基于BoxJenkins方法的中国年度GDP时间序列分析建模与预测.docx

2009 年 第 3 期 青海师范大学学报 (自然科学版) Journal of Qinghai Normal University (Natural Science) 2009 No1 3 基于 Box - J enkins 方法的中国年度 GD P 时间序列分析建模与预测 赵晓葵 (青海师范大学 法商学院 ,青海 西宁 810008) 摘 要 :通过基于 Box - Jenkins 方法的时间序列分析技术 ,对中国 1966 - 2006 年的年度 GDP 数据序列进行建模分析 ,验证 该序列的时间序列特性 ,研究并选择了序列的最佳 ARMA 模型 ,本文也通过模型对中国 2007 - 2010 的年度 GDP 进行了预 测. 模型实证分析的结果表明 :在 GDP 时间序列分析建模与预测方面 ,Box - J enkins 方法及其模型是一种精度较高且切实 有效的方法模型. 关键词 :Box - J enkins 方法 ;年度 GDP ;时间序列分析 ; ARMA 模型 中图分类号 :O2111 61 文献标识码 : A 文章编号 :1001 - 7542 (2009) 03 - 0015 - 05 经济运行过程从较长时间序列看 ,由于市场机制的作用 ,呈现一定的规律 ,这对预测提供了依据 ,目 前 ,预测经济运行时间序列的理论与方法较多 ,比较经典的有灰色理论 、生长曲线 、指数平滑法等 ,这些 方法对经济运行长期趋势的把握较准 ,但对短期波动把握的概率度不高. 作为上世纪 70 年代后理论开 始成熟和完善的统计数学分支之 ———时间序列分析 ,不仅考察预测变量的过去值与当前值 ,同时对模型 同过去值拟合产生的误差也作为重要因素进入模型 ,作为一种精确度相当高的短期预测方法 ,近年来在 经济预测过程中得以广泛的应用取得了相当好的结果. 本文利用我国 GD P 的年度数据 ,通过基于 Box - J enkins 方法的时间序列分析技术 ,建立验证了我 国 GD P 的年度数据序列的时间序列特性 ,研究并选择了这些序列的最佳 ARMA 模型 ,本文也通过模 型对未来 GD P 进行了预测 ,实证分析的结果可为经济决策工作提供一定科学参考 ,同时也是时间序列 分析统计数学在理论研究和实际应用中的一次有益尝试. 1 关于 Box - J enkins 方法和时间序列分析 上世纪 70 年代 ,美国学者 Box 和英国统计学者 J enkins 提出了一整套关于时间序列分析 、预测和 控制的方法 ,被称为 Box - J enkins 方法 ,在各方面的应用十分广泛 ,有时也称为传统的时间序列建模方 法. 该方法把时间序列建模表述为三个阶段 :第一 ,模式识别 :确定时间序列应属的模型类型 ,其基本原 理是根据数据的相关特性进行鉴别. 第二 ,估计模型的参数 ,并结合定阶准则和残差检验对模型的适用 性进行诊断检验. 第三 ,应用模型进行预测. 这种方法不仅考察预测变量的过去值与当前值 ,同时对模型 同过去值拟合产生的误差也作为重要因素进入模型 ,有利于提高模型的精确度 ,是一种精确度相当高的 短期预测方法. Box - J enkins 方法在应用中的常见模型形式为 : 自回归移动平均模型 ( Autoregressive Moving Average Model , 简记 ARMA) :若时间序列 Yt 为它的当前与前期的误差和随机项 ,以及它的前期值的 线性函数 : yt = φ1 yt- 1 + Λ +φp y t- p +μt - θ1μt- 1 - - θqμt- q (1) 则称该时间序列 yt 为自回归移动平均模型 , 记为 A RM A ( p , q) . 参数φ1 ,Λ,φp 为待估自回归参数 , θ1 ,Λ,θq 为待估移动平均参数 , 残差μt 为白噪声序列. 显然 ,AR (p) 模型和 MA ( q) 模型都是 ARMA (p , q) 模型的特例. Box - J enkins模型要求时间序列为平稳序列 ,而实际应用中时间序列往往表现为长期 收稿日期 :2009 - 05 - 30 作者简介 :赵晓葵 (1968 - ) ,女(汉族) ,青海西宁人 ,青海师范大学商学院副教授. 16 青海师范大学学报 (自然科学版) 2009 年 趋势 ,季节变动 、循环变动的非平稳数列 ,这时可通过差分法反复差分以消除其趋势 ,于是上述 AR