时间序列分析课程报告

《时间序列分析课程报告》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、自回归条件异方差模型一、问题提出一些时间序列特别是金融时间序列，常常会岀现某一特征的值成群出现的情况。如对股票收益率序列建模，英随机扰动项往往在较大幅度波动后紧接着较人幅度的波动，在较小幅度波动后紧接着较小幅度的波动。这种性质也就是波动的集群性。在一般冋归分析和时I'可序列分析中，要求随机扰动项是同方差，但这类序列随机扰动项的无条件方差是常量，条件方差是变化的量。这种情况下，需要使用条件异方差模型。二、实例引出【问题】序列耳和易分别代表1951-1998年我国商品零售物价指数和居民消费价格指数，见表1.1。表1」我国商品零售价与居民消费价格指数年份SX年份SX年份SX19511.1

2、221.12519671.3321.36419831.5561.69119521.1181.15519681.3331.36519841.61.73719531.1561.21419691.3181.37819851.7411.94419541.1831.23119701.3151.37819861.8452.0819551.1951.23519711.3051.37719871.982.26319561.1951.22419721.3021.37919882.3462.73119571.2131.26619731.311.3819892.7643.17619581.2161.25

3、219741.3171.38919902.8223.21719591.2271.25619751.3191.39519912.9043.38119601.2651.28819761.3231.39919923.0613.87219611.471.49619771.351.43719933.4654.21219621.5261.55319781.351.44719944.2175.22719631.4361.46119791.3861.47419954.8416.12119641.3831.40719801.4691.58519965.1366.62919651.3461.39198

4、11.5041.62519975.1776.81419661.3421.37319821.5331.65819985.0436.76【探讨分析】第一步:在eviews6.0中做出&和兀的时序图,见图1.1。图1.1我国商品零售物价与居民消费价格指数时序图山图1.1可以看出，两个时序是非平稳序列，可以考虑进行差分处理。若差分序列平稳，则可以对差分序列建立ARMA模型，否则模型失效。第二步：分别对两个序列做一阶差分，得到差分序列记为ds与dx,eviews+的命令为seriesds=s-s(-l),seriesdx=x-x(-l)o对差分序列做出时序图观察,见图1.2。图1・2零售价与

5、消费价格指数一阶差分时序图由图1.2可知，一阶差分序列依然不平稳，此时可以考虑继续做二阶差分。在此，先继续分析相关性问题，即假如建立ARMA模型，其中的阶数p,q取值，见图1.3。□Series:DXWorkfile:CHAPTER9::Untitled曰回ICorrelogramofDXDate:12S0/12Time:21:44Sample:19511998Includedooser/ations:47Wew]Proc

6、ttJect

7、Properttes]Print]Name]Freeze

8、Samde

9、Cenr

10、Sheet

11、Graph]stats

12、Ident

13、Date:12S

14、0/12Time:21:42Sample:19511998Indudedobservations:47AutocorrelationPartialCorrelationACPACQ-StatProb1i11072707272643900001U120327-04273189600001i□'300940170323580000•i□•400790.1283269200001i=]502460.292360200.0001=]ic160.341-0.12742.5580.00012)11702730.002468380.0001□i111801590.0714832400001i19

15、0040-0.1044842000001i•10-00030007484210000AutocorrelationPartialCorrelationACPACQ-StatPro5107230.72320467-0.119303200.06040193-0.07150.2320.27260.2950.06670287-0.0022620237348427124471847.67052.57157.29880194-0.15559509901020.0226013910