基于ARIMA和EGARCH模型的中国入境旅游收汇预测分析.docx

基于ARIMA 和 EGARCH模型的中国入境旅游收汇预测分析文/ 尚林 秦伟良序列的建模方法, 采用定性和定量相结合的分析方法, 对月收汇数据进行拟合、预测分析、模型比较。本文收集了 2001 年 1 月到 2005 年 8 月, 共 56 个月的中国旅游月收汇数据 ( 数据来源: 中国旅游网) , 利用前 51 个数据作为分析建模数据, 后 5 个月数据作为拟合比较数据。由于 2003 年 3、4、摘要: 本文采用 AR IMA 模型和 EGAR CH 模型, 利用 SAS 软 件 对 2001 年 1 月 到 2005 年 8 月 中 国 入 境 旅 游 收汇数据进行分析 , 并 作 了 拟 合 预 测 比 较 , 目 的 是 选 择 具 有较好拟合效果的模型。关键词: 旅游收汇; AR IMA 模型; EGAR CH 模型;5、6 月份受非典型肺炎影响,中国的入境旅游业受到极大冲击, 这 4 个月份的数据我们首先采用 SAS 软件中的 EX-PAND 语句进行了三次样条插值处理。本文引入 ARIMA 模 型和 EGARCH 模型分析方法, 建立动态预测模型, 从而可 以在某个误差范围内, 做出短期乃至中期的预测。一、模型简介中国的旅游业是在十一届三中全会后的改革开放中诞生的, 自此以后, 中国的旅游业快速发展。中国拥有丰富的 旅游资源, 然而在旅游业刚刚起步的 1979 年, 旅游创汇只 有 2.63 亿美元, 入境旅游人数 只 有 180.9 万 人 。 到 2004 年, 旅游创汇已达 257.39 亿美元, 入境旅游人数 达 到 1.09 亿人次, 中 国 的 入 境 旅 游 业 对 中 国 的 经 济 产 生 了 重 要 影 响。现今, 中国已步入旅游大国行列, 但与一些旅游大国或 旅游强国相比, 仍存在方方面面的问题。纵向上看, 受到其 发展历史及发展现 状 的 影 响 ; 横 向 上 看 , 受 到 国 际 旅 游 环 境、中国国内环境的影响。旅游业对许多国家来说, 是一种 重要的经济资源, 它 可 以 带 动 许 多 相 关 产 业 的 发 展 , 比 如 交通运输业, 餐饮业, 零售业等, 对整个服务业和国家经济 产生极为深远的影响。因此, 各个国家, 各个地区, 都非常 重视旅游业的发展, 以此来促进经济的发展。但是旅游业 又是一个极为敏感的产业, 国内外经济状况、政治状况、重 大事件、自然灾害 等 都 会 影 响 到 入 境 旅 游 业 的 发 展 , 甚 至 产生极为重大影响。因此, 预测模型在旅游业的应用具有 重要的现实意义和经济价值。目前, 对于中国旅游业的研 究方法大多用传统的确定性的时间序列分析, 包括指数平 滑法、滑 动平均法、趋势预测 法 、时 间 序 列 的 分 解 法 等 等 , 多元回归分析的方法, 更多的是定性描述。本文采用随机1、ARIMA ( p, d, q)模型又称自回归求和滑动平均模型, 是由 Box- Jenkins 首先创立的一种预测精度较高的时间序列预测方法, 主要用于非平稳时间序列分析。其一般 数学形式为:!(B)!dx =(B)#tt其中 !(B)=1- ! B- ! B2- L- ! Bp;(B)=1- B- L- Bq;!d=(1-12p1qB)d;Bkx =x ;B 为向后算子, $t 为独立扰动或随机误差 t 是, {x }t t- k随机时间序列。当 d=0 时 , 称 为 自 回 归 滑 动 平 均 过 程 , 简 记 为 ARMA( p, q) , 它适合于平稳时间序列的预测;当 p=0 且 d=0 时, 称为滑动平均过程, 简记为 MA( q) ;当 q=0 且 d=0 时, 称为自回归过程, 简记为 AR( p) 。2、在许多实际问题中, 尤其在金融时间序列中, 随着时间 t 的变化, xt 具有变方差的特性即在某些时期的波动十,分剧烈, 而另一些时期的波动又相对平稳。为了拟合这种波动, 提高预测精度, Engel 于 1982 年首次提出条件异方 差模型, 即 ARCH 模型, 赋 予时间 序 列 条 件 方 差 自 回 归 结 构 , 为 金 融 活 动 提 供 了 强 有 力 的 分 析 工 具 。 1986 年 , Bollerslev 对 ARCH 模型进行了改进, 建立了广义自回归条 件异方差模型, 即 GARCH 模型; 在此基础上, 许多人进行图 1 序列变动曲线总第 91 期统计应用· 47 ·了研究探索, 又得到了许多拓广形式 , 如 IARCH 模 型 、E-GARCH 模型、GARCH- M 模型等等形式, 形成了 ARCH 族 模型。(1) ARCH ( q) 模