财政支出的时间序列分析.pdfVIP

张淑银： 我国财政支出的时间序列分析 我国财政支出的时间序列分析 张淑银 (中信银行福州分行，福建 福州 350007) 摘 要：介绍求和 自回归移动平均模型ARIMA(P，d，q)的建模方法及SAS实现。将 ARIMA 模型应用于我国财政支出的分析与预测，结果表明ARIMA是一种短期预测精度较高的预测模型。 关键词：ARIMA模型；财政支出；预测 中图分类号：F812 文献标识码：A 文章编号：1673-9884(2009)05-0043-04 财政支出是一个地区或国家经济指标体系中的 二、ARIMA模型预测的基本步骤 一 个核心指标，它能综合反映经济活动总量和衡量 (一)时间序列的预处理 一 个地区或国家的工业经济发展水平。对财政支出 如果数据序列是非平稳的，时序图存在一定的 进行定量分析并对其作出较为准确的预测则可以为 增长或下降趋势，则需对数据进行差分处理；如果数 相关部门或者企业制定发展规划、实施相关措施提 据序列存在异方差性，则需对数据进行对数转换或 供可靠的理论预测参考。 者开方处理，同时分析处理后序列的相关图和单位 一 、ARIMA模型的结构 根检验来判断序列的平稳性，直至得到一个平稳的 具有如下结构的模型称为求和 自回归移动平均 序列，并对处理后的序列进行白噪声检验。只有平 (AutoregressiveIntegratedMovingAverage)模型，简 稳非白噪声序列才值得建模。对于经济时间序列， 记为ARIMA(P，d，q)模型-1J 差分次数d通常只取0，1或2L3J。 r (曰) 戈。=0(B) (二)模型识别 {E【(占)=0，Var(占)=：，E(占)=0，s≠￡ (1) 若平稳的时间序列的自相关函数拖尾，而偏相 ^ ：0，vst 关函数是截尾的，则可断定此序列适合 AR(P)模 式中： 型；若平稳的时间序列的自相关函数是截尾，而偏相 = (1一 )， 为后移算子Bx= ， 为 关函数是拖尾的，则可断定此序列适合 MA(q)模 差分算子， =(1一 )，d为差分阶数； 型；若平稳的时间序列的自相关函数和偏 自相关函 (B)：1一咖 一L一 Bp为平稳可逆ARMA 数都是拖尾的，则此序列适合ARIMA(P，d，q)模型。 (P，q)模型的自回归系数多项式； (三)估计模型中未知参数的值 (B)=1一 1一三一 l 为平稳可逆ARMA(P， 一 是检验模型参数的估计值是否具有显著性； g)模型的移动平滑系数多项式。 二是检验残差序列的随机性。 因此，(1)式可以简记为 (四)模型优化 如果拟合模型通过检验，仍然转向步骤3．2，则 辫 (2)应充分考虑各种可能建立的多个拟合模型，从所有 {s。}其中为零均值白噪声序列。 ’ 通过检验的拟合模型中选择最优模型。 ARIEL4模型的基本思想：将预测对象随时间推 (五)预测 移而形成的数据序列视为一个随机序列，用一定的数 利用拟合的ARIMA(P，d，q)模型对序列进行预 学模型来近似描述这个序列，这个模型一旦被