基于（残差）Auto-Regressive模型利用MATLAB解决经济非平稳时间序列的预测分析.pdfVIP

维普资讯 第26卷 第 1期 佳 木 斯 大 学 学 报 ( 自然 科 学 版 ) V01．26No．1 2008 年 01月 Jour ofJiB．msUniversity(NaturalScienceEdifi~) Jan． 2008 文●编号：1008一t4o2(~oos)ot一0071一o4 基于 (残差)Auto—Regressive模型利用 MATI,AB 解决经济非平稳时间序列的预测分析 曾 慧，郑彩萍，王涛涛 (燕山大学理学院，河北 秦皇岛O66OO4) 摘 要：利用(残差)Au 一 Bive模型对我国1978年—2oo5年的GDP进行建模与预测，显 示出该拟合模型优 于ARIMA模型，并运行 MATLAB软件，实现 了建模仿真的全过程，显示了 MATLAB的强大科学计算与可视化功能． 关键词： (残差)Auto—R￡e8sive；建模；预测；程序 中图分类号： 0242．1 文献标识码 ： A 0 引 言 1 ． 1 通过确定性因素分解方法提取序列中主要的 时间序列是随时间改变而随机地变化的序列． 确定性信息 其 目的是找出它的变化规律 ，从而利用规律来预测 他将来的走势．应用面非常广，有如：工程中常用于 = + +e。 (1) 做预报，像气象预报，地震预报，水文预报，还有预 式中， 为趋势效应拟合； 为季节效应拟合；el 测股票走势变化等．然而现实中的时间序列都是非 为随机波动 ． 平稳的 ，其变化受诸多因素影响．大体可分为两 类：一类是确定性因素影响，另一类是随机性因素 实践中，趋势效应拟合常用如下两种方式： 影响．确定性因素又可分为长期趋势波动，它包括 1) = + lt+…+ +e。 长期趋势和无固定周期的循环波动；季节性变化， 2) = +』9l一l+…+』9 ．1+e。 它包括所有具有稳定周期的循环波动；随机波动， 季节效应的拟合常用如下形式： 除了长期趋势波动和季节性变化之外，其他因素的 综合影响归为随机波动 ．拿到一个观察序列 {} 1)给定季节指数 之后，ARIMA模型是人们首选模型，因为它拟合非 = s。 s。是某个已知的季节指数 平稳序列的精度很高，1970年Box和Jenkins提出 2)建立季节 自回归模型 这个模型以来，它已经成为最经典的时间序列拟合 = 口o + 口l I—m + … + 口1 一h ， 模型．但和传统的确定性因素分解方法相比，ARI． MA模型仍然有一些遗憾，它是使用差分方法提取 假定固定周期为m． 确定性信息，差分方法的优点是对确定性信息的提 取比较充分，它的缺点是很难对模型进行直观解释， 1．2 对残差序列拟合 自回归模型l【进一步提取 所以当序列具有非常显著的确定性效应的解释，但 相关信息 又因为它对残差信息的浪费而不敢轻易使用．对于 这一问题，我们需用残差自回归(tIu10一regresive)模 eI leI—l+… + I—P+aI (2) 型 ． 由(1)，(2)构造 (残差) 自回归模