组合时间序列arma模型在经济预测中的应用——内蒙古十一五期间gdp预测new

《组合时间序列arma模型在经济预测中的应用——内蒙古十一五期间gdp预测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、万方数据第38卷第21期数学的实践与认识V01．38No．212008年11月MATHEMATICSINPRACTICEANDTHEORYNove．，2008组合时间序列ARMA模型在经济预测中的应用——内蒙古十一五期间GDP预测雍红月1，包桂兰2(1．内蒙古大学经济管理学院，呼和浩特010021)(2．内蒙古公安厅居民身份证制证中心。呼和浩特010055)擒要：2006--2010年是内蒙古“十一五”规划的重要时期．利用组合ARMA时间序列模型。对内蒙古2006--2010年GDP进行预测，得出

2、的结果能够帮助我们把握。十一五”期间经济运行的变动趋势。并寻求最佳的调控办法．关键词：组合ARMA时间序列模型；内蒙古。十一五”规划，GDP预测2006--2010年是内蒙古第十一个五年规划的重要时期．在这个时期里，内蒙古全区经济将呈现什么样的运行状况。宏观经济几个主要指标将会出现何种变化，能否承接“十五”期间社会经济发展的大好形势，保持快增长、长周期的态势。这是在制定和执行“十一五”规划中必须面对的问题．本文利用组合ARMA时间序列模型，对内蒙古2006--2010年GDP进行预测，希望得出的数

3、据及结论能够帮助我们认清“十一五”期间经济运行走势，从中把握“十一五”期间经济进程中的变动趋势，更好地规避风险并寻求最佳的调控办法．1组合时间序列模型时间序列分析是一种广泛应用的数据分析方法，它主要用于描述和探索现象随时间发展变化的数量规律性．时间序列分析就其发展的历史阶段和所使用的统计分析方法来看，有传统的时间序列分析和现代时间序列分析，时间序列分析的一项重要内容就是根据过去已有的数据来预测未来的结果．预测是人们在观察和分析客观事物发展过程的历史及现状的基础上．通过对客观事物发展规律的认识，进而

4、推断其未来状况的过程．预测从统计方法上分类，大致可分为三类：定性预测法、回归预测法和时间序列预测法．定性预测法是以逻辑判断为主的预测方法．这一类方法主要是通过预测者所掌握的信息和情报。并结合各种因素对事物的发展前景做出判断，并把这种判断定量化．它普遍适应于对缺乏历史统计资料的事件进行预测，或对趋势转折进行预测．回归预测法是研究变量与变量之间相互关系的一种数理统计方法．应用回归预测可以从一个或几个自变量的值去预测因变量将取得的值，回归预测中因变量和自变量在时间上是并进关系，即因变量的预测值要由并进的

5、自变量量的值来旁推．这类方法不仅考虑了时间因素，而且考虑了变量之间的因果关系．因果回归预测是从研究客观事物的因果关系人手，建立单一回归模型进行预测的方法．但有时，影响预测对象的因素错综复杂或有关影响因素的数据资料无法得到，因果回预收疆日期：2007—02—18万方数据20数学的实践与认识38卷测法就无能为力．这时，采用时间序列分析法，以时间t综合替代这些因素，却能达到预测的目的．时间序列预测法是依据预测对象过去的统计数据，找到其随时间变化的规律。建立时间序列模型，以外推未来数值的预测方法．与回归不

6、同。它不使用除了序列自身以外的其它信息进行预测．其基本假定是：过去的变化趋势会延续到未来，即未来是过去的延伸，这样就可以根据过去已有的形态或模式进行预测．客观事物的发展是在时间上展开的，任一事物随时间的流逝。都可以得到一系列依赖于时间t的数据．设Y。，Y：，⋯，Y，是一时间序列，其中t代表时间，单位可以是年、季、月、日或小时．根据这组数据在时间坐标上绘制的曲线图为时序曲线图，它可以形象地表现出事物随时间变化的状况．依赖于时间变化的变量∞称之为时间序列．若事物的发展过程具有某种确定的形式，随时间变化

7、的规律可以用时间t的某种确定函数关系加以描述，这类时间序列称为确定型时间序列，以时间t为自变量建立的函数模型为确定型时间序列模型，这是传统时间序列分析的内容．若事物的发展过程是一个随机过程，无法用时间t的确定函数关系加以描述，称为随机型时间序列，建立的与随机过程相适应的模型为随机型时间序列模型。如博克斯一詹金斯模型，这就是现代时间序列分析的内容．在传统时间序列分析中，时间序列可以写成下面的形式：Yt=，汀f。st，Ct．I。、)+‰其中。∞为时间序列，一般表示经济总量．如GDP；T，，S，，C。，

8、I，分别表示时间序列在t时刻的趋势成分、季节成分、循环成分及无规则成分；弛表示误差项，一般假定“，是自噪声序列，即平稳序列．传统的时间序列分析法是在分析时间序列中四种成分实际变化的基础上找到规律，并以此推测未来的预测方法．有时，我们也许没有理由相信时间序列的循环成分存在，因而可能只愿考虑时间序列的长期趋势和季节成分，加之循环变动和不规则变动很难，甚至无法预测．所以在现实预测中。常常先根据时间数列数据找到长期和季节变动(若有季节变动存在)，建立适宜的预测模型，再通过模型分析，最后确定