eviews时间序列的实验.docVIP

卢楚宜 11国际金融1班 11250505125 实验三 ARMA模型建模与预测指导 一、实验目的学会的平稳性；学会根据自相关系数和偏自相关系数来初步判断ARMA模型的阶数p和q，学会利用最小二乘法等方法对ARMA模型进行估计，学会利用信息准则对估计的ARMA模型进行诊断，以及掌握利用ARMA模型进行预测。掌握在实证研究中如何运用Eviews软件进行ARMA模型的识别、诊断、估计和预测和相关具体操作。 、实验内容及要求 1实验内容： （1）根据时序图 （）运用经典B-J方法对建立合适的ARMA（）模型，并能够利用此模型进行预测。 2实验要求： （1）深刻理解平稳性的要求以及ARMA模型的建模思想； （2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARMA模型；如何利用ARMA模型进行预测； （3）熟练掌握相关Eviews操作，读懂模型参数估计结果。、实验指导（1）数据 打开Eviews软件，选择“File”菜单中的“New--Workfile”选项 （3）绘制序列相关图 双击序列，点击view/Correlogram。（给出序列相关图，并判断其平稳性） Date: 11/21/13 Time: 22:10 Sample: 1 201 Included observations: 201 Autocorrelation Partial Correlation AC? ?PAC ?Q-Stat ?Prob ??????**|. | ??????**|. | 1 -0.298 -0.298 18.147 0.000 ???????*|. | ??????**|. | 2 -0.120 -0.230 21.122 0.000 ???????.|. | ???????*|. | 3 -0.048 -0.186 21.593 0.000 ???????.|* | ???????.|. | 4 0.108 -0.004 23.998 0.000 ???????*|. | ???????*|. | 5 -0.095 -0.106 25.866 0.000 ???????.|* | ???????.|* | 6 0.158 0.128 31.083 0.000 ???????.|. | ???????.|. | 7 -0.059 0.033 31.804 0.000 ???????.|. | ???????.|. | 8 0.014 0.057 31.847 0.000 ???????.|. | ???????.|. | 9 -0.062 -0.013 32.667 0.000 ???????.|. | ???????.|. | 10 0.046 -0.000 33.125 0.000 ???????.|. | ???????.|. | 11 0.001 0.022 33.125 0.001 ???????.|. | ???????*|. | 12 -0.062 -0.099 33.962 0.001 ???????.|. | ???????.|. | 13 0.002 -0.045 33.963 0.001 ???????.|* | ???????.|. | 14 0.090 0.042 35.739 0.001 答：?从相关图看出，自相关系数迅速衰减为0，说明序列平稳。同时，Q-Stat和它的伴随概率显示的结果是，伴随概率为很小接近零，故序列为非白噪声序列，序列的前后期之间存在相关。综上，此数列是平稳的非白噪声序列。 （4）模型定阶 根据序列的自相关系数图和偏自相关系数图，为ARMA模型 图1（production描述统计量） 图2（中心化后的production描述统计量） 2．模型参数估计 （给出各个备选模型的估计结果） （1）尝试AR模型，因为时间序列为平稳，正态和零均值的时序是建立AR模型的前提条件，因上题中已经进行了中心化，故可直接建立AR（3）模型。由伴随概率可知，AR（i）（i=1，2，3）均高度显著。AIC、SC准则都是选择模型的重要标准，在做比较时，希望这两个指标越小越好。DW统计量是对残差的自相关检验统计量，在2附近，说明残差不存在一阶自相关。得到的回归