经济预测与决策A作业2讲解.doc

经济预测与决策作业2 习题四 1.简述时间序列平滑预测与趋势外推预测的不同特点。 答：(1)趋势外推法根据过去和现在的发展趋势推断未来的方法不断获得的实际数据和原预测数据给以加权平均，使预测结果更接近于实际情况的预测方法 预测结果 其中拟合优度为0.856，均方根误差为20.108，2012年销售量预测值为172万件。 (2)线性趋势模型法 做出散点图 进行线性趋势预测 线性模型的拟合优度为0.217，均方误差为339.363，故均方根误差约为18.422，2012年预测销量为173.82万件。 (3)综合以上两种模型，模型的均方根误差相近，但模型的拟合优度相距甚远。线性模型的拟合优度不足0.5，故拟合效果不佳，霍尔特预测法模型的拟合优度为0.856，拟合效果良好。预测值方面两者相差不大，但鉴于销售量单位为“万件”，导致两者的预测值相差近2万件。 4.已知2002---2007年各月我国社会商品零售总额（单位：亿元），要求分别用温特斯预测法和时间序列分解法预测2008年上半年各月的零售总额，并将两种预测方法的效果作简要比较。资料见 （习题四--4数据）。 答：(1)温斯特预测法 预测结果如上图所示，由结果可知，温特斯模型的拟合优度为0.953，均方根误差为327.921，拟合效果良好。 (2)时间序列分解法 时间序列分解法的预测结果如上图黄色部分所示，从拟合值和观测值的接近程度来看，时间序列分解法不如温特斯模型的拟合程度好。究其原因，从季节性因素分析表来看，每个月的季节指数与100相差不大，说明其季节变动不大，故采用时间序列分解法的拟合效果不佳。 习题六 1.如何用自相关分析图鉴别时间序列的平稳性、随机性？ 答：(1)判断平稳性 若时间序列的自相关函数在k3时都落入置信区间，且逐渐趋于零，则该时间序列具有平稳性；若时间序列的自相关函数更多地落在置信区间外面，则该时间序列不具有平稳性。 (2)判断随机性 若时间序列的自相关函数基本上都落入置信区间，则该时间序列没有相关关系，即具有随机性；若较多自相关函数落在置信区间之外，则认为该时间序列不具有随机性。 2．如何根据自相关分析图和偏相关分析图对一个平稳时间序列ARMA（p, q）’步截尾，则p=p’,q=0； (2)若偏相关图拖尾，自相关图以q’步截尾，则p=0，q=q’； (3)若两图均为拖尾，则自相关图的峰值个数决定q的值，偏相关图峰值的个数决定p的值。 3. 答：自相关图和偏相关图如下： 由上图可知，自相关图和偏相关图均只有一个明显峰值，且均具有拖尾性质，故判断此样本序列来自ARMA（1,1）模型。 模型参数如下图所示： 所以模型表达式为： yt=9.985-0.009yt-1-0.796εt-1 4. 答：(1) 时序图如下图所示 根据形状判断，序列无明显季节性差异。 (2) 自相关图和偏相关图如下 根据两图的峰值个数和趋势，有三种定阶方式： 自相关图有四个峰值，偏相关图有两个峰值，故建立ARMA（2,0,4）模型； 因偏相关图第二个峰值较小，可以认为偏相关图有一个峰值，故建立ARMA（1,0,4）模型； 因自相关图峰值超过三个，可认为其不平稳，进行一阶差分，差分后的自相关图和偏相关图如下： 由于自相关图可以认为有两个峰值，也可认为有一个峰值，因此出现了两种定阶方式： ⅰ：认为自相关图有两个峰值，建立ARMA（0,1,2）模型； ⅱ：认为自相关图有一个峰值，建立ARMA（0,1,1）模型。 综上所述，可建立四种ARMA模型进行比较：模型ARMA（2,0,4）、ARMA（1,0,4）、ARMA（0,1,2）和ARMA（0,1,1）。 (3) 四种ARMA模型创建结果如下： (i)模型ARMA（2,0,4） 该模型拟合优度为0.617，均方根误差为1.113。 (ii) 模型ARMA（1,0,4） 本模型拟合优度为0.617，均方根误差为1.103；与第一个模型相比拟合优度相同，但均方根误差较小，故本模型优于模型一。 (iii) 模型ARMA（0,1,2） 本模型拟合优度为0.509，均方根误差为1.218；与第二个模型相比拟合优度不佳，同时均方根误差也较大，故本模型不如模型二拟合效果好。 (iv) 模型ARMA（0,1,1） 本模型拟合优度为0.509，均方根误差为1.205；与第二个模型相比拟合优度不佳，同时均方根误差也较大，故本模型不如模型二拟合效果好。 综上所述，模型二ARMA（1,0,4）拟合效果最好，模型二的预测值如下图所示： 即51、52期的销售量预测值分别为57.98千件和58.18千件。 习题七 1.简述干预分析模