实验六 非平稳时间序列的特征及检验.pptVIP

参照“季节ARIMA模型建模与预测”实验指导进行建模的上机练习 利用实验五、实验六的季节模型建模方法及非平稳序列的检验方法，对—— 1948——1981年美国女性月度失业率 进行建模分析，完成实验报告四 * * 【理论内容】非平稳时间序列的特征，时间序列非平稳性的常规检验，时间序列非平稳性的单位根检验法。 【实验目的】正确理解趋势模型的概念，掌握时间序列平稳化的方法。 【实验内容】平稳化方法及上机操作 实验六 趋势模型 趋势性时间序列的重要特征 什么叫趋势，数学上并无严格的定义，但从直观上来说，是十分明显的，有趋势的时间序列在图形上总表现出一个长期向上或向下的趋势。 时间序列的趋势，有确定性和非确定性两种，前者又分为线性趋势和非线性趋势。非线性趋势通常有多项式曲线.指数曲线.龚珀资曲线和罗吉斯曲线等类型。非确定趋势的序列,是一种慢慢地向上或向下漂移的时间序列。 如果时间序列是由下式所生成的，则称这样的时间序列为趋势平稳的时间序列。 其中， 是时间的一个确定性函数， 是一个白噪声序列。 随机时间序列的趋势性检验 三种判断时间序列趋势性的方法。 一、利用序列图进行判断 二、利用样本自相关函数进行平稳性判断 如果由样本序列的资料算出样本自相关函数,当k增大时，迅速衰减，则认为该序列是平稳的，如果衰减缓慢，则该序列就是非平稳的了。 ， 三、 利用单位根检验进行判断 单位根检验就是检验时间序列的平稳性。而检验时间序列的平稳性是构造经典回归模型、时间序列模型、向量自回归模型、面板数据模型的基础。利用单位根可以检验时间序列的各种非平稳性。 如何利用单位根来对趋势方程进行检验呢? 设时间序列方程由： 所产生。 其中， 是白噪声序列 如果ρ=1则称|Yt|为一个有线性时间趋势的单位根过程。单位根检验就是根据已观测到的时间序列，检验产生这个时间序列的随机过程中的一阶自回归系数ρ是否为1，这个检验实际上就是对时间序列是否为一个趋势平稳过程的检验，如果检验表明没有单位根，则它是一个趋势平稳过程，否则它是一个带趋势的单位根过程。 平稳化方法 　　对于确定性趋势的消除方法,既可以用最小二乘法,也可以用差分的方法。 最小二乘法的作用主要是求出趋势方程,例如,求出线性趋势方程： 则将原序列 减去趋势值 得到一个没有趋势变化的新序列： 一、方差平稳 博克斯和詹金斯提出使用差分的方法去消除趋势, 其效果是很好的, 设原序列为 称 为序列的一阶差分。 为序列 的二阶差分。 为 序列的d阶差分。 二、方差不平稳 消除方差的不平稳性对时间序列的影响，通常是通过变量替换的方法来实现的。一般说来，若序列的方差同序列的发展水平成比例，则采用对数变换的方法，即对原序列 作对数变换。即取 这种变换。有时候对某些序列可能产生过度的修正数据，因而又常常采用平方根变换，即取 趋势模型 一阶差分算子与推移算子B 之间关系为 一阶差分又表示为 同样，高阶差分定义为： ··············· 对任意t, 存在正整数d,使得 令 其中 为 ARMA（p,q）序列， 即满足 则 满足 其中： 则称些模型为自回归求和滑动平均模型， 简记为ARIMA（p,d,q） 建模实例 【例6.1 】试对某种股票价格数据所适合的模型进行识别。 差分后的序列图如下： 从差分后的序列图，可看出数据可能存在一种非常平稳的趋势。 差分序列的样本自相关函数AC与偏自相关函数PAC如下页表。 ARIMA(0，1，4)是一个合理的模式 例6.2 某中部省会城市房地产价格走势的预测。试根据该市2000年1月到2005年5月的市区住房均价数据对该市后3个月市区均价走势进行预测。 差分后序列图如下： 样本自相关函数AC与偏自相关函数PAC如下 从图中数据可看出差分后的时间序列符合MA(2)模型。 用SAS求解，模型参数估计如下 利用条件最小平方法得到的参数估计值 参数 估计值 标准误差 t值 P值 MA1，1 0.59721 0.14148 4.22 0.0001 MA1，2 -0.10384 0.14909 -0.69 0.4908 预测结果如下 预测期 预测值 54 3087.6763 55 3071.4162 56 3071.4162 拟合效果 1948-1981年美国女性（大于20岁）月度失业率 * *