ARMA模型.pptx

时间序列建模与 Eviews软件时间序列？时间序列的基本特征例1, 国内生产总值等时间序列（GDP)年 份国内生产总值(亿元)年末总人口(万人)人口自然增长率(‰)居民消费水平(元)19901991199219931994199519961997199818547.921617.826638.134634.446759.458478.167884.674772.479552.8114333115823117171118517119850121121122389123626124810 14.3912.9811.6011.4511.2110.5510.4210.069.538038961070133117812311272629443094例2：先把时间序列描绘在坐标图上，坐标的横轴表示时间 t，坐标的纵轴表示所分析的经济变量下图描述了某商店某年前10个月的销售额例3：例4：某企业从1990年1月到2002年12月的销售数据（单位：百万元） 从这个点图可以看出。总的趋势是增长的，但增长并不是单调上升的；有涨有落。但这种升降不是杂乱无章的，和季节或月份的周期有关系。除了增长的趋势和季节影响之外，还有些无规律的随机因素的作用。Ytt呈水平型变化的时间序列经济变量的发展变化比较平稳，没有明显的上升或下降趋势，也没有较大幅度的上下波动如处于市场饱和状态的产品销售量，生产过程中出现的稳定的次品率。Ytt呈趋势变化的时间序列上升或下降的趋势变化，长期趋势变化Ytt呈周期型变化的时间序列时间序列模型一般形式：Yt = f（t） + εt确定性部分f（t）如何建模？-----曲线拟合等随机性部分εt如何建模？----- B-J方法 粗看： 时间序列建摸的两种基本假设确定性时间序列模型假设：时间序列是由一个确定性过程产生的，这个确定性过程往往可以用时间 t 的函数f（t）来表示，时间序列中的每一个观测值是由这个确定性过程和随机因素决定的.随机性时间序列模型假设：经济变量的变化过程是一个随机过程，时间序列是由该随机过程产生的一个样本。因此，时间序列具有随机性质，可以表示成随机项的线性组合，即可以用分析随机过程的方法建立时间序列模型 细看： 时间序列模型分析影响时间序列变化的主要因素分类长期趋势 (Secular Trend )季节变动 (Seasonal Fluctuation )循环变动 (Cyclical Variation)不规则变动 (Irregular Variations )时间序列的分解经济变量的时间序列通常可以分解成四部分，即：长期趋势，用 T （Trend）表示季节波动，用 S （Seasonal）表示循环波动，用 C （Cyclical）表示不规则波动，用 I （Irregular） 表示（1）长期趋势（T）（2）季节变动（S）—不可解释（随机）的变动（3）循环变动（C）可解释（确定）的变动 （4）不规则变动（I）时间序列分解模型: 时间序列可以表示为以上四个因素的函数，即： 时间序列分解的方法有很多，较常用的模型有加法模型和乘法模型。 加法模型为： 乘法模型为：乘法模型的不同组合模式趋势模式：Y = T ? I 趋势季节模式：Y = T ? S ? I 趋势季节循环模式：Y =T ? S ? C ? I200汽车产量汽150趋势值车产量100（万辆）50019811985198919931997（年份）汽车产量直线趋势 线性模型法Yt*ε t*****Yt = b0 + b1t + b2t2*******t非线性模型描述抛物线型趋势变化的数学模型 Yt = b0 + b1t + b2t2 + εt16零售12量8（亿件）4零售量趋势值019781980198219841986198819901992（年份）针织内衣零售量二次曲线趋势二次曲线随机性时间序列模型（B-J方法） 由美国学者博克思（G.E.P.BOX)和英国学者詹金斯 (G.M.JENKINS) 首先提出的. 模型的性质把时间序列数据作为随机过程产生的样本来分析平稳性时间序列非平稳性时间序列利用时间序列的自相关关系建立模型通过反复实验确定时间序列的最佳模型时间序列的另一种分类平稳序列(stationary series)基本上不存在趋势的序列，各观察值基本上在某个固定的水平上波动或虽有波动，但并不存在某种规律，而其波动可以看成是随机的 非平稳序列 (non-stationary series)有趋势的序列：线性的，非线性的 有趋势、季节性和周期性的复合型序列 平稳时间序列非平稳时间序列平稳性时间序列由平稳随机过程产生的时间序列的性质：概率分布函数不随时间的平移而变化，即： P（Y1，Y2，… …，Yt）=P（Y1+m，Y2+m，… …，Yt+m)期