时间序列分析在我国财政收入预测中的应用new

《时间序列分析在我国财政收入预测中的应用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、2008年4月重庆文理学院学报(自然科学版)Apr1,2008第27卷第2期JournalofChongqingUniversityofArtsandSciences(NaturalScienceEdition)Vol127No12时间序列分析在我国财政收入预测中的应用郑鹏辉,单锐,陈静(燕山大学理学院,河北秦皇岛066004)[摘要]介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及SAS实现.将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型

2、.[关键词]ARIMA模型;财政收入;预测[中图分类号]0212[文献标识码]A[文章编号]1673-8012(2008)02-0015-04财政收入是一个地区或国家经济指标体系ARIMA模型的基本思想:将预测对象随时中的一个核心指标,它能综合反映经济活动总间推移而形成的数据序列视为一个随机序列,用量和衡量一个地区或国家的工业经济发展水平.一定的数学模型来近似描述这个序列,这个模型对财政收入进行定量分析并对其作出较为准确一旦被识别就可以从时间序列的过去值和现在[2]的预测则可以为相关部门或者企业制定发展规

3、值来预测未来值.划、实施相关措施提供可靠的理论预测参考.3ARIMA模型预测的基本步骤1ARIMA模型的结构3.1时间序列的预处理具有如下结构的模型称为求和自回归移动如果数据序列是非平稳的,时序图存在一定平均(AutoregressiveIntegratedMovingAverage)的增长或下降趋势,则需对数据进行差分处理;如[1]模型,简记为ARIMA(p,d,q)模型.果数据序列存在异方差性,则需对数据进行对数d5(B)ýxt=((B)Et转换或者开方处理,同时分析处理后序列的相关2E(Et)=0,

4、Var(Et)=Rt,E(EtEs)=0,sXt图和单位根检验来判断序列的平稳性,直至得到一个平稳的序列,并对处理后的序列进行白噪声ExsEt=0,Ps

5、稳的时间序列的自相关函数是截尾,ARMA(p,q)模型的自回归系数多项式;q而偏相关函数是拖尾的,则可断定此序列适合((B)=1-H1B-,-HqB,为平稳可逆MA(q)模型;若平稳的时间序列的自相关函数ARMA(p,q)模型的移动平滑系数多项式.和偏自相关函数都是拖尾的,则此序列适合因此,(1)式可以简记为ARIMA(p,d,q)模型.d((B)ýxt=Et.(2)5(B)3.3估计模型中未知参数的值{Et}为零均值白噪声序列.一是检验模型参数的估计值是否具有显著2ARIMA建模思想性;二是检验残差序列

6、的随机性.*[收稿日期]2008-01-06[作者简介]郑鹏辉(1982-),男,河南驻马店人,硕士研究生,主要从事时间序列分析的预测及其建模.E-mai:lzheng1982002@yahoo.com.cn153.4模型优化行预测,得出预测误差.如果预测误差较小,就可如果拟合模型通过检验,仍然转向步骤3.2,以考虑接受该模型,并运用该模型进行预测.则应充分考虑各种可能建立的多个拟合模型,从4ARIMA法对我国财政收入进行建模所有通过检验的拟合模型中选择最优模型.从中国统计局网站找到我国财政收入的数3.5

7、预测据,经整理如表1.利用拟合的ARIMA(p,d,q)模型对序列进表1中国1950)2006财政收入总额表亿元年份195019511952195319541955195619571958财政收入62.17124.96173.96213.24245.17249.27280.19303.20379.62年份195919601961196219631964196519661967财政收入487.12572.29356.66313.55342.25399.54473.32558.71419.36年份196819

8、691970197119721973197419751976财政收入361.25526.76662.90744.73766.56809.61783.14815.61776.58年份197719781979198019811982198319841985财政收入874.461132.261146.261159.931175.791212.331366.951642.862004.82年份198619871988198919901