毕业设计（论文）-基于时间序列分析ARIMA模型的我国钢产量分析预测

《毕业设计（论文）-基于时间序列分析ARIMA模型的我国钢产量分析预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、题目基于ARIMA模型的我国人均钢产量分析预测姓名学号20091004254所在学院信息学院年级专业09统计指导教师职称讲师完成时间2012年6月20日16基于ARIMA模型的我国人均钢产量分析预测赖智昀信息学院09统计20091004254摘要：钢铁产业一直是制约着中国发展的重要产业之一，国家对钢铁产业的改革也十分重视。针对钢产业的重要作用，应用ARIMA模型对中国人均钢产量的时间序列进行拟合，并用所得到的模型对之后几年的人均钢产量进行预测。发现ARIMA(1,2,0)模型能较好地拟合所给时间序列，并且预测值也符合实际情况和趋势。结果显示该问题

2、以及模型具有较强的现实意义。关键词：人均钢产量；时间序列分析；预测；ARIMA；SASAbstract:ThesteelidustireshavealwaysbeenoneofthemostimportantindustriesforthedevelopmentofChina.Meanwhile,revolutionfortheseindustrieshasbeenhighlightedbyChina.Fortheimportantanceofsteelindustries,thispaperappliesthemethodofestablish

3、ingARIMAmodeltoempiricallyanalyzethetrendencyofsteeloutputperpersoninChinaandforecaststeelproductionperpersoninfutureyearswiththatmodel.ModelARIMA(1,2,0)isprovedtobetterworkoutthetrendofthegiventimeseries.Moreover,itsforecastistestedtocorrespondwithactualdevelopmenttrendency.

4、Theseresultsshowthatboththeproblemandthemodelareundoubtedlyofconsiderablerealisticsignificance.Keywords:steelproductionperperson;timeseriesanalyzing;forecast;ARIMAmodel;SAS.16目录基于ARIMA模型的我国人均钢产量分析预测1摘要21问题背景：42分析方法及数据43预测模型的建立53.1平稳性检验53.2差分运算73.3对平稳的2阶差分序列进行白噪声检验93.4拟合模型及残差检

5、验103.5ARIMA模型检验113.6ARIMA模型预测134讨论与总结135分析使用的代码146原始数据157参考文献：16161问题背景：钢铁产业是一个资本高度密集、产业关联度高、规模经济显著的涉及国计民生的重要行业。同时，钢铁产业也是我国国民经济发展的基础产业，改革开放以来，我国钢铁行业取得了良好的发展，已经成为世界上最大的钢铁生产和消费国，为我国的高速增长提供了有力的原材料保障，为国民经济持续、稳定、健康发展提供了保证，为推动世界钢铁业发展做出了巨大贡献2011年已然过去，回首钢铁行业的2011年，这是大多数钢铁企业认为更为艰难的一年，

6、其艰难程度堪比2008年。2011年的钢铁企业处在高产量、高库存、高成本、低需求的'三高一低'格局下，企业利润逐渐被挤压。据中钢协统计，2011年11月份，国内主要钢企当月盈亏相抵后实现利润只有12.2亿元，平均销售收入利润率只有0.43%，行业利润处于较低水平，企业亏损已超过三分之一。尽管如此，2011年的粗钢产量同比依然保持大幅增长态势，据中钢协的最新数据显示，2011年国内粗钢产量达6.83亿吨，同比增长8.92%。此外，受海外需求拉动，2011年我国钢材出口小幅增长，进口略有下滑，然而出口市场形势依然严峻，我国钢材出口大幅激增的空间有限。

7、如果能够根据历史数据预测未来一段时间的人均钢产量，将会为我国钢铁产业提供指导意见，使其在国际竞争中占据一席之地。本文试图从动态角度观察历年来人均钢产量的变化，利用对其历史数据的分析得到其规律性，并用以预测其未来值。考虑到序列为非平稳时间序列，而传统的时间序列模型只能描述平稳时间序列的变化规律，因此选择统计学家Box和Jenkins提出的ARIMA模型进行非平稳时间序列的预测。2分析方法及数据16用SAS9.2进行数据处理和分析。ARIMA模型建模的过程按4个阶段进行：1、序列的平稳化：ARIMA的应用需要时间序列符合平稳性的要求；2、模型的识别：

8、根据SAS的输出结果，提出几种可能的模型作进一步分析；3、模型参数估计和模型评价：对提出的模型进行参数估计和诊断，如果该模型不恰当，则回