ARIMA模型-自回归移动平均模型..docVIP

自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA) 目录 [显示] 1 什么是ARIMA模型? 2 ARIMA模型的基本思想 3 ARIMA模型预测的基本程序 4 相关链接 4.1 各国的box-jenkins模型名称 5 ARlMA模型案例分析 5.1 案例一:ARlMA模型在海关税收预测中的应用 5.2 案例二:基于ARIMA模型的备件消耗预测方法[1] 6 参考文献 [编辑] 什么是ARIMA模型? 　　ARIMA模型全称为自回归移动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于70年代初提出的一著名时间序列预测方法，所以又称为box-jenkins模型、博克思-詹金斯法。其中ARIMA（p，d，q）称为差分自回归移动平均模型，AR是自回归, p为自回归项; MA为移动平均，q为移动平均项数，d为时间序列成为平稳时所做的差分次数。 [编辑] ARIMA模型的基本思想 　　ARIMA模型的基本思想是：将预测对象随时间推移而形成的数据序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。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来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。 [编辑] ARIMA模型预测的基本程序 　　（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。 　　（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，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。 　　（三）根据时间序列模型的识别规则，建立相应的模型。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，可断定序列适合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，则可断定序列适合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。 　　（四）进行参数估计，检验是否具有统计意义。 　　（五）进行假设检验，诊断残差序列是否为白噪声。 　　（六）利用已通过检验的模型进行预测分析。 [编辑] 相关链接 [编辑] 各国的box-jenkins模型名称 Glossary of statistical terms Language Description English Box-Jenkins model French modèle de Box-Jenkins German Box-Jenkins-Modell Dutch Box-Jenkins-model Italian modello Box-Jenkins Spanish modelo de Box-Jenkins Catalan model de Box-Jenkins Romanian modelul Box-Jenkins Finnish Boxin-Jenkinsin mallit Hungarian Box-Jenkins-modell Turkish Box-Jenkins modeli Estonian Box-Jenkinsi mudel Lithuanian Box ir Jenkins modelis?; Bokso ir D?enkinso modelis Slovenian Box-Jenkinsova model Polish model Boxa-Jenkinsa Russian Модель Бокса-Дженкинса Ukrainian модель Бокса - Дженк?нса Farsi modele Box-Jenkins Persian-Farsi ??? ????-?????? Arabic ????? ???? - ???? Afrikaans Box-Jenkins-model Chinese 博克斯―詹金斯模型 [编辑] ARlMA模型案例分析 [编辑] 案例一:ARlMA模型在海关税收预测中的应用 　　2008年。海关税收预算计划8400亿元.比2007年实际完成数增加10.8％，比2007年预算数增加22.1％。为了对2008年江门海关税收总体形势进行把握，笔者尝试利用