基于ARMA模型的经济非平稳时间序列的预测分析_王丽娜.pdfVIP

交通科学 第 28 卷 　 第 1 期 武 汉 理 工 大 学 学 报( 与工程版) V o l. 28　N o. 1 2004 年 2 月 Jou rn a l o f W uh an U n iver sity o f T echno lo gy F eb. 2004 (T ran spo r tat ion Science Eng ineer ing) 基于A RM A 模型的经济 非平稳时间序列的预测分析 ① 王丽娜　 肖冬荣 (南京气象学院信息工程系　南京　2 10044) 摘要: 时间序列分析方法是经济领域研究的主要工具之一, 它用合适的模型描述历史数据随时间 变化的规律, 并预测经济变量值. 而A RM A 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. 文中通过A RM A 模型分析时间序列的随机性和平 稳性, 以一种商品月度销售额具体分析, 用 sa s 软件检验模型的可行性, 并预测应用. 结果表明, 模 拟值和真实值接近, 在实际应用中预测值的准确对于指导商家的战略决策起重要作用. 关键词: A RM A 模型; 非平稳时间序列; 预测 中图法分类号: F 20 1 1　时间序列预测法 大类. 确定型时间序列预测方法是用一个确定的 时间函数y = f ( ) t 来拟合时间序列, 不同的变化 时间序列预测方法的基本思想是: 预测一个 采取不同的函数形式来描述, 不同变化的叠加采 现象的未来变化时, 用该现象的过去行为来预测 用不同的函数叠加来描述. 随机型时间序列分析 未来. 即通过时间序列的历史数据揭示现象随时 法是通过分析不同时刻变量的相关关系, 揭示其 间变化的规律, 将这种规律延伸到未来, 从而对该 相关结构, 对时间序列进行预测. 文 中讨论 的 现象的未来作出预测. A RM A 模型是一种确定型时间序列模型预测方 现实中的时间序列都是非平稳的, 其变化受 法, 其预测精度高于简单模型. 在实际预测时, 采 许多因素的影响, 有些起着长期的、决定性的作 用组合预测模型, 可以达到更高的预测精度. 用, 使时间序列的变化呈现某种趋势和一定的规 律性, 有些则起着短期的、非决定性的作用, 使时 2　 模型 A RM A 间序列的变化呈现出某种不规则性. 时间序列的 变化大体可分解为以下几种: ( 1) 趋势变化, 指现 A RM A 模型是一种比较成熟的模型, 适于短 象随时间变化朝着一定方向呈现出持续稳定的上 期预测. 对于建立模型, 它要求时间序列是随机和 ( ) ( 升、下降或平稳 的趋势; 2 周期变化 季节变 平稳的, 而且需要大量数据, 需编写计算机程序进 ) 化 . 指现象受季节影响, 按一固定周期呈现出的 行模型的辨识.