时间序列分析ARMA模型实验.pdfVIP

*- 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。感谢阅读 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 。感谢阅读 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。感谢阅读 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。谢谢阅读 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 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。谢谢阅读 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，其时序图如精品文档放心下载 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 的自相关图精品文档放心下载 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、二期和三期是显著的，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：谢谢阅读 表3.2 单位根输出结果 Null Hypothesis: LM has a unit root 谢谢阅读 Exogenous: Constant, Linear Trend 感谢阅读 Lag Length: 0 (Automatic - based on SIC, maxlag=12)谢谢阅读 t-Statistic Prob.* *- Augmented Dickey-Fuller test statistic -8.674646 0.0000 Test critical values: 1% level -4.046925 5% level -3.452764