时间序列分析——ARMA模型实验.pdf

欢迎共阅 基于 ARMA模型的社会融资规模增长分 析 ———— ARMA模型实验 第一部分 实验分析目的及方法 一般说来 , 若时间序列满足平稳随机过程的性质 , 则可用经典的 ARMA模型进行建模 和预则。但是 , 由于金融时间序列随机波动较大 , 很少满足 ARMA模型的适用条件 , 无法 直接采用该模型进行处理。通过对数化及差分处理后 , 将原本非平稳的序列处理为近似 平稳的序列 , 可以采用 ARMA模型进行建模和分析。 第二部分 实验数据 2.1 数据来源 数据来源于中经网统计数据库。具体数据见附录表 5.1 。 2.2 所选数据变量 社会融资规模指一定时期内（每月、每季或每年）实体经济从金融体系获得的全部 资金总额，为一增量概念，即期末余额减去期初余额的差额，或当期发行或发生额扣除 当期兑付或偿还额的差额。社会融资规模作为重要的宏观监测指标，由实体经济需求所 决定，反映金融体系对实体经济的资金量支持。 本实验拟选取 2005 年 11 月到 2014 年 9 月我国以月为单位的社会融资规模的数据 来构建 ARMA模型，并利用该模型进行分析预测。 第三部分 ARMA模型构建 3.1 判断序列的平稳性 首先绘制出 M 的折线图，结果如下图： 图 3.1 社会融资规模 M曲线图 欢迎共阅 从图中可以看出， 社会融资规模 M 序列具有一定的趋势性，由此可以初步判 断该序列是非平稳的。此外， m 在每年同时期出现相同的变动趋势，表明 m 还 存在季节特征。下面对 m 的平稳性和季节性·进行进一步检验。 为了减少 m 的变动趋势以及异方差性，先对 m 进行对数化处理，记为 lm ， 其时序图如下： 图 3.2 lm 曲线图 对数化后的趋势性减弱，但仍存在一定的趋势性，下面观察 lm 的自相关图 表3.1 lm 的自相关图 上表可以看出， 该lm序列的 PACF只在滞后一期、 二期和三期是显着的， ACF 随着滞后结束的增加慢慢衰减至 0，由此可以看出该序列表现出一定的平稳性。 进一步进行单位根检验， 由于存在较弱的趋势性且均值不为零， 选择存在趋势项 的形式，并根据 AIC 自动选择之后结束，单位根检验结果如下： 表 3.2 单位根输出结果 Null Hypothesis: LM has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=12) t-Statistic ??Prob.* Augmented Dickey-Fuller test statistic -8.674646 ?0.0000 Test critical values: 1% level