时间序列论文最最终版.pdf

1 企业商品价格总指数的时间序列分析 摘要 利用 Eviews 软件判断企业商品价格总指数序列为非平稳序列且为非白噪声序列，对非 平稳序列进行一阶差分后得到平稳序列， 分析运用一阶自回归 AR(1) 模型拟合时间序列， 由 于总指数序列值之间密切的相关关系，且历史数据对未来的发展有一定影响，利用 Forecast 命令预测未来 4 个月的企业商品价格总指数。 关键词 ：Eviews ；平稳序列； AR(p) 模型；一阶差分 理论准备： 拿到一个观察值序列之后 ,首先要判断它的平稳性 .通过平稳性检验 ,序列可分为 平稳序列和非平稳序列两大类 . 对于平稳序列 ,由于它不具有二阶矩形平稳的性质 ,所以对它的统计分析要周折一些 ,通 常要进行进一步的检验、变换或处理之后，才能确定适当的拟和模型。 如果序列平稳， 建模比较容易， 但并不是所有的平稳序列都值得建模。 只有那些序列值 之间具有密切的相关关系， 历史数据对未来的发展有一定影响的序列， 才值得我们花时间去 挖掘历史数据中的有效信息，用于预测序列未来的发展。 如果序列值彼此之间没有任何相关性，那就意味着该序列是一个没有任何记忆的序列， 过去的行为对将来的发展没有丝毫影响， 这种序列我们称之为纯随机序列。 从统计分析的角 度而言，纯随机序列是没有任何分析价值的序列。 如果序列 xt 是均值非平稳的，对其进行 d 次差分后，变成了平稳的序列 Δdxt ，这个差 分后的平稳序列的适应性模型为 ARMA(p,q) ，此时就称对原始序列 xt 建立了 ARIMA(p,d,q) 模型。 问题 ：判断企业商品价格总指数序列的平稳性与纯随机性， 处理数据并利用拟合模型， 预测 未来 4 个月的企业商品价格总指数。 表 1 企业商品价格总指数数据（来源：东方财富网） 1 2 3 4 5 6 7 8 9 10 11 12 2007 104.6 104.5 104.2 104.6 105.1 105.4 106.1 106.5 106.2 106.5 107.4 107.6 2008 108.36 109.2 110.2 110.3 109.63 109.5 109.4 108.2 107 104 99.6 96.9 2009 95.8 94 93.4 92.9 92.4 92 92 92.9 94.1 96.3 100.4 103.36 2010 104.5 105.7 105.6 106.6 107.1 106.6 105.9 106 106.1 107.8 108.6 107.9 2011 108 108.7 109.3 108.5 108.8 109.5 109.7 108.9 （1）判断企业商品价格总指数的平稳性与纯随机性： 1 2 图 1 企业商品价格总指数序列 {x i} 的时序图 由图 1 我们可以看出序列在上下波动比较大，大致判断不具有平稳性。