ARIMA模型的概念和构造实验报告

《ARIMA模型的概念和构造实验报告》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、交迈乂爭ARIMA模型的概念和构造实验报告学院：经济管理学院专业：姓名：学号：2015年5月11H目录1、实验目的21.1实验原因21.2基本概念22、实验内容23、试验过程23.1模型的识别23.1.1导入数据23.1.2模型的识别33.2模型的估计53.3模型的诊断63.4模型的预测81、实验目的1.1实验原因在经济领域小建立的冋归模型通常都是根据经济金融理论找出对某些变量有影响的其他变量，建立合适的模型，再対模型进行估计。但这不是在所有情况下都适用的，有些变量可能根本无法观测，或者观测频率与原始数据频率不一致不能应川到模型屮，在此情况卜引入了一种新的建模思想，不采用其他变虽，因变

2、址仅对它的滞后值以及随机谋差项的现值和滞示值回归。即自回归单整移动平均模型，简称ARIMA模型。1.2基本概念如果随机谋差项的各期望值之间存在着相关关系，这时，称随机谋差项之间存在白相关性或序列相关。假设我们需要计算X和YZ间的相关性，Z代表其他所有的变量，X和Y的偏相关系数可以认为是X和Z线性回归得到的残差Rx与Y和Z线性回归得到的残差Ry之间的简单相关系数，即偏相关系数。ARTMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列,用一定的数学模型來近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某

3、种程度上已经能够帮助企业对耒来进行预测。本实验主要是根据原始数据序列，以及利用eviews计算出的白相关和偏白相关系数对ARIMA模型进行识別、诊断、估计和预测。2、实验内容选择北辰实业2006T1-1至2009-11-1的收盘价周数据为原始数据。利川原始数据在eviews屮建立合适的ARIMA模型，并利用模型对数据进行预测。3、试验过程3.1模型的识别3.1.1导入数据将数据导入eviews,数据命名为be。并且在eviews中生成原始数据的一阶羌分dbc和二阶差分d2bco如F图所示。seriesdbc=d(bc)0d2bc0date0dbc0residseriesd2bc=d(d

4、bc)Workfile:原始?View)ProcObjectRange:10/30/20(Sample:10/30/20(0be⑥c图3-1原始数据导入和并分3.1.2模型的识别利用ADF检验，可以得出原始数据二阶差分是平稳的，即be序列是2阶非平稳过程,即d的值为2。下图为二阶差分ADF检验的结果。ViewProcObjectPropertiesPrintNameFreezeSampleGenrSheetGraphAugmentedDickey-FullerUnitRootTestonD2BCNullHypothesis:D2BChasaunitrootExogenous:Const

5、antLagLength:3(Automatic-basedonSIC,maxlag=13)t-StatisticProb?AugmentedDickey・Fulle「teststatistic・10.168040.0000Testcriticalvalues:1%level-3.4768055%level-2.88183010%level-2.577668*MacKinnon(1996)one-sidedp-values.AugmentedDickey-FullerTestEquationDependentVariable:D(D2BC)Method:LeastSquaresDate

6、:05/11/15Time:10:32Sample(adjusted):12/11/200610/26/2009Ineludedobservations:142afteradjustmentsVariableCoefficientStd.Errort-StatisticProb.D2BC(-1)-2.5527360.251055-10.168040.0000D(D2BC(-1))0.9865240.2098934.7001360.0000D(D2BC(-2))0.5653270.1490753.7922330.0002D(D2BC(-3))0.3149310.0814013.86888

7、20.0002c-0.0117510.075852-0.1549150.8771R-squared0.753295Meandependentvar-0.005704AdjustedR-squared0.746092S・D.dependentva「1.793634SEof「egression0.903800Akaikeinfocriterion2.670159Sumsquaredresid111.9091Schwarzcriterion2.774