季节ARIMA模型建模与预测实验指导.pdfVIP

实用文档 实验六 季节 ARIMA模型建模与预测实验指导 学号： 20131363038 姓名：阙丹凤 班级：金融工程 1 班 一、实验目的 学会识别时间序列的季节变动，能看出其季节波动趋势。学会剔除季节因素 的方法，了解 ARIMA模型的特点和建模过程， 掌握利用最小二乘法等方法对 ARIMA 模型进行估计，利用信息准则对估计的 ARIMA模型进行诊断，以及如何利用 ARIMA 模型进行预测。掌握在实证研究如何运用 Eviews 软件进行 ARIMA模型的识别、 诊断、估计和预测。 二、实验内容及要求 1、实验内容： 根据美国国家安全委员会统计的 1973-1978 年美国月度事故死亡率数据， 请 选择适当模型拟合该序列的发展。 2、实验要求： （1）深刻理解季节非平稳时间序列的概念和季节 ARIMA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 ARIMA模型；如何利用 ARIMA模型进行预测； （3）熟练掌握相关 Eviews 操作。 三、实验步骤 第一步：导入数据 第二步：画出时序图 实用文档 SIWANGRENSHU 12,000 11,000 10,000 9,000 8,000 7,000 6,000 5 10 15 20 25 30 35 40 45 50 55 60 65 70 由时序图可知， 死亡人数虽然没有上升或者下降趋势， 但由季节变动因素影 响。 第三步：季节差分法消除季节变动 由时序图可知，波动的周期大约为 12，所以对原序列作 12 步差分，得到新 序列如下图所示。 实用文档 D(SIWANGRENSHU,0,12) 1,200 800 400 0 -400 -800 -1,200 -1,600 5 10 15 20 25 30 35 40 45 50 55 60 65 70 由 12 步差分后的新序列可知，由上升趋势，再进行一步差分得到进一步的 新序列，结果如下图所示。 实用文档 D(NEW) 1,600 1,200 800 400 0 -400 -800 -1,200 5 10 15 20 25 30 35 40 45 50 55 60 65 70 所以经过 12 步差分、又经过一阶差分后的序列平稳。 第四步：平稳性检验 Null Hypothesis: D(NEW) has a unit root Exogenous: Constant Lag Length: 1 (Automatic - based on SIC, maxlag=10) t-Statisti