时间序列分析课程设计报告[精品].doc

《时间序列分析》 课程设计报告 学院 理学院 专业 11统计学 姓名 学号 评语： 分数 二○一三年十一月  目录 问题一：利用综合分析的方法对铁路旅客周转量进行分析与预测 …………………P1~P4 问题二：对东风汽车2005年收盘价历史数据进行随机分析 …………………P5~P7 附录一 程序1 …………………P7~P10 程序2 …………………P10~P11 附录二 表1 …………………P11 表2 …………………P11  问题一：利用综合分析的方法对铁路旅客周转量进行分析与预测 对序列绘制时序图如下： 时序图显示，该序列具有很明显的周期性以及递增趋势。 根据时序图的分布，可以看到季节与趋势之间有相互作用关系，尝试使用混合模型拟合该序列发展： ??t=??t?（???t+??t） 通过excel计算出每个月的季节指数??1、??2、??3、……??12如下表： 绘制季节指数图如下： 消除季节影响后拟合该序列的趋势t变动规律。 t=Tt+It 消除季节影响后的铁路旅客周转量序列散点图： 由上图可以看到，该序列有一个基本线性递增的长期趋势，考虑用一元线性回归进行趋势拟合。 t=a+bt 利用最小二乘估计法，可得该线性趋势模型为： t=477.4511+3.8979t,t=1,2，……，105 线性趋势拟合图： 残差检验 残差图如下： 白噪声检验： 由上图可以看出，延迟6阶，12阶，18阶的P值均大于0.05，残差序列为白噪声序列。说明该模型拟合良好，对序列相关信息提取充分。 最终拟合模型为：xt=Si*(477.4511+3.8979t+εt) ,其中i=1,2,…,12; t=1,2,…,105 短期预测 利用拟合模型可以对序列进行短期预测，第t期的预测值为： t(l)=t+l*t+l 利用预测模型和历史数据，得到铁路旅客周转量季节指数，趋势值及预测值如下表所示： 即预测值依次为：848.86 , 723.89 , 727.95 , 972.09，989.68 对2005-2013年铁路旅客周转量的观察值与估计值序列联合作图，如下图所示： 问题二：对东风汽车2005年收盘价历史数据进行随机分析 对序列绘制时序图如下： 时序图清晰显示，该序列非平稳。 对原序列作1阶差分，差分后序列的时序图如下： 时序图显示，差分后序列无明显趋势和周期，序列平稳。 对差分后序列进行白噪声检验，结果如下： 结果显示，延迟6,12,18阶的P值均大于0.05，可以认为一阶差分后的序列属于纯随机序列。 由于该序列是金融时间序列，可能存在异方差。 对原序列进行以延迟一阶为自变量的趋势拟合，通过Dh统计量检验残差序列的自相关性， 检验结果如下： 检验结果显示Dh统计量的P值大于0.05，可认为残差序列没有自相关性。 对序列进行方差齐性检验。Q检验和LM检验结果如下： 上述结果显示，前12阶的Q和LM统计量的P值均大于0.05，可以认为该序列没有异方差。 建立原序列模型为：xt=xt-1+εt 序列的1期预测值为： 即预测值为2.80290. 对东风汽车2005年收盘价的观察值与估计值序列联合作图，如下图所示： 附录一 【程序1】 *建立数据集，绘制时序图; data a; input x@@; t=intnx(month,1jan2005d,_n_-1); format t date.; cards; 483.96 623.19 528.91 476.69 487.96 437.93 553.32 575.57 478.67 508.2 439.97 410.44 591.1 659.53 547.35 510.72 513.07 491.84 611.56 634.61 535.25 553.23 460.84 451.68 536.5 632.24 682.21 547.72 567.59 534.41 687.58 70