时间序列建模分析new

《时间序列建模分析new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、时间序列建模分析及EVIEWS应用目录1、ARIMA模型1.1模型的适用条件与构建过程1.2EVIEWS操作简单说明1.3模型构建实例2、季节时间序列模型2.1确定性季节时间序列模型2.2随机性季节时间序列模型时间序列的预处理：拿到一个时间序列后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同的类型，对不同类型的序列采取不同的分析方法。时间序列的基本类型：时间序列平稳时间序列平稳性检验非平稳时间序列确定性时序随机性时序平稳白噪声平稳非白噪声纯随机性检验分析分析序列序列长期趋势ARIMA模型循环波动模型拟合没有分析价值（常用A

2、RMA模型）季节性变化残差自回归模型随机波动条件异方差模型平稳性检验方法：有明显趋势或周期性，则为时序图检验非平稳图检验方法随着延迟期数增加，自相关平稳系数会很快衰主观色彩较强自相关图检验减向零构造检验统计量反之，自相关非平稳单位根检验系数衰减向零的速度较慢纯随机性检验方法：构造检验统计量大样本场合大，小样本场合对Q统计量Q统计量LB统计量修正若P值非常小（<0.05）检验结果否则，认为该序列为纯则认为该序列属于非白随机序列噪声序列（有分析价值）（无分析价值）平稳非白噪声序列建模步骤：平稳非白噪声序列计算ACF,PACFARMA模型识别估计模型中未知参数的值N模型检验Y模型优化预测

3、序列将来的走势ARIMA模型建模流程：获得观察值序列N平稳性检验差分运算YN白噪声检验拟合ARMA模型Y分析结束EVIEWS操作创建文件数据录入画图自相关和偏自相关图单位根检验建立方程Q检验预测例：某国1980年至1993年GNP平减指数的季节时间序列，共56个观测值，见下表表5.1某国GNP平减指数季度资料年/季1234198089.8991.0791.7993.03198194.495.796.5297.39198298.7299.42100.25101.541983102.95104.75106.53108.741984110.72113.48116.42119.791985

4、122.88124.44126.68128.991986130.12131.3132.89134.991987136.8139.01141.03143.241988145.12148.89152.02155.381989158.6161.85165.12168.051990171.94176.46180.24185.131991190.01193.03197.7201.691992203.98206.77208.53210.271993212.87214.25215.89218.21该序列时序图（1.1）和自相关图（1.2）如下：图（1.1）图（1.2）该图显示有明显的长期趋势自相

5、关系数随延迟期数的增加，衰减向零的速度相当缓慢，且后期序列非平稳有反向递增趋势序列GNP的单位根检验结果：检验t统计量的值是0.325604，大于各个显著性水平下的临界值，所以不能拒绝原假设。也就是说，序列GNP存在单位根，因此，是非平稳的。一阶差分后的时序图与自相关图：图（1.3）时序图仍显示有长期趋势图（1.4）一阶差分序列自相关系数向零衰减的速度依然较慢仍不平稳一阶差分序列D(GNP)的单位根检验结果：检验t统计量的值是-1.929760，大于各个显著性水平下的临界值，所以不能拒绝原假设。也就是说，一阶差分序列D(GNP)存在单位根，因此，一阶差分序列也是非平稳的。2阶差分时

6、序图与自相关图：图（1.5）差分序列在零附近波动，无明显趋势或周期图（1.6）认为2阶差分自相关系数在零值附近波动序列平稳二阶差分序列的单位根检验：检验t统计量的值是-3.709559，小于各个显著性水平下的临界值，所以拒绝原假设。也就是说，二阶差分序列不存在单位根。二阶差分序列平稳。对平稳的2阶差分序列进行白噪声检验：在显著性水平为0.05的条件下，延迟期数为6和12时，Q统计量的P值均小于0.052阶差分序列为非白噪声序列结合前面分析，认为该序列为2阶差分平稳非白噪声序列，可考虑建立ARIMA模型根据2阶差分序列的自相关图ACF和偏自相关图PACF的特点，判断阶数进行建模:可以

7、尝试用ARMA(2,2)ARMA(3,2)ARMA(3,3);也就是说，对原序列GNP尝试用ARIMA(2,2,2)ARIMA(3,2,2)ARIMA(3,2,3)进行拟合，首先建立ARIMA(2,2,2)如下：模型ARiMA(2,2,2)：d(gnp,2)ar(1)ar(2)cma(1)ma(2)C与MA(1)系数的T检验显示：由于P值均大于0.05，故接受原假设，即二者系数显著为零，所以剔除剔除C与MA（1）:可供选用模型一模型参数均通过检验ARIMA(2,2,(