ARIMA模型在贸易规模预测中的适用性——基于中国服务贸易进出口规模的分析.pdf

No．6 陕西科技大学学报 Dec．2011 V01．29 oFSHAANXIUNIVERSITYoFSCIENCE＆TECHNOLoGY JOURNAL ·121· + 文章编号：1000—5811(2011)06—0121—05 ARIMA模型在贸易规模预测中的适用性—— 基于中国服务贸易进出口规模的分析 刘 翔 (上海交通大学安泰经济与管理学院，上海 200052) 摘 要：ARIMA模型在经济预测中有着重要的作用．作者通过对平稳时间序列生成机制的分 析，探讨了ARIMA模型的构建过程，并以我国服务贸易进出口规模为研究对象，完整地构建 了ARIMA模型，并对服务贸易规模进行了短期预测．通过对预测结果的差异分析显示，ARI— MA模型较好地体现了时间序列的内在规律性，但对于突发的大范围变动缺乏解释力．此外， 作者重点讨论了ARIMA模型在贸易规模预测中适用性和局限性，并提出模型预测中需要注 意的要点． 关键词：ARIMA模型；服务贸易；规模预测 中图法分类号：F740．22 文献标识码：A O前言 Model， ARIMA模型全称为差分自回归移动平均模型(AutoregressiveIntegratedMovingAverage 列视为一个随机序列，用一定的数学模型来近似描述这个序列，并认为该序列蕴含的规律还将持续遵循下 去．这个模型一旦被识别后就可以从时间序列的过去值及现在值进行外推预测未来值．因此，ARIMA模 型在实证研究中被广泛运用于时间序列分析和模型预测领域． ● 1 ARIMA模型的类型及构建过程 ARIMA模型建模的对象是平稳的时间序列，因此在对一个离散的单变量时间序列进行建模分析时， 应当首先考察其平稳性，再分析和判断数据序列的生成过程． ‘ 根据平稳时间序列生成机制的不同，ARIMA模型实际包含3种类型的模型[2]： (1)自回归模型(简称AR模型)：模型为P阶自回归过程，简记为AR(p)，用公式表示为 Y。=9lY，1+92Yr2+…+铷Y，p+口。 其中，{a。)是满足0均值和常数方差的白噪声序列，吼为模型的待估参数． (2)移动平均模型(简称MA模型)： 模型为g阶移动平均过程，简记为MA(q)，用公式表示为 Yf—nf一口1at-1一巩口r2一…一OqaP口 其中，良为模型的待估参数，其它字母含义同上． (3)自回归移动平均混合模型(简称ARMA模型) 模型为自回归移动平均混合过程，筒记为ARMA(p，q)，用公式表示为 *收稿日期：2011-08-03 作者简介：刘翔(1985一)，男，河南省郑州市人，在读硕士，研究方向：国际服务贸易 万方数据 ·122· 陕西科技大学学报 第29卷 的f表示差分的逆运算． 对于一个时间序列{Y。)而言，构建ARIMA模型的一般步骤为： 首先进行单位根检验或游程检验其平稳性，若非平稳后通过d阶差分作平稳化处理；如果数据存在异 方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零． 之后通过时间序列模型的识别规则判断序列所属类型并建立模型．若平稳序列的偏相关函数是截尾 的，而自相关函数是拖尾的，适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数是截尾的， 适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型[3]． 然后对该平稳时间序列建立相应的ARMA(夕，q)模型，确定后的差分自回归移动平均