实验5随机时间序列预测.docVIP

实验5：随机时间序列预测 5.1实验目的 了解ARMA预测模型的基本概念，基本原理及建模过程； 掌握平稳时间序列的检验方法，白噪声序列是检验方法，模型检验的方法； 掌握ARMA模型的具体类型、扩展类型ARIMA、模型算法、模型检验、模型优化及模型预测； 掌握利用Eviews软件实现ARMA模型的整个建模及各种检验流程，掌握运用Eviews软件和推导相结合的AR模型、MA模型、ARMA模型、ARIMA模型的点预测和区间预测。 5.2实验原理 Box-Jenkins提出的ARMA模型是从时间序列自相关的角度揭示时间序列的发展规律，它的思想源于事件的发展具有一定的惯性，而这种惯性用统计语言描述就是序列值之间存在一定的相关关系，而且这种相关关系具有一定的统计规律，我们所要做的就是通过分析相关关系找出这种规律，并用适当的模型来拟合这种规律，进而利用这种拟合模型来预测将来的走势。 5.2．1 样本自相关函数 如果样本观察值为，我们可以给出延迟k阶的自相关函数估计值，即样本自相关函数： 其中，。 自相关函数说明了样本数据不同时期之间的相关程度。其取值范围在-1到+1之间，越接近1，说明时间序列的自相关程度越高。反之如果越接近于0，则说明时间序列的自相关程度越低。 5.2．2、样本偏自相关函数 在时间序列中，偏自相关函数是给定了的条件下，与滞后期k时间序列的条件相关。它用来度量当其他滞后期时间序列的作用已知的条件下，单纯的与的相关程度。设样本观察值为，可以给出样本偏自相关函数： 其中： 5.2.3平稳时间序列概念 设时间序列取自某一随机过程，如果此随机过程的随机特征不随时间变化，则我们称过程是平稳的；假如该随机过程的随机特征随时间的变化而变化，则我们称过程是非平稳的。一般的，关于平稳随机过程有两种定义方法。 （一）宽平稳序列 1、定义 如果满足如下三个条件： 任取t∈T，有 任取t∈T，, 为常数； 任取∈T,且∈T,有； 则称为宽平稳序列。宽平稳也称为弱平稳或二阶平稳。 2、性质 常数均值 常数方差 自协方差和自相关系数只与时间的平移长度有关，而与时间的起止点无关 （二）严平稳序列 严平稳定义比较严谨，它要求时间序列所有的统计性质都不会随着时间的变化而发生变化，在研究经济的实际问题中，我们遇见的时间序列多为宽平稳，因此如果不加特殊注明，所说的平稳序列指的都是宽平稳时间序列。 5.2.4 白噪声序列 如果时间序列满足如下条件： （1）任取t∈T，, 为常数； （2）, 则称为白噪声序列，也称纯随机序列。通过定义我们知道，白噪声序列也具有常数均值，常数方差，自协方差和自相关系数为零，当然与时间的起止点无关，所以白噪声序列是一种特殊的宽平稳时间序列， 5.2.5 平稳时间序列 ARMA 模型的形式 ARMA模型是20世纪70年代由Box-Jenkins系统提出的时域分析方法，它的建模思想源于事物发展具有的一定的惯性，而这种惯性体现其时间序列上前后具有一定的关联性，ARMA模型从时间序列出发，依据其自身变化规律，利用外推机制提取时间序列前后关联性，以达到预测的目的，ARMA模型从识别、估计、诊断及预测建立了一套完整、正规的建模体系，并且具有牢固的理论基础。ARMA最基本的模型有以下三种形式： （一）自回归模型AR p 如果时间序列能表示成其自身滞后1期、滞后2期、直到滞后p期线性回归模型的形式， 即， 其随机扰动项是独立同分布飞随机变量序列，并且对于任意的t，，，，则称时间序列服从p阶自回归模型，记为AR p 。称为自回归系数。 （二）移动平均模型MA q 如果时间序列能表示成随机扰动项的当期和其滞后期q加权平均形式，即 其随机扰动项是独立同分布飞随机变量序列，并且对于任意的t，，，，则称时间序列服从q阶自回归模型，记为MA q 。称为移动平均系数。 （三）ARMA p,q 模型 如果时间序列满足： 其中：是独立同分布飞随机变量序列，并且对于任意的t，，，，则称时间序列服从 p,q 阶自回归移动平均模型，记为ARMA p,q 。称为自回归系数，称为移动平均系数。 对于ARMA p,q 模型，当时，模型记为AR p ；当时，模型记为MA q 。 5.2.6 ARMA p,q 模型分析框架及流程： 5.2.7 平稳性检验方法 利用ARMA模型来拟合时间序列，必须先对序列的平稳性进行检验，只有当序列平稳了，才可以使用ARMA模型。序列的平稳性检验并不是件很容易的事，从直观到精确的检验方法有两种；一是图检验法，二是单位根检验法，其中图检验法又细分为时序图检验和自相关函数图检验。 （一）图检验 1、时序图检验 此检验方法来源于宽平稳时间序列的定义，以横轴表示时间，纵轴表示序列取值，如果序列的时序图显示出该序列始终在一个常数值附近做随机波动，而且