ARMA模型建模与预测指导.docVIP

ARMA模型建模与展望指导 ARMA模型建模与展望指导 ARMA模型建模与展望指导 实验一 ARMA 模型建模与展望指导 一、实验目的 学会经过各样手段查验序列的安稳性； 学会依据自有关系数和偏自有关系数来初步判断 ARMA 模型的阶数 p 和 q，学会利用最小二乘法等方法对 ARMA 模型进行预计，学会利用 信息准则对预计的 ARMA 模型进行诊疗， 以及掌握利用 ARMA 模型进行展望。 掌握在实证 研究中怎样运用 Eviews 软件进行 ARMA 模型的鉴识、诊疗、预计和展望和有关详细操作。 二、基本见解 宽安稳：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。 它的展望方式是经过过去的察看值和此刻的搅乱值的线性组合展望， 自回归模型的数学公式为 : yt 1 yt 1 2 yt 2 p yt pt 式中 : p 为自回归模型的阶数 i （i=1 ，2， ，p）为模型的待定系数， t 为偏差， yt 为 一个安稳时间序列。 MA 模型： MA 模型也称为滑动均匀模型。它的展望方式是经过 过去的搅乱值和此刻的搅乱值的线性组合展望。滑动均匀模型的数学公式为 : 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；  t 为偏差；  yt 为安稳 时间序列。 ARMA 模型：自回归模型和滑动均匀模型的组合， 自回归滑动均匀模型 ARMA ， 数学公式为 :  便组成了用于描绘安稳随机过程的 yt  1 yt 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）依据时序图判断序列的安稳性； （2）察看有关图，初步确立挪动均匀阶数 q 和自回归阶数 p； （3）运用经典 B-J 方法对某公司 201 个连续生产数据成立适合的 ARMA （ p, q ）模型，并 能够利用此模型进行短期展望。 2、实验要求： 1）深刻理解安稳性的要求以及ARMA 模型的建模思想； 2）怎样经过察看自有关，偏自有关系数及其图形，利用最小二乘法，以及信息准则成立适合的 ARMA 模型；怎样利用 ARMA 模型进行展望； 3）娴熟掌握有关 Eviews 操作，读懂模型参数预计结果。 四、实验指导 1、模型鉴识 （1）数据录入 翻开 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，这样就成立了一个工作文件。 图 2-1 成立工作文件窗口 点击 File/Import ，找到相应的 Excel 数据集，翻开数据集，出现图 2-2 的窗口，在“ Data order”选项中选择“ By observation ”即依据察看值次序录入，第一个数据是从 a2 开始的，所以在“ Upper-left data cell ”中输入 a2，本例只有一列数据，在“ Names for series or number if named in file ”中输入序列的名字 production 或 1，点击 ok，则录入了数据。 2-2 （2）绘制序列时序图 双击序列 production ，点击 view/Graph/line ，则出现图 2-3 的序列时序图，时序图看出 个连续生产的数据是安稳的，这个判断比较粗拙，需要用统计方法进一步考证。 92 88 84 80 76 25 50 75 100 125 150 175 200 PRODUCTI ON 2-3 （3）绘制序列有关图 双击序列 production ，点击 view/Correlogram ，出现图 2-4，我们对原始数据序列做有关图，所以在“ Correlogram of ”对话框中选择“ Level ”即表示对原始序列做有关，在滞后阶 数中选择 14（ 201 ），点击 ok，即出现有关图 2-5。 图  2-4 从有关图看出，自有关系数快速衰减为 统计量和相应的陪伴概率表示序列存在有关性， 序列采纳 B-J 方法建模研究。  0，说明序列安稳，但最后一列白噪声查验的 Q 所以序列为安稳非白噪声序列。 我们能够对 2-5 4） ADF 查验序列的安稳性 经过时序图和有关图判断序列是安稳的，我们经过统计查验来进一步证明这个结论， 双击序列 production ，点击 view/unit ro