2sub(size(bic), idx);
bestOrder = order{pBest, qBest, dBest};

% 输出结果
disp(['最佳模型阶数：AR=', num2str(bestOrder(1)), ', I=', num2str(bestOrder(2)), ', MA=', num2str(bestOrder(3))]);
disp(['BIC 值：', num2str(minBIC)]);

请确保将实际的时间序列数据文件命名为 `time_series_data.mat`，并与代码放在同一目录下。代码将计算不同 AR、MA 和差分阶数下的 BIC 值，并输出最佳模型的阶数和对应的 BIC 值。