美国非农数据预测--基于arma模型的选择.pptVIP

美国非农数据预测--基于ARMA模型的选择 美国非农数据 非农数据，是指美国非农就业率，非农业就业人数与失业率这三个数值。顾名思义，就是反映美国非农业人口的就业状况的数据指标。由美国劳工部每月发布一次，一般情况下是在每个月的第一个周五的北京时间晚上8点半或者9点半发布，反应美国经济的趋势，数据好说明经济好转，数据差说明经济转坏。 我们在平日的外汇交易中会从很多外汇新闻和汇评中听到非农数据，并且相当的重要的基本面数据，每次只要发布这个数据，就会造成股市、期货、外汇、黄金等市场的剧烈震荡，还是一波趋势的转折点，或者是盘整行情的突破点。 相关数据--非农数据的重要性 预测步骤 模型初步 模型参数估计 模型检验 模型预测 第一步 模型初步 （1）数据录入 数据：2000年1月到2013年2月月度美国非农数据 样本总量为155 （2）平稳性检验 绘制序列相关图 由 图初步判断该时间序列为非平稳的，对其进一步统计分析。 单位根检验 0.18800.1 所以该数据确实为非平稳时间序列。 对一阶差分结果检验 初步判断 平稳 对一阶差分结果检验 单位根检验 检验结果 平稳 对一阶差分结果检验 序列相关性检验 （3）模型定阶 由相关图看出，偏自相关系数在k=2后很快趋于0，即2阶截尾，尝试拟合AR（2）；自相关系数表现为拖尾， 所以可以大体上决定为ar（2）模型。 第二步 模型参数估计 （1）尝试建立AR (3)模型 从 AR (3)估计结果的相伴概率可知，该系数不显著，故除该项，继续做模型估计AR (2)。 从 AR (3)估计结果的相伴概率可知，该系数不显著，故剔除该项，继续做模型估计AR (2)。 由伴随概率可知，AR（i）（i=1，2）均高度显著，表中最下方给出的是滞后多项式的倒数根，利用复数知识可知表中的两个根都在单位圆内。DW统计量是对残差的自相关检验统计量，在2附近，说明残差不存在一阶自相关。得到的自回归模型见下： 第三步 模型检验 参差检验： 采用LM检验，置信度为95%，残差为白噪声过程。 第四步 模型预测 （1）动态预测 （1）动态预测 ==》动态预测效果不好，进行静态预测 （2）静态预测 （2）静态预测 数据预测 经过向前2步预测，x的未来2期预测值分别为137866.7和137884.2。 据查，2013年3月，4月非农数据分别为135309 和135474 。 ==》预测准确度衡量 均方误差MSE=3073.5 结论：数据模型建立与预测完成 thank you ！ 美国非农数据预测--基于ARMA模型的选择教材 谢谢