ARMA模型建模与预测指导.pdf

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，