随机过程课程设计利用平稳时间序的ARMA (p,q)模型的预报.docVIP

《随机过程》 课程设计（论文） 题 目: 利用平稳时间序的 ARMA (p,q)模型的预报 学 院： 理学院 专 业： 数学与应用数学 班 级： 09-1班 学 生 姓 名： 杨振亚 学 生 学 号： 2009026219 指 导 教 师： 蔡吉花 2011 年 12 月 22日 目录 摘 要 3 第一章、 绪论 4 第 二章、基本原理 5 2.1模型判断原理 5 2.2模型定阶原理 6 2.3模型参数的估计 6 2.3.1初估计 7 2.3.2精估计 7 2.3.3ARMA(p,q)序列预报 7 第三章、问题分析 8 3.1问题分析 8 3.2问题提出 8 第四章、计算结果和程序 4.1程序 9 4．1.1稳定性分析 10 4.1.2样本的自相关函数图 10 4.1.3偏相关函数图 11 4.2模型定阶 11 4.3未来预测 12 4.4误差分析 13 第五章、结论和展望 13 5.1结论 13 5.2展望 13 随机过程课程设计任务书 姓名 杨振亚 学号 2009026219 指导教师 蔡吉花 设计题目 利用平稳时间序列的ARMA(p,q)模型的预报 理论要点 利用样本数据的自相关函数和偏相关函数给模型定类型与阶数，利用样本数据求模型的参数。在模型求出之后利用模型对未来进行预报。 设计目标 能找到合适模型，能对未来进行预测并能求出预测误差范围，能给出置信区间。 研究方法步骤 利用所给数据判断模型类型并求出参对未来进行预测。 预期结果 能找到合适模型，能对未来进行预测并能求出预测误差范围，能给出置信区间。 计划与进步的安排 课程安排1周，分 4 次完成： 第一次（1-2天）：分析题目，查找资料。 第二次 （ 3天）把出程序外的论文写出。 第三次( 4天)：借助计算机程序计算题目得出结果。 第四次（ 5天）： 综合起来生成论文。 参考资料 张波，张景肖：《应用随机过程》，清华大学出版社2004版。 刘次华：《随机过程》。 王燕：《应用时间序列分析》（第二版），中国人民大学出版社2008年版。 峁诗松，濮晓龙：《概率论与数理统计》。 填写时间 2011-12-22 摘 要 本文中题目给出了201组数据，首先求出了时序图，该序列的时序图显示出该序列始终在一个常数值84附近随机波动，而且波动的范围有界、无明显趋势，这样根据平稳序列的性质便可以知道，该序列具有稳定性。 然后求出自相关图，从自相关系数的值可以看出，该序列当中的值只具有短期相关性，随着延迟期数的增加，该序列的自相关系数快地衰减向零，则认为没有相关系性，所以说这个序列是平稳的。 从相关图具有很好的截尾性，在延期2阶后截尾；初步判断为MA(q)模型，而后又求出偏自相关图，它具有很好的拖尾性。凭经验定出阶数q=1。然后利用自相关函数进一步判断，得出其为MA（1）模型。 利用MA（1）模型对未来进行预报得到20个数据，并进行误差分析。 关键词： ARMA 模型，平稳时间序列，预测，MA（1） 第1章、 绪论 传统的应用范围较广的时间序列分析方法是由Box和Jenkins于1970年提出的ARIMA（自回归求和移动平均）方法。对于季节性的时间序列，为了从原始序列中分离出趋势（Trend）--也就是剔除季节因素，所采用的主要是美国普查局（U.S. Census Bureau）所提出的X-12方法及其变种，也有采用德国联邦统计局(Federal Statistical Office)提出的BV 4方法。 ARMA模型是适用于任何序列的发展形态的一种高级预测方法，它描述时间序列的动态性和发展变化规律．时间序列分析就是根据有序随机变量或者观测得到的有序数据之间相互依赖所包含的信息，用概率统计方法定量得建立一个合适的数学模型，并根据这个模型对相应序列所反映的过程或系统作出预报或控制。时间序列预测方法的基本思想是：预测一个现象的未来变化时，用该现象的过去行为来预测未来．即通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来作出预测． ARMA模型是一类常用的随机时间序列模型，是一种精度较高的时间序列短期预测方法，其基本思想是：某些时间序列是依赖于时间的一族随机变量，构成该时间序列的单个序