时间序列在GDP中的应用.docVIP

时间序列在我国DP中的应用 学生姓名 *** 学 号 专 业 班 级 院 （系） 商学院经贸系 完成时间 2012年6月19日 摘 要 本文利用我国1992至2011年实际GDP的季度数据，建立一个能够有效模拟我国经济时间序列趋势、季节和周期变化的预测模型。分析表明包含季节虚拟变量、ARMA(2,0)(4,0)的线性趋势模型能够很好的拟合我国实际GDP的值，通过样本内预测有效性检验，我们认为用包含季节虚拟变量、ARMA(2,0)（4,0）模型对于分析及预测我国实际GDP是简单而有效的。最后本文对中国2012年的实际季节GDP进行预测，预测结果表明2012年我国经济增长呈现“逐渐变缓”的态势，整体呈现上升的趋势 关键字：ARMA模型 GDP 经济预测 目录1．前言 1 2．ARMA模型简介 1 2.1时间序列分析的预处理 1 2.1.1 差分运算 1 2.1.2 平稳性检验 2 2.2 时间序列基本模型 4 2.2.1 自回归模型 4 2.2.2 移动平均模型 5 2.2.3 自回归滑动平均模型 6 2.3 模型建模步骤 6 2.3.1数据平稳化处理 6 2.3.2模型识别 7 2.3.3 参数估计 7 2.3.4 模型检验 7 2.3 ARMA模型在经济分析工作中的意义 8 2.4 ARMA模型进行分析预测的步骤 8 3. 建立预测模型 9 3.1数据处理 9 3.2加入季节虚拟变量 10 3.3选择合适的ARMA模型 10 3.4对模型进行回归 11 3.5模型评价 13 3.5模型的预测有效性检验 14 4. 对2012年实际GDP增长率进行预测 15 5. 结论 16 参考文献 1 附录 2  时间序列在我国DP中的分析一阶差分 p阶差分 k步差分 差分方法是一种非常简便、有效的确定性信息提取方法，Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息。差分运算的实质是使用自回归的方式提取确定性信息： 差分方式的选择： 序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳。 序列蕴含着曲线趋势，通常低阶（二阶或三阶）差分就可以提取出曲线趋势的影响。对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好地提取周期信息。 平稳性是某些时间序列具有的一种统计特征。对于平稳的序列我们就可以运用已知的时间序列模型对其进行分析预测。因此对数据进行平稳性检验是时间序列分析法的关键步骤。平稳时间序列有两种定义，根据限制条件的严格程度，分为严平稳时间序列和宽平稳时间序列。 对序列的平稳性有两种检验方法，一种是根据时序图和自相关图显示的特征做出判断的图检验方法；一种是构造检验统计量进行假设检验的方法。通常我们都选用图检验方法检验序列平稳性并用单位根统计检验法加以辅助。自相关图法 自相关函数和偏自相关函数的定义：构成时间序列的每个序列值， 之间的简单相关关系称为自相关。自相关程度由自相关系数度量，表示时间序列中相隔k期的观测值之间的相关程度。 (2-1) 其中，n是样本量，k为滞后期，代表样本数据的算术平均值。自相系数的取值范围是[-1并且越，自相关程度越高偏自相关是指对于时间序列，在给定的条件下，与之间的条件相关关系。其相关程度用偏自相关系数度量，有。 (2-2) 其中是滞后期的自相关系数。 如果序列的自相关系数很快地(滞后阶数大于2或3时)趋于，即落入随机区间， 时间序列是平稳的，反之时间序列是非平稳若有更多的自相关系数落在随机区间以外，即与零有显著不同，时间序列就是不平稳的。 自相关图法仅从直观的判断平稳时间序列与非平稳时间序列的区别。也可用以下的方法在理论上检验。单位根检验法 时间序列的平稳性还可以通过单位根检验来判断，单位根检验目前常用的两种方法是DF和ADF。DF检验法是Dickey和Fuller在70年代和80年代的一系列文章中建立的。其基本思想是一阶回归模型中，时，序列是平稳的。若，则序列是非平稳的，存在单位根，通过检验是否可能为1，判断序列是否平稳序列。DF检验的假设是a) DF检验 序列有如下三种形式不包含常数项和线性时间趋势项 (2-3) 包含常数项 (2-4) 包含常数项和线性时间趋势项 (2-5) 其中，检验假设为： 序列存在单位根的零假设下，对参数估计值进行显