时间序列课程论文..doc

基于ARIMA模型上海商品交易所期货交易成交金额的预测 摘要：期货交易成交金额是判断期货市场发展状况的指标之一，为了观察一个国家期货市场的发展状况，有必要对其进行预测。本文选用1999年12月－2013年5月上海商品交易所期货交易成交金额数据，通过介绍ARIMA模型及建模步骤，利用SAS软件，尝试拟合ARIMA模型，并将该模型应用于上海商品交易所期货交易成交金额数据的实证分析，同时对上海商品交易所期货交易未来3个月的成交金额作出预测和分析。分析结果显示该交易所期货交易未来3个月的成交金额呈增长态势，表明在正常情况下上海商品交易所期货交易未来3个月的成交金额稳定增长。 关键词：上海商品交易所；成交金额；ARIMA模型；预测；SAS 目录 摘要 i 第一章 引言 1 1.1 研究现状 1 1.2 基础知识概述 2 1.2.1　差分运算 2 1.2.2　ARIMA模型 2 第二章 建模步骤 4 2.1 数据平稳性检验 4 2.2平稳序列的白噪声检验 4 2.3 模型的识别 5 2.4 模型的优化 5 2.5 参数估计 6 2.6 模型的显著性检验 6 2.7 模型预测 7 第三章 ARIMA模型对上海商品交易所期货交易成交金额的实证分析 8 3.1 对数据进行平稳化处理与检验 8 3.2 平稳序列的白噪声检验 10 3.3 模型的识别与优化 10 3.4 参数估计 12 3.5 模型的检验 13 3.6 预测结果与分析 13 第四章 总结 15 参考文献： 17 附录： 18 第一章 引言 1.1 研究现状 经过二十多年的发展，我国期货市场规模稳步扩大，服务国民经济能力不断增强。“十二五”期间，随着国民经济结果调整转型的需要，对期货市场发展提出了更高要求。如何更快更好的发展我国期货市场，已然成为了当今社会，许多经济学家关心的热点问题。 我国期货市场经历了孕育、试点、整顿、规范发展等阶段。如今期货市场的价格发现和套期保值功能得到了正常的发挥，并在指导现货生产、消费与流通，促进现货市场流通秩序建立，推动农业结构调整和粮食流通体制改革等方面发挥着积极的作用。随着市场规模的不断扩大，期货市场的功能发挥日益明显，服务相关产业和国民经济的能力不断提高。中国期货市场已经是全球第二大期货市场，与国际市场的差距在缩小。目前我国期货市场在全球影响越来越大，铜、玉米、大豆、小麦等期货价格，日益成为影响国际价格的重要因素。在成功抵制金融危机带来的重大系统风险挑战后，中国期货业已在稳步发展的基础上步入快速发展期，成交金额也在不断的扩大。 随着预测的应用领域不断拓展,关于期货成交金额的预测方法、模型的创新成果也不断涌现,这些成果结合了经济学及其他学科的前沿理论,进行了一些具有开创性的研究，其中还不乏一些具有影响力的成果。大大的拓展了期货成交金额的预测方法。另外,值得一提的是,期货成交金额预测模型的多样化丰富了期货成交金额预测的方案,但是期货成交金额预测方案的选取一定是建立在对已有的期货成交金额数据进行充分的评估基础之上的,结合模型各自的特征,并对模型进行适当的修正,才能得出科学、合理的期货成交金额预测结果。只有这样,期货成交金额预测才能为期货市场发展提供科学的力量。 1.2 基础知识概述 1.2.1　差分运算 相距1期的两个序列值之间的减法运算称为1阶差分运算．记为的1阶差分： 对1阶差分后序列再进行一次1阶差分运算称为2阶差分．记为的2阶差分： 依此类推，对p-1阶差分后序列再进行一次1阶差分运算称为p阶差分．记为的p阶差分： 1.2.2　ARIMA模型 本文讨论的求和自回归移动平均模型, 简记为 模型, 是美国统计学家G.E.P.Box和G.M.Jenkins于1970年首次提出, 广泛应用于各种类型的时间序列数据的分析方法, 是一种预测精度相当高的短期预测方法。 原理： 具有如下结构的模型称为求和自回归移动平均模型, 即 模型: (1) 式中： ，为平稳可逆模型的自回归系数多项式 ，为平稳可逆模型的移动平滑系数多项式 式（1）可以简记为： (2) 式中{}为零均值白噪声序列，是时间序列的均值。由式(2) 显而易见, 模型的实质就是差分运算与ARMA模型的组合。 第二章 建模步骤 时间序列模型是建立在随机序列平稳性假设的基础上的, 因此时间序列的平稳性是建模的重要前提。 ARMA 模型及ARIMA模型都是在平稳时间序列基础上建立的。任何非平稳时间序列只要通过适当阶数的差分运算就可以实现平稳, 就可以对差分后的序列进行 拟合了。 模型的具体建模步骤如下: 2.1 数据平稳性检验 首先要对时间序列数据进行平稳性检验。可以通过时间序列的散点图或折线图对