时间序列模型的预测方法研究毕业论文(金融数学方向).docVIP

毕业论文 题目：时间序列模型的预测方法 研究 系 别：数理系 专 业：数学与应用数学 姓 名：王德杰 学 号：171407134 指导教师：刘雅妹 河南城建学院 2011年 5 月 30 日 目 录 摘 要 Ⅰ Abstract Ⅱ 引 言 1 第一章 时间序列预测法的含义及特点 2 1.1时间序列预测法的含义 2 1.2时间序列预测法的特点 2 第二章 时间序列分解 4 2.1时间序列的构成因素 4 2.2时间序列的分解模型 5 2.3关于在预测中常用的误差指标 5 2.4时间序列的分解分析 7 第三章 趋势变动分析 8 3.1移动平均法 8 3.2趋势模型法 10 第四章 季节变动分析 11 4.1月（季）平均法 11 4.2移动趋势剔除法 12 第五章 循环变动分析 13 5.1直接法 13 5.2剩余法 14 第六章 基于时间序列的分解法在季度GDP中的应用 15 6.1数据来源与原始数据预处理 15 6.2 季节变动因素S 17 6.4长期趋势因素T 21 6.5循环变动因素C 26 6.6不规则变动因素I 28 6.7模型的预测 28 6.8结论 29 6.9分解法的改进 30 附录 30 参考文献 33 致 谢 34 摘 要 时间序列是按照时间顺序取得的一系列观察值，由时间和观察值两个基本要素组成。时间序列分析就是研究事物发展变化数量特征的量化分析方法。影响时间序列的因素可以分为四种：长期趋势、季节变动、循环变动和不规则变动，这些成分通过不同的组合方式影响时间序列的发展变化。采用时间序列分析进行预测时需要用到一系列的模型，这种模型统称为时间序列模型。在使用这种时间序列模型时，总是假定某一种数据变化模式或某一种组合模式总是会重复发生的。时间序列分析的分解法从这个角度出发理解时间序列的构成因素，并将其转化成可量化的季节模型，通常分为加法模型和乘法模型。因此可以首先识别出这种模型，然后将时间序列的各个构成因素逐一分解出来，建立适合的曲线模型，就可以进行预测了。 本文通过具体实例，研究了时间序列模型在我国季度GDP预测中的应用，并分析探讨了模型的准确性和实用性。文章分析了我国1992~2010年的季度 GDP时间序列，在剔除了季节性变动之后，建立趋势预测模型，通过对不同模型进行比较后发现：三次多项式模型能很好地拟合我国季度GDP时间序列，可用该模型进行预测。然后再剔除趋势变动，进而求得循环指数，由于不规则变动因素是不可预测的,本文对不规则变动因素不作分解。最后根据乘法模式进行预测，得出了2010年四个季度和2011四个季度的GDP数据，另外，通过预测值计算季度GDP同比增长率后发现，我国2011季度GDP仍然呈现较高的增长趋势，但增长速率有放缓的迹象。预测结果的准确性较高，但随着预测时间的延长，预测误差会逐渐增大，其精度也会下降，不过该预测仍然具有一定现实意义。 关键字：时间序列模型；分解法；季度GDP；预测 Abstract Time series is a series of observations in time sequence, and composed of two basic elements of time and observation.?Time series analysis is the study of method for quantitative analysis of quantitative characters of development change things. Factors influencing the time series can be divided into four types:?long-term trends, seasonal changes, circulation changes and irregular change.?Through different combinations of these components affect the development and changes of time series. Forecasting using time series analysis is required to a range of models, this model are collectively referred to as a time series model.?In the use of this time series models, we always assume that s a data change