季节ARIMA模型建模与预测.docxVIP

季节ARIMA模型建模与展望 季节ARIMA模型建模与展望 季节ARIMA模型建模与展望 事例五、季节 ARIMA 模型建模与展望实验指导 一、实验目的 学会辨别时间序列的季节改动，能看出其季节颠簸趋向。学会剔除季节要素的方法， 认识 ARIMA 模型的特色和建模过程，掌握利用最小二乘法等方法对 ARIMA 模型进行预计， 利用信息准则对预计的 ARIMA 模型进行诊疗，以及怎样利用 ARIMA 模型进行展望。掌握在 实证研究怎样运用 Eviews 软件进行 ARIMA 模型的辨别、诊疗、预计和展望。 二、基本观点 季节改动 ：客观社会经济现象受季节影响，在一年内有规律的季节更替现象，其周期为 一年四个季度或 12 个月份。 季节 ARIMA 模型是指将受季节影响的非安稳时间序列经过除去季节影响转变为安稳时 间序列，而后将安稳时间序列成立 ARMA 模型。 ARIMA 模型依据原序列能否安稳以及回归 中所含部分的不一样，包含挪动均匀过程（ MA）、自回归过程（ AR）、自回归挪动均匀过程 （ARMA）以及 ARIMA 过程。 三、实验内容及要求 1、实验内容： （1）依据时序图的形状，采纳相应的方法把周期性的非安稳序列安稳化； （2）对经过安稳化后的桂林市 1999 年到 2006 的季度旅行总收入序列运用经典 B-J 方法论 成立适合的 ARIMA（ p, d ,q ）模型，