实验五非平稳序列的随机分析.docVIP

实验五 非平稳序列的随机分析 一、实验目的：利用arima，autoreg，进行非平稳序列的随机性分析。对arima模型， auto-regressive模型及garch模型进行拟合并分析结果。 二、实验内容 习题1 data example3_1; input x@@; t=_n_; cards; 304 303 307 299 296 293 301 293 301 295 284 286 286 287 284 282 278 281 278 277 279 278 270 268 272 273 279 279 280 275 271 277 278 279 283 284 282 283 279 280 280 279 278 283 278 270 275 273 273 272 275 273 273 272 273 272 273 271 272 271 273 277 274 274 272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 ; proc gplot data=example3_1 ; plot x*time=1; symbol v=star c=black i=join; run; 得到的时序图如下： 由时序图可知，该序列不平稳，是一个非平稳序列。而差分运算的实质是使用自回归方式提取确定性信息，因此用1阶差分对序列的信息提取，输入如下程序： proc gplot; plot difx*t; symbol v=star c=black i=join; proc arima; identify var=x(1) minic p=(0:5) q=(0:5); run; 且data中输入difx=dif(x); 得到一阶差分时序图如下： 该时序图没有明显的非平稳特征。 其白噪声检验结果如下： 根据检验结果显示，该序列延迟各阶的P值都大于显著性水平0.05，接受原假设，即股票的收盘价1阶差分序列为白噪声序列，分析结束。 习题4 解：设1867-1938年英国绵羊数量为变量y，输入程序： data xiti5_4; input x@@; t=_n_; cards; 2203 2360 2254 2165 2024 2078 2214 2292 2207 2119 2119 2137 2132 1955 1785 1747 1818 1909 1958 1892 1919 1853 1868 1991 2111 2119 1991 1859 1856 1924 1892 1916 1968 1928 1898 1850 1841 1824 1823 1843 1880 1968 2029 1996 1933 1805 1713 1726 1752 1795 1717 1648 1512 1338 1383 1344 1384 1484 1597 1686 1707 1640 1611 1632 1775 1850 1809 1653 1648 1665 1627 1791 ; proc gplot; plot x*t=1; symbol1 v=star c=black i=join; run; 得到序列时序图如下： 由时序图可知该序列不平稳，即该序列为一个非平稳序列。 而差分运算能使用自回归方式提取确定性信息，因此对序列进行1阶差分运算，考察其1阶差分序列的平稳性，在原序列的data步加入命令difx=dif(x);并输入如下程序： proc gplot; plot difx*t; symbol v=star c=red i=join; run; 得到1阶差分序列时序图： 1阶差分序列值始终在0周围上下波动，即1阶差分序列平稳。 为了识别模型，输入如下程序： proc arima; identify var=x(1) minic p=(0:5) q=(0:5); run; 白噪声检验结果如下： 显示1阶差分后序列为非白噪声序列。 最小信息量结果如下： 可以用ARIMA(2,1,0)模型(即p=2,d=1)拟合原序列。 为了直观地观察拟合效果，输入如下程序： proc gplot data=out; plot y*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay; sym