实验三题目.docVIP

实验三：平稳时间序列分析 [实验背景]一个序列经过预处理，被识别为平稳非白噪声序列，则说明该序列是一个蕴涵着相关信息的平稳序列。我们通常建立一个线性模型来拟合该序列的发展。借此提取该序列中的有用信息。ARMA(auto regression moving average)模型是目前最常用的平稳序列拟合模型。 [实验目的]对平稳序列拟合ARMA模型并进行预测。 [实验数据] [实验内容] 平稳时间序列建模步骤 利用Eviews建模。 例1.我国1950-1998年北京市城乡居民定期储蓄所占比例序列如表5-1所示。 表5-1 北京市城乡居民定期储蓄比例 年份 定期储蓄 年份 定期储蓄 年份 定期储蓄 年份 定期储蓄 1950 83.5 1963 84.1 1976 84.5 1989 88.2 1951 63.1 1964 83.3 1977 84.8 1990 89.6 1952 71 1965 83.1 1978 83.9 1991 90.1 1953 76.3 1966 81.6 1979 83.9 1992 88.2 1954 70.5 1967 81.4 1980 81 1993 87 1955 80.5 1968 84 1981 82.2 1994 87 1956 73.6 1969 82.9 1982 82.7 1995 88.3 1957 75.2 1970 83.5 1983 82.3 1996 87.8 1958 69.1 1971 83.2 1984 80.9 1997 84.7 1959 71.4 1972 82.2 1985 80.3 1998 80.2 1960 73.6 1973 83.2 1986 81.3 1961 78.8 1974 83.5 1987 81.6 1962 84.4 1975 83.8 1988 83.4 （1）判断该序列的平稳性与纯随机性。 （2）如果序列平稳且非白噪声，选择适当模型拟合该序列。 （3）利用拟合模型，预测未来5年的定期储蓄比例及其95%的置信区间。 例2.5.wf1 序列时序图 白噪声检验结果 延迟阶数 LB检验统计量的值 P值 6 75.458 0.0001 12 82.866 0.0001 该序列为平稳非白噪声序列，由自相关系数拖尾，偏自相关系数一阶截尾，考虑拟AR（1）模型。 估计方法：条件最小二乘法 拟和口径： 模型通过的显著性检验，且各个参数均显著。 未来5年的定期储蓄比例预测值及其95%的置信区间 年份 预测值 %95置信区间下限 %95置信区间上限 1999 80.5324 72.4905 88.5743 2000 80.7661 70.9360 90.5963 2001 80.9306 70.3267 91.5335 2002 81.0462 70.0815 92.0109 2003 81.1275 69.9885 92.2666 下图是预测效果图（其中蓝色*好表示实际值，红色代表预测值，绿色和灰色线条分别代表95%的置信区间上、下限） 例2.美国科罗拉多州某一加油站连续57天的OVERSHORT序列数据如表5-2所示。 例3.8.wf1 表5-2 78 -58 53 -63 13 -6 -16 -14 3 -74 89 -48 -14 32 56 -86 -66 50 26 59 -47 -83 2 -1 124 -106 113 -76 -47 -32 39 -30 6 -73 18 2 -24 23 -38 91 -56 -58 1 14 -4 77 -127 97 10 -28 -17 23 -2 48 -131 65 -17 行数据 （1）判断该序列的平稳性与纯随机性。 （2）如果序列平稳且非白噪声，选择适当模型拟合该序列。 （3）利用拟合模型，预测未来5期的值及其95%的置信区间。 例3.1880-1985年全球气表平均温度改变值差分序列如表5-3所示。例3.9.wf1 表5-3 -0.4 -0.37 -0.43 -0.47 -0.72 -0.54 -0.47 -0.54 -0.39 -0.19 -0.4 -0.44 -0.44 -0.49 -0.38 -0.41 -0.27 -0.18 -0.38 -0.22 -0.03 -0.09 -0.28 -0.36 -0.49 -0.25 -0.17 -0.45 -0.32 -0.33 -0.32 -0.29 -0.32 -0.25 -0.05 -0.01 -0.26 -0.48 -0.37 -0.2 -0.15 -0.08 -0.14 -0.13 -0.12 -0.1 0.13