第二十二章ARIMA模型在统计预测中的应用解析.pptVIP

第三节ARIMA预测方法;;传统的时间序列分析的应用,主要是确定性的时间序列分析方法,涉及指数平滑法、滑动平均法、时间序列的分解等等,这些方法的应用有一种前提条件:时间序列的随机性部分相对来说并不显著。实际上,这一条件在大多数情况下都是不成立的。因为,伴随社会的发展,许多不确定性原因的影响越来越大,必须引发人们的注重。;1970年,Box和Jenkins提出了以随机理论为基础的时间序列分析方法,使时间序列分析理论上升到一种新的高度,预测的准确度大大提升。

其基本模型有三种:

自回归(AR)模型;

滑动平均(MA)模型

自回归滑动平均(ARIMA)模型。;两个问题：

（1）分析时间序列的随机性、平稳性和季节性；

（2）在对时间序列分析的基础上，选择合适的模型进行预测

(AR(p),MA(q),ARIMA(p,d,q))。;1ARIMA预测数学模型;ARIMA模型可分为：;ARIMA方法依据的基本思想：

将预测对象随时间推移而形成的时间序列视为一种随机序列，即除去个别偶尔原因引发的观测值外，时间序列是一组依赖于时间t的随机变量。

这组随机变量所含有的依存关系或自相关性表征了预测对象发展的延续性，而这种自相关性一旦被相应的数学模型描述出来，就能够从时间序列的过去及目前的值预测未来值。;

利用ARIMA方