- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
实用标准文案
实验一 ARMA模型建模与预测指导
一、实验目的
学会通过各种手段检验序列的平稳性; 学会根据自相关系数和偏自相关系数来初步判断
ARMA模型的阶数 p 和 q ,学会利用最小二乘法等方法对 ARMA模型进行估计,学会利用信息
准则对估计的 ARMA模型进行诊断, 以及掌握利用 ARMA模型进行预测。 掌握在实证研究中如
何运用 Eviews 软件进行 ARMA模型的识别、诊断、估计和预测和相关具体操作。
二、基本概念
宽平稳:序列的统计性质不随时间发生改变,只与时间间隔有关。
AR 模型:AR模型也称为自回归模型。 它的预测方式是通过过去的观测值和现在的干扰值
的线性组合预测, 自回归模型的数学公式为 :
yt 1 yt 1 2 yt 2 p yt p t
式中 : p 为自回归模型的阶数 (i=1 ,2 , ,p )为模型的待定系数, 为误差, y 为
i t t
一个平稳时间序列。
MA 模型: MA模型也称为滑动平均模型。它的预测方式是通过
过去的干扰值和现在的干扰值的线性组合预测。滑动平均模型的数学公式为 :
yt t 1 t 1 2 t 2 q t q
式中 : q 为模型的阶数; j (j=1 ,2, ,q )为模型的待定系数; 为误差; y 为平
t t
稳时间序列。
ARMA模型:自回归模型和滑动平均模型的组合, 便构成了用于描述平稳随机过程的自
回归滑动平均模型 ARMA, 数学公式为 :
yt 1yt 1 2 yt 2 p yt p t 1 t 1 2 t 2 q t q
三、实验内容及要求
1、实验内容:
(1)根据时序图判断序列的平稳性;
(2 )观察相关图,初步确定移动平均阶数 q 和自回归阶数 p;
(3 )运用经典 B-J 方法对某企业 201 个连续生产数据建立合适的 ARMA(p,q )模型,并能
够利用此模型进行短期预测。
2、实验要求:
(1)深刻理解平稳性的要求以及 ARMA模型的建模思想;
(2 )如何通过观察自相关,偏自相关系数及其图形,利用最小二乘法,以及信息准则建立
合适的 ARMA模型;如何利用 ARMA模型进行预测;
(3 )熟练掌握相关 Eviews 操作,读懂模型参数估计结果。
四、实验指导
1、模型识别
(1)数据录入
精彩文档
实用标准文案
打开 Eviews 软件,选择 “File ”菜单中的 “New--Workfile ”选项,在“Workfile structure
type ”栏选择“ Unstructured /Undated ”,在“ Date range ”栏中输入数据个数 201,点击
ok ,见图 2-1 ,这样就建立了一个工作文件。
图 2-1 建立工作文件窗口
点击 File/Import ,找到相应的 Excel 数据集,打开数据集, 出现图 2-2 的窗口,在 “Data
order ”选项中选择 “By observation ”即按照观察值顺序录入,
文档评论(0)