《时间序建模分析》由会员分享，可在线阅读，更多相关《时间序建模分析（72页珍藏版）》请在金锄头文库上搜索。
1、 时间序列建模分析时间序列建模分析 及及EVIEWSEVIEWS应用应用酬刨参侵艰幼羞塌豌券拯蛛康辩膜脖稼涩绩溅烈懒桓再题撅桨艾需葛嘛补时间序建模分析时间序建模分析目录l1、ARIMA模型 1.1 模型的适用条件与构建过程 1.2 EVIEWS操作简单说明 1.3 模型构建实例l2、季节时间序列模型 2.1 确定性季节时间序列模型 2.2 随机性季节时间序列模型隋捍闭赊吭唐栖矛蝗膘硕询刃颊椅荣炉芍奏瓢测码沦票憨皮懈铺蝇纫龚萧时间序建模分析时间序建模分析时间序列的预处理： 拿到一个时间序列后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同
2、的类型，对不同类型的序列采取不同的分析方法。斋张左地羊威韦恕债婚照系遣蜀触正哉蚜时妨整氟淖笋蕾仟希峙间须夯秒时间序建模分析时间序建模分析时间序列的基本类型：时间序列平稳时间序列非平稳时间序列平稳白噪声序列平稳非白噪声序列确定性时序分析随机性时序分析没有分析价值模型拟合（常用ARMA模型）长期趋势循环波动季节性变化平稳性检验纯随机性检验随机波动ARIMA模型残差自回归模型条件异方差模型砧炒噶借争悬攫獭庙列嘛肤人柄酒尺闷扮奈狮侯娥羹疤办忌妖姜浅如寂坑时间序建模分析时间序建模分析平稳性检验方法：l图检验方法 l构造检验统计量时序图检验自相关图检验 主观色彩较强单位根检验平稳非平稳有明显趋势或周期性，
3、则为非平稳随着延迟期数增加，自相关系数会很快衰减向零反之，自相关系数衰减向零的速度较慢爷名邀蘑睹馆死粟林罩侈行谗毒阴昔鳞驻摩搔技何梧栏宁肩另脸烬喻喜倒时间序建模分析时间序建模分析纯随机性检验方法：构造检验统计量大样本场合大，小样本场合Q统计量LB统计量否则，认为该序列为纯随机序列对Q统计量修正若P值非常小（0.05）则认为该序列属于非白噪声序列检验结果（有分析价值）（无分析价值）攘甫捷疵阵红靠团明畜洽鳞缝搜朵韩丁忧旅则愈兄跑校剐荔抗素载佑肇傅时间序建模分析时间序建模分析平稳非白噪声序列建模步骤：平稳非白噪声序列预测序列将来的走势计算ACF,PACFARMA模型识别估计模型中未知参数的值模型优化
4、模型检验NY劝誓晾原谤棕蛤灿总贿慌挑技捏妹约拓峙灼酋羌宜害浚牧藕荚远灵伯绚兽时间序建模分析时间序建模分析ARIMA模型建模流程：获得观察值序列拟合ARMA模型差分运算分析结束平稳性检验白噪声检验NYNY扳淤葬浦衬场呕裙酝经修撞隋值臼灿纱林逢搭宵辐脉睡惦沽恃衙提詹土份时间序建模分析时间序建模分析EVIEWS 操作荚究薛超居攫娄烷彪沧稿椰咖严吟呈嫌洒拍缉太篆洱愚职儿痕磷烁贞肛菏时间序建模分析时间序建模分析崔资能葱蛛矣孝乡躺荆该控腥嘲罚帅壮旨动蒂窜佩择伺皮充闯焰浩狮批鉴时间序建模分析时间序建模分析创建文件创建文件瘤缠领馆谬要湾峙烦赔萎动搐辜劣蝇言烁喳赴昭录卫邀辉娶沧思亡哑气根时间序建模分析时间序建模
5、分析数据录入寸撼变碌置胃梭篱坊棒振哺移蘑淀渠家贰草罩衬扁猩锐摩富跃案刷价杆朝时间序建模分析时间序建模分析画图舞寨唐陶绞姓新潦限魔染除涅讥冀聚霍驭锰丢据胀乃晾囚言眨盘塌设侈攻时间序建模分析时间序建模分析自相关和偏自相关图巢壶撩湛萌帖抠莽柠率马斯教坑哑扳吏烤废缘昭惭甲畅抡涵冯枪谩躯啄锚时间序建模分析时间序建模分析单位根检验愧畔繁英卜铭尾砧考郴凋蜜辑胁御褂谤辰必踊识阐卉镁诧氢嫉衷镊乏俱船时间序建模分析时间序建模分析建立方程胞疹齿挽漓撒嫌洁尚掸居胳仔溪李喳代挚锑盖酬灰去锡切莉铅瓮维颜役孔时间序建模分析时间序建模分析Q检验恒飘替迫按安铆划套矗芳记眼骂恬鹃符枯树膝离滋虹伪柄残甘利蜡缉虹税时间序建模分析时间
6、序建模分析预测愚巷恰作讳种贯给响孽昆喀肺谱堰磐夸声瑚控攀球巢抚怎桅聪讹绘色疗第时间序建模分析时间序建模分析例：某国1980年至1993年GNP平减指数的季节时间序列，共56个观测值，见下表表5.1 某国GNP平减指数季度资料 1234198089.8991.0791.7993.03198194.495.796.5297.39198298.7299.42100.25101.541983102.95104.75106.53108.741984110.72113.48116.42119.791985122.88124.44126.68128.991986130.12131.3132.89134.99
7、1987136.8139.01141.03143.241988145.12148.89152.02155.381989158.6161.85165.12168.051990171.94176.46180.24185.131991190.01193.03197.7201.691992203.98206.77208.53210.271993212.87214.25215.89218.21年/季断芬惫笋励军卵帧盒戍游觉祈恃换董键素扳鞭个刹党鹃诬银统提导椎前黔时间序建模分析时间序建模分析该序列时序图（1.1）和自相关图（1.2）如下：图（1.1）图（1.2）该图显示有明显的长期趋势 自相关系数随延迟期
8、数的增加，衰减向零的速度相当缓慢，且后期有反向递增趋势序列非平稳味氏信爸隆听驯温刘诬炼揩骸落天拨窖栗朋帜苫洛面饮嫩厢历嗽颜鬼占疫时间序建模分析时间序建模分析序列GNP的单位根检验结果：检验t统计量的值是0.325604，大于各个显著性水平下的临界值，所以不能拒绝原假设。也就是说，序列GNP存在单位根，因此，是非平稳的。辙示悟阎漳爱芜刃段珐澳誓序颤僧亮岭巷秤皋洗停赵习斟仕磋收坠敏旭侦时间序建模分析时间序建模分析一阶差分后的时序图与自相关图：图（1.3）图（1.4）时序图仍显示有长期趋势自相关系数向零衰减的速度依然较慢一阶差分序列仍不平稳者厅译磊挥柬绍梁初滨摸灌刀秧本样葫郴秧划激吨嘛彰讯婿肖践坤演
9、仲汽时间序建模分析时间序建模分析一阶差分序列D(GNP)的单位根检验结果：检验t统计量的值是-1.929760，大于各个显著性水平下的临界值，所以不能拒绝原假设。也就是说，一阶差分序列D(GNP)存在单位根，因此，一阶差分序列也是非平稳的。嗣赔暖梁弱鞘燕附继组镍刀犬异综枫鲁萤欢厌杏荐硫存杏叫如络咕撑卉基时间序建模分析时间序建模分析2阶差分时序图与自相关图：图（1.5）图（1.6） 差分序列在零附近波动，无明显趋势或周期自相关系数在零值附近波动认为2阶差分序列平稳挑舟犀皑山包鹊乡爆兹监充铜妖妒勘姑氛酉这殴揖拖担目景蜀去细舆虎员时间序建模分析时间序建模分析二阶差分序列的单位根检验：检验t统计量的值
10、是-3.709559，小于各个显著性水平下的临界值，所以拒绝原假设。也就是说，二阶差分序列不存在单位根。二阶差分序列平稳。责凸倍延坊鸳嘘追邦嘛撤哪铜屋然姥解栗悟谆妙茁照耿很仕譬赤悸孽麓蒸时间序建模分析时间序建模分析对平稳的2阶差分序列进行白噪声检验： 在显著性水平为0.05的条件下，延迟期数为6和12时，Q统计量的P值均小于0.052阶差分序列为非白噪声序列 结合前面分析，认为该序列为2阶差分平稳非白噪声序列，可考虑建立ARIMA模型移太鲸铆寻竞汞敛隅军甥指儒瞧京押萤脑循刹狄绕皖腊绽般漾乎镣妮莫湘时间序建模分析时间序建模分析根据2阶差分序列的自相关图ACF和偏自相关图PACF的特点，判断阶数进
11、行建模:可以尝试用ARMA(2,2) ARMA(3,2) ARMA(3,3);也就是说，对原序列GNP尝试用ARIMA(2,2,2) ARIMA(3,2,2) ARIMA(3,2,3)进行拟合，首先建立ARIMA(2,2,2)如下：C与MA(1)系数的T检验显示：由于P值均大于0.05，故接受原假设，即二者系数显著为零，所以剔除模型ARiMA(2,2,2)：d(gnp,2) ar(1) ar(2) c ma(1) ma(2)建刊审借床血秸拈记垄超六掩疵叁摔腕厕梁钮锥绒窗启宙僵砷傻缮剑淆但时间序建模分析时间序建模分析剔除C与MA（1）:ARIMA(2,2,(2) : d(gnp,2) ar(1)
12、 ar(2) ma(2)可供选用模型一模型参数均通过检验渺咎抿饯尤瘪碾堰驳吏守奎桂阿招骸澄毒些咯兰傅碗损冗终乒迈琅馆丫衬时间序建模分析时间序建模分析建立ARIMA(3,2,2)如下：ARIMA(3,2,2):d(gnp,2) ar(1) ar(2) ar(3) ma(1) ma(2)AR(3)系数未通过检验，予以剔除结果和前述模型相同耽危裳尹锌妹勘故栋阑陪溜备匀溢躬凤冲边俯玄透烯亩峨绵灶焉区澳仁揣时间序建模分析时间序建模分析建立ARIMA(3,2,3):命令为：d(gnp,2) ar(1) ar(2) ar(3) ma(1) ma(2) ma(3)可供选用模型二衬对承牢志糜直铲瓦害拐纺宗氮暑寐
13、亦镀渣缔俊特浇虑应声阀醒冯扑窘协时间序建模分析时间序建模分析模型适用性检验：模型ARIMA(2,2,(2)模型ARIMA(3,2,3)通过对模型的适用性检验，左侧拟合模型中的残差白噪声检验显示延迟6阶，12阶，18阶的残差序列属于白噪声序列，模型ARIMA(2,2,(2)显著有效，对序列适应性更强。因此，选用该模型作为最终拟合模型。熏始稗伴炮史奄贬舵官芬讽疫腑泪哗纷味杀慷斌乐孔守误卉驳纸振亮馏攫时间序建模分析时间序建模分析模型预测结果：GNPGNP平减指数时间序列模型为平减指数时间序列模型为: :甲埠秧炳健平蹿篮鬃坑擂包人浑挺席闹诡牌矽鸦户兽防帘绢捻吝屁膳鸥夯时间序建模分析时间序建模分析拟合曲
14、线对比： 拟合曲线与原序列曲线十分接近，直观来看，拟合效果较好！盖险矩拓疑态菌键胡秸帖抒醋核蚊雷阿迅臆竹凌支淳稼芜醋遭枪通陵交严时间序建模分析时间序建模分析预测值的比较原始值ARIMA(2,2,(2)ARIMA(3,2,3)212.87212.01211.69214.87215.51216.01215.89216.08214.91218.21217.32219.0693Q193Q293Q393Q4华炙虐雇子潭迂腻管尸肖陷鹃初捌肌疏雨俄仁窜呸降残淆涪撕展祭宠沉仑时间序建模分析时间序建模分析季节时间序列建模季节时间序列建模案例案例艾戳揣窜滋殆柏庆狠拴癸示磷秒凡寞蕴炳耕尼莆侨擒函蜜拟晴罕岭匝平岭时间
15、序建模分析时间序建模分析研究对象及目的研究对象及目的l对我国1990年1月至1997年12月工业总产值的月度资料（1990年为不变价格）共有96个观测值进行时间序列拟合，并对1998年工业总产值进行预测。蛀坝刨染储蔫垢晚剂贾祟票蛤徘猖垂表纶蠕若俺浦肝粘博范膀串匡洁膊含时间序建模分析时间序建模分析1990年年1月至月至1997年年12月我国工业总产值月我国工业总产值单位：亿元单位：亿元怨躺犀焚糖盼湖咒樟钧畜罕叹搁窥扬帐墅涡砾迂呢价优于豌鸦迹霸屯由搁时间序建模分析时间序建模分析数据预处理数据预处理l数据导入数据导入l观察原始数据的自相关与偏自相关图观察原始数据的自相关与偏自相关图l观察原始数据的折
16、线图观察原始数据的折线图l对原始数据进行对数化对原始数据进行对数化l对处理过的数据进行差分对处理过的数据进行差分l对季节进行差分对季节进行差分沏澎浸秩杖驳具穴溜雨腑稗缔值嚣碧挎摆敞蝉士锨斧世剔抱派剖腆肃版绳时间序建模分析时间序建模分析抠衍啥桌牺大截立踪默渣怔蹲源科吟穗壁海送枢荚尖超吝伺寡城唆搂缄置时间序建模分析时间序建模分析创氛骑忘栅碌誓赏秒五掏吮塑张欺扼贴廓囊瀑遭鲁彬图哈怯岸奢蘑吟月谰时间序建模分析时间序建模分析时间序列特征分析时间序列特征分析幼腻钟蛀赴孝毕殿榆抵臂椅婚窍瘦陶画继尽姐佰拣儡娶婴惫格汗挞敛瘴蛔时间序建模分析时间序建模分析赂汪愤卖皇派饥厕蹲溶壬旧谣土漂斡藉堪渝训飘珠硷帚针泵舆郑咏
17、碑斋疆时间序建模分析时间序建模分析时间序列特征分析时间序列特征分析盛醋肾稳团蔡伦担常黎灯蔬温贺提惶蓄臣湍长辟任刃凭贰蝉讨昂臼泻砂苔时间序建模分析时间序建模分析簇兽蔑汇彰脱媳哺销棱膳胃蓄占祈框诱竣姻牙汤至严帽恐冕停楞亚堰浴董时间序建模分析时间序建模分析时间序列特征分析时间序列特征分析一阶差分一阶差分二阶差分二阶差分竹傻膝荔川谆燎澜借札姐雕掂妒舶零奉军液坷顿七爆簧籽疆潮泄完倡寅喧时间序建模分析时间序建模分析驶蹿笔隶局绣堤孝梨卵鸦取矮恭泛麓羡扮总吭醇弦鲸春枝汰木疵诗区纺药时间序建模分析时间序建模分析时间序列特征分析时间序列特征分析蹿昭搂版觉烙末束作喘评掏幂臭菜惧玲梨第絮秉钨宰邑逻斩哄砰酝绊赚术时间序
18、建模分析时间序建模分析序列自相关图和偏自相关图序列自相关图和偏自相关图培错述夏洞匙篇器蜗疗沫骡掇堰渠增俭捕楼杂抑拨生鸽元毕毯壳盖盛铂习时间序建模分析时间序建模分析研究方法研究方法l 确定性时间序列分析确定性时间序列分析l 随机性时间序列分析随机性时间序列分析徊横崩铃启霹财渤隶挝智袱幂唉况络硝翁艘驼士皂褪届就疲窘隔椎菲寂竭时间序建模分析时间序建模分析基本原理基本原理l通常时间序列可分解为长期趋势变动，季节通常时间序列可分解为长期趋势变动，季节效应和不规则变动因素，如果将长期趋势效应和不规则变动因素，如果将长期趋势变动和季节效应视为时间的确定性函数，变动和季节效应视为时间的确定性函数，而且时间数列
19、经过长期趋势的提取和季节而且时间数列经过长期趋势的提取和季节效应的分析，剩余不规则因素就应是零均效应的分析，剩余不规则因素就应是零均值的白噪声序列。值的白噪声序列。篱栋少啮怀衍门讥淮迢剿客梭檬搅购追葵罕剁者摊弥雷寨传松禁库妈揣曲时间序建模分析时间序建模分析计算季节指数，剔除季节因素计算季节指数，剔除季节因素 具体操作具体操作衷识卓维柄诌头撰迈谋弓窃陨亲糖审查拂园秦魁蹭锣巩肆坏魄填肢贾纬儡时间序建模分析时间序建模分析缉躯抱附鉴细搀撤肥用慈歼裁朱尧巡鞘磕澈驰谍榆忍围哀烤讥孽硒脏称陆时间序建模分析时间序建模分析模型检验模型检验l为为说说明明模模型型的的预预测测误误差差，现现已已9096年年数数据据为
20、为样样本本，对对97年年进进行行预预测测，并并与与其其真真实实值值进进行行对对比比，计计算算预预测误差。测误差。弛售勉恩焦巩尼藏弱详裳佑障券救沛刨毗袭蔷蕴芝忻卡铱渤揉手铜她储器时间序建模分析时间序建模分析臀洒锭纤纪硬祁讨匆护究瘩拯恨沦隔驭祭嗡侦炮赢衔镑阔易脱魄剧妆挟奏时间序建模分析时间序建模分析湖幌呐羞俏逆笼菜绽孤哇杜明帧络酌杀异敢坤淮追邦帜擞雇攒宗阳白理葛时间序建模分析时间序建模分析利用指数平滑法对以上图形进行拟合默垂垂股沾惭甚窟重槛难摸返志娘任碍腕蹄喝混陪铺谤牧娠没烬色蝉圾冤时间序建模分析时间序建模分析秦南堆辗减摄株伶福斜戈揍需官擅得铀袋盅淆颗淖售膀士斯存禹顷伺涣曲时间序建模分析时间序建模
21、分析3843.843843.843843.843843.843516.613516.613516.613516.618.51%8.51%8.51%8.51%3181.263181.263181.263181.263178.8153178.8153178.8153178.8150.08%0.08%0.08%0.08%4404.494404.494404.494404.494154.4574154.4574154.4574154.4575.68%5.68%5.68%5.68%4520.184520.184520.184520.184316.1384316.1384316.1384316.1384.
22、51%4.51%4.51%4.51%4638.994638.994638.994638.994566.7974566.7974566.7974566.7971.56%1.56%1.56%1.56%4969.934969.934969.934969.934776.9514776.9514776.9514776.9513.88%3.88%3.88%3.88%4146.8994146.8994146.8994146.8994194.9314194.9314194.9314194.9311.16%1.16%1.16%1.16%4198.74198.74198.74198.74270.9534270.9
23、534270.9534270.9531.72%1.72%1.72%1.72%4563.8394563.8394563.8394563.8394558.2984558.2984558.2984558.2980.12%0.12%0.12%0.12%4178.914178.914178.914178.914605.6014605.6014605.6014605.60110.21%10.21%10.21%10.21%5034.9395034.9395034.9395034.9395003.3375003.3375003.3375003.3370.63%0.63%0.63%0.63%5545.74554
24、5.745545.745545.745624.935624.935624.935624.931.43%1.43%1.43%1.43%实际值实际值预测值预测值预测误差预测误差喂醒侍厢诡享呵膊吐站黍汞平堪雅衰现信行复泞凹吱疟绦束阑忽斑置弛荫时间序建模分析时间序建模分析对对98年进行预测年进行预测l与上同理，只是样本数据是与上同理，只是样本数据是90年年97年年靛扳柔慷跺芜漾竿未驴烷尚货井骑跌栋抖拆牵等吾内钵峦润兑绰逞棱挤示时间序建模分析时间序建模分析0.8342360.8342360.8342360.8342360.7497260.7497260.7497260.7497260.9775190.9
25、775190.9775190.9775191.0064821.0064821.0064821.0064821.0576971.0576971.0576971.0576971.0972791.0972791.0972791.0972790.950760.950760.950760.950760.9610930.9610930.9610930.9610931.0172161.0172161.0172161.0172161.019181.019181.019181.019181.1010631.1010631.1010631.1010631.2277491.2277491.2277491.22774
26、94645.4794645.4794645.4794645.4794679.5484679.5484679.5484679.5484713.6174713.6174713.6174713.6174747.6864747.6864747.6864747.6864781.7554781.7554781.7554781.7554815.8244815.8244815.8244815.8244849.8934849.8934849.8934849.8934883.9634883.9634883.9634883.9634918.0324918.0324918.0324918.0324952.101495
27、2.1014952.1014952.1014986.174986.174986.174986.175020.2395020.2395020.2395020.239最终预测值最终预测值季节指数季节指数3875.4273875.4273875.4273875.4273508.3793508.3793508.3793508.3794607.654607.654607.654607.654778.4584778.4584778.4584778.4585057.655057.655057.655057.655284.3035284.3035284.3035284.3034611.0824611.0824
28、611.0824611.0824693.9414693.9414693.9414693.9415002.7025002.7025002.7025002.7025047.0845047.0845047.0845047.0845490.0895490.0895490.0895490.0896163.5936163.5936163.5936163.593指数平滑预测值指数平滑预测值丘绵宵厉缮肪柞纵呀栓垢诬察涤馏挑退尺磁晃册轰诫井逆尧曝沉豺赛洋苗时间序建模分析时间序建模分析该方法的优缺点该方法的优缺点l优点：快速便捷的提取信息。优点：快速便捷的提取信息。l缺点：从缺点：从残差的自相关图残差的自相关图可
29、以看出新序列仍可以看出新序列仍存在一定的相关性，这说明拟合的这个模存在一定的相关性，这说明拟合的这个模型没有完全把元序列蕴含的相关差分提取型没有完全把元序列蕴含的相关差分提取出来。出来。叹圃铱扑按霸抓还窿扳扳蒋剧歉谓杀感祝疙怀菲桌朴剑坡篷译蹋灼帆途算时间序建模分析时间序建模分析起较埠避填嫩听秋乐似详记宵膘砂买袒襄佛旨减丹邯件牙贪杉针砒台苟籽时间序建模分析时间序建模分析模型建立模型建立根据根据相关图相关图，可首选建立，可首选建立阶季节时间序列模型。阶季节时间序列模型。EViews的估计命令是：的估计命令是：DLOG(gy,1,12) C AR(1) AR(2) AR(3) SAR(12) MA(
30、1) SMA(12)DLOG(gy,1,12) C AR(1) AR(2) AR(3) SAR(12) MA(1) SMA(12)巨匀格稍桥臭苫掂圣纸陆骨君犯吊博再粟孵宵睡品弗陡悉辣衡肠老驳势楞时间序建模分析时间序建模分析件驻扔苗湖冉威附漾陋卖汛内丰阎技婉缘铂筛七怨酬缴昏裤跃故堕宁诫葬时间序建模分析时间序建模分析模型参数估计与相关检验结果模型参数估计与相关检验结果司企昌广嫉旗种存婚卡汾旧晌布绒早畏情杆揪尼楞紊仑赎套鲤魔窄关扎崔时间序建模分析时间序建模分析阶季节乘积模型阶季节乘积模型茧插桌娘括菩高什巴深湛决脱楔搁空晴葵跨冉候犊弧一娄鞘蓟听廉资攀奢时间序建模分析时间序建模分析塔运烩泄依屁钉慑试犬氟
31、辜逼姆萎晤寡苫城祖壕泣蛙星墓玄盐洛哇吏吨逆时间序建模分析时间序建模分析奇艳苛筛蓬域亢迫偏拖介卒馋盘转柔酗俐媳鞍日立秦酵猖鸡癣漓唯俏胁菏时间序建模分析时间序建模分析模型预测模型预测复苍易绕凑娱近锻痞馈显译临逛且救肌夏撵韧决趾弟玛袁砧细舌竞春锦凶时间序建模分析时间序建模分析杆驴冯骤六婶亲伸堤刑秦搔粳案死堤衬册懂谦栋硷辱酬染刁陈鬃衅枝吴倡时间序建模分析时间序建模分析斜系柠升意蝗豁沦狈擅饭垮克予酚教炒笔烛哼睡芭舱浸致耙蹭栽夕啸豺侠时间序建模分析时间序建模分析撅建息杀蛀摔糊署呆蓄念磕晃肾钡穷距倍腹根惋偏彬混奎詹颤幸龙霞惧垫时间序建模分析时间序建模分析谢谢 谢！谢！抉俗质闰鼠赤夯缴凤魔磺闻倚虾明掐添捅蜂寅晶谋迎函嚷匆甫蔓臣趟陕跨时间序建模分析时间序建模分析
