应用时间序列分析课程设计..docVIP

课程设计报告 课程： 应用时间序列分析 学号： 姓名： 班级： 教师： 《应用时间序列分析》 课程设计指导书 课程设计的目的 随着社会经济的不断发展，越来越多的集体甚至个人都参与到股票的投资当中，希望在保值的前提下使得财富增值。但因股票的波动性和风险性，因而股市中股票价格的形成机制是个很具吸引力的研究课题。时间序列分析是预测股票价格走势的方法之一，应用数理统计方法加以处理，以预测。 差分方法是一种非常简便、有效的确定性信息提取方法 Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息 差分运算的实质是使用自回归的方式提取确定性信息 模型简介： 自回归移动平均模型(Auto-regressive moving-average model,简称ARMA模型)。它是一种精度相当高的短期预测方法,而且不需要事先假定数据存在着一定的结构或模式,而是从数据本身出发来寻找可以较好描述数据的模式,从而可以保证模型与数据拟合较好。 　 若时间序列为它的当前和前期的误差、随机项以及前期值的线性函数,可以表示为: 设计过程（步骤）或程序代码： 整理出2012年1月4日—2013年12月16日青岛海尔收盘价格序列。详见excel文件时间序列课程设计数据 平稳性检验 1、时序图的平稳性检验 时序图较为清晰的显示了收盘价有趋势性和季节性趋势，显然该序列不是平稳序列。 自相关图的平稳性检验 为了进一步确定序列的平稳性，利用平稳性判别理论自相关图来判别序列的平稳性。根据收盘价格数据求出序列的自相关系数如图所示。 该图横轴表示延迟期数，纵轴表示自相关系数，以竖直方向的垂线表示自相关系数的大小。从图中我们发现序列的自相关系数递减到零的速度相当缓慢，在很长的延迟时期里，自相关系数一直为正，而自相关系数大多数都在二倍标准差范围之外。这是具有单调趋势的非平稳序列的一种典型的自相关图形式。这和该时序图显示的显著的非平稳性是一致的。 白噪声检验 1、差分运算 时序图显示，序列具有长期趋势，选择对序列进行一阶差分。而一阶差分后线性递增趋势被提取，一阶差分后序列具有稳定随机波动，结果如图所示。一阶差分后消除了原数列的趋势性，为了进一步确定一阶差分后序列的平稳性，考察一阶差分后序列的自相关图。，五步差分充分的提取出原序列蕴含的季节性。一阶五步差分后序列的自相关图如图所示。 滞后 (Lag) ACF T LBQ 1 0.804877 17.09 294.12 2 0.607384 8.51 461.98 3 0.404258 4.93 536.51 4 0.180894 2.10 551.46 5 0.008603 0.10 551.50 6 0.021772 0.25 551.72 7 0.013160 0.15 551.80 8 0.003637 0.04 551.80 9 0.006666 0.08 551.82 10 -0.031026 -0.36 552.27 11 -0.064056 -0.73 554.17 12 -0.073427 -0.84 556.68 13 -0.070309 -0.80 558.99 14 -0.036159 -0.41 559.60 15 -0.025999 -0.30 559.92 16 -0.003179 -0.04 559.92 17 -0.003701 -0.04 559.93 18 -0.032110 -0.37 560.41 一阶差分后序列自相关系数都在二倍标准差范围内波动。根据时序图和自相关图可以确定差分后序列为平稳序列。 2、一阶五步差分序列的白噪声检验 假设检验 H0： H1：至少存在某个 延迟 QLB统计量检验 QLB统计量值 P值 延迟6期 551.72 0.25 延迟12期 556.68 0.35 由表中的Sig.（即P值）均≤0.05可看出，接受原假设，所以认为该序列为非白噪声序列。 三、模型拟合 由图可看出，五步差分后的自相关图显现出三阶截尾的性质。再看偏自相关的性质 一阶五步差分后序列的偏自相关系数图 一阶五步差分后序列的偏自相关