案例四方程法剔除确定性趋势后的ARMA模型建模.doc

案例四 方程法剔除确定性趋势后的ARMA模型建模 一、实验目的 掌握根据数据的变化形态，找到合适的方法提取确定性趋势；学会验证数据的平稳性；学会根据自相关系数和偏自相关系数来初步判断ARMA模型的阶数p和q，学会利用最小二乘法等方法对ARMA模型进行估计，学会利用信息准则对估计的ARMA模型进行诊断，以及掌握利用ARMA模型进行预测。掌握在实证研究中如何运用Eviews软件进行ARMA模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 确定性趋势就是时间序列在一个比较长的时期内，受某种或某几种确定性因素影响而表现出的某种持续上升或持续下降的趋势。可以通过适当的数学模型很好地拟合这种趋势。 AR模型：AR模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测, 自回归模型的数学公式为: 式中: 为自回归模型的阶数,（i=1,2, ,p）为模型的待定系数,为误差, 为一个平稳时间序列。 MA模型：MA模型也称为滑动平均模型。它的预测方式是通过 过去的干扰值和现在的干扰值的线性组合预测。滑动平均模型的数学公式为: 式中: 为模型的阶数； （j=1,2,,q）为模型的待定系数；为误差； 为平稳时间序列。 ARMA模型：自回归模型和滑动平均模型的组合, 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA, 数学公式为: 三、实验内容及要