ARMA模型.pptx

时间序列建模与 Eviews软件;时间序列？;例1, 国内生产总值等时间序列（GDP);例2：;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。;呈水平型变化的时间序列;呈趋势变化的时间序列;呈周期型变化的时间序列;时间序列模型; 粗看： 时间序列建摸的两种基本假设; 细看： 时间序列模型分析;时间序列的分解;（1）长期趋势（T）;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;线性模型法;非线性模型;二次曲线;随机性时间序列模型（B-J方法）;时间序列的另一种分类;平稳时间序列;非平稳时间序列;平稳性时间序列;随机性时间序列的特点; 平稳随机时间序列模型：是指仅用它的过去值及随机扰动项所建立起来的模型，其一般形式为 Xt=F(Xt-1, Xt-2, …, ?t) 建立具体的时间序列模型，需解决如下三个问题： (1)模型的具体形式 (2)时序变量的滞后期 (3)随机扰动项的结构 例如，取线性方程、一期滞后以及白噪声随机扰动项（ ?t =?t），模型将是一个1阶自回归过程AR(1)： Xt=?Xt-1+ ?t 这里， ?t特指一白噪声。 ; 一般的p阶自回归过程AR(p)是 Xt=?1Xt-1+ ?2Xt-2 + … + ?pXt-p + ?t (*); 将纯AR(p)与纯MA(q)结合，得到一个一般的自回归移动平均（autoregressive moving average）过程ARMA（p,q）： ;随机性时间序列模型的特点;时间序列的自相关关系;（总体 ）自相关函数;样本自相关函数;样本自相关函数的性质;样本自相关函数的性质;偏自相关函数值;随机性时间序列模型的特点;时间序列最佳模型的确定;模型分类;移动平均模型 MA( q );混合自回归移动平均模型 ARMA (p，q）;模型的识别;; 新建一个文件？例：表1, 1989—2008年海南省的GDP数据 单位：亿元 资料来源：海南省统计年鉴2009年;Eviews 软件介绍;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;;时间序列模型;GDP = C(1) + C(2)*T + C(3)*T^2 + C(4)*T^3 + C(5)*T^4+R;另：;;;;;;;;;;;;; Thanks