ARIMA模型在我国对外贸易中的应用.doc

《ARIMA模型在我国对外贸易中的应用.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ARIMA模型在我国对外贸易中的应用摘要：新中国已成立58年，在这58年中中国发生了翻天覆地的变化。随着改革开放的实施，中国逐步打开国门，与世界接轨，逐步发展成为国际化大国。全国进出口贸易总额在很大程度上可以反映这一情况，本文选取该指标来研究中国近年来国际贸易情况，并预测未来国际贸易趋势。尤其是自1994年中国实行盯住美元的汇率制度以来，中国的贸易差额开始了持续的正盈余。2001年中国加入WTO后，对外贸易额大幅度增加，中国在国际舞台中的地位日益提升。近年来，美国、欧盟、中国香港在中国对外出口中的份额有所增加，而出口到日本的份额下降。美国、欧盟、日本等主要经济体的经济发展态势对于

2、中国的外贸出口影响大。与此同时，中国外贸依存度也出现了巨大的变化。1985～2005年，中国对外贸易年均增长比国民经济增长快9个百分点，外贸依存度从1985年的21.4%提高到2005年的80.2%。特别是在加入WTO后，外贸依存度与出口依存度出现了直线上升势头。中国出口拉动战略型战略由此可见。在出口拉动下，通常会低估本币，反应在汇率上就会表现为汇率持续的上升。本文首先介绍了时间序列模型的基本概念，然后在实证中，本文所用数据为1950年－2005年全国进出口贸易总额，数据来源于《新中国50年统计年鉴》第60页。该表1979年以前为外贸业务统计数，从1980年起为海关进出口统计数，

3、单位为亿元人民币。关键词：时间序列；ARMA模型；ARIMA模型；对外贸易一、时间序列模型的基本概念(一)时间序列模型的介绍随机时间序列模型（timeseriesmodeling）是指仅用它的过去值及随机扰动项所建立起来的模型，其一般形式为Xt=F(Xt-1，Xt-2，…，mt)1.纯AR(p)过程Xt=j1Xt-1+j2Xt-2+…+jpXt-p+mt(*)如果随机扰动项是一个白噪声(mt=et)，则称(*)式为一纯AR(p)过程（pure16AR(p)process），记为：Xt=j1Xt-1+j2Xt-2+…+jpXt-p+et2.纯MA(q过程如果随机扰动项不是一个白噪声

4、，通常认为它是一个q阶的移动平均（movingaverage）过程MA(q)：mt=et-q1et-1-q2et-2-¼-qqet-q该式给出了一个纯MA(q)过程（pureMA(p)process）。3.一般的自回归移动平均（autoregressivemovingaverage）过程ARMA（p，q）将纯AR(p)与纯MA(q)结合，得到一个一般的自回归移动平均（autoregressivemovingaverage）过程ARMA（p，q）：Xt=j1Xt-1+j2Xt-2+…+jpXt-p+et-q1et-1-q2et-2-¼-qqet-q该式表明：（1）一个随机时间序列可

5、以通过一个自回归移动平均过程生成，即该序列可以由其自身的过去或滞后值以及随机扰动项来解释。（2）如果该序列是平稳的，即它的行为并不会随着时间的推移而变化，那么我们就可以通过该序列过去的行为来预测未来。这也正是随机时间序列分析模型的优势所在。4.自回归单整移动平均时间序列ARIMA(p，d，q)ARIMA模型全称为自回归移动平均模型(AutoregressiveIntegratedMovingAverageModel，简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹金斯法。其中

6、ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归，p为自回归项;MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。如果我们将一个非平稳时间序列通过d次差分，将它变为平稳的，然后用一个平稳的ARMA(p，q)模型作为它的生成模型，则我们就说该原始时间序列是一个自回归单整移动平均（autoregressiveintegratedmovingaverage16）时间序列，记为ARIMA(p，d，q)。ARIMA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，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间

7、序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。ARIMA模型预测的基本程序：（1）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。（2）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相