arma模型建模及預(yù)測指導(dǎo)

《arma模型建模及預(yù)測指導(dǎo)》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、WORD格式可編輯實(shí)驗(yàn)一ARMA模型建模與預(yù)測指導(dǎo)一、實(shí)驗(yàn)?zāi)康膶W(xué)會(huì)通過各種手段檢驗(yàn)序列的平穩(wěn)性；學(xué)會(huì)根據(jù)自相關(guān)系數(shù)和偏自相關(guān)系數(shù)來初步判斷ARMA模型的階數(shù)p和q，學(xué)會(huì)利用最小二乘法等方法對(duì)ARMA模型進(jìn)行估計(jì)，學(xué)會(huì)利用信息準(zhǔn)則對(duì)估計(jì)的ARMA模型進(jìn)行診斷，以及掌握利用ARMA模型進(jìn)行預(yù)測。掌握在實(shí)證研究中如何運(yùn)用Eviews軟件進(jìn)行ARMA模型的識(shí)別、診斷、估計(jì)和預(yù)測和相關(guān)具體操作。二、基本概念寬平穩(wěn)：序列的統(tǒng)計(jì)性質(zhì)不隨時(shí)間發(fā)生改變，只與時(shí)間間隔有關(guān)。AR模型：AR模型也稱為自回歸模型。它的預(yù)測方式是通過過去的觀測值和現(xiàn)在的干擾值的線性組合預(yù)測，自回歸模型的數(shù)學(xué)公式為:式中:為自回歸模型的

2、階數(shù)（i=1，2，，p）為模型的待定系數(shù)，為誤差，為一個(gè)平穩(wěn)時(shí)間序列。MA模型：MA模型也稱為滑動(dòng)平均模型。它的預(yù)測方式是通過過去的干擾值和現(xiàn)在的干擾值的線性組合預(yù)測?；瑒?dòng)平均模型的數(shù)學(xué)公式為:式中:為模型的階數(shù)；（j=1，2，，q）為模型的待定系數(shù)；為誤差；為平穩(wěn)時(shí)間序列。ARMA模型：自回歸模型和滑動(dòng)平均模型的組合，便構(gòu)成了用于描述平穩(wěn)隨機(jī)過程的自回歸滑動(dòng)平均模型ARMA，數(shù)學(xué)公式為:三、實(shí)驗(yàn)內(nèi)容及要求1、實(shí)驗(yàn)內(nèi)容：（1）根據(jù)時(shí)序圖判斷序列的平穩(wěn)性；（2）觀察相關(guān)圖，初步確定移動(dòng)平均階數(shù)q和自回歸階數(shù)p；（3）運(yùn)用經(jīng)典B-J方法對(duì)某企業(yè)201個(gè)連續(xù)生產(chǎn)數(shù)據(jù)建立合適的ARMA（）模型，并能

3、夠利用此模型進(jìn)行短期預(yù)測。2、實(shí)驗(yàn)要求：（1）深刻理解平穩(wěn)性的要求以及ARMA模型的建模思想；（2）如何通過觀察自相關(guān)，偏自相關(guān)系數(shù)及其圖形，利用最小二乘法，以及信息準(zhǔn)則建立合適的ARMA模型；如何利用ARMA模型進(jìn)行預(yù)測；（3）熟練掌握相關(guān)Eviews操作，讀懂模型參數(shù)估計(jì)結(jié)果。四、實(shí)驗(yàn)指導(dǎo)1、模型識(shí)別專業(yè)技術(shù)資料整理分享WORD格式可編輯（1）數(shù)據(jù)錄入打開Eviews軟件，選擇“File”菜單中的“New--Workfile”選項(xiàng)，在“Workfilestructuretype”欄選擇“Unstructured/Undated”，在“Daterange”欄中輸入數(shù)據(jù)個(gè)數(shù)201，點(diǎn)擊ok，

4、見圖2-1，這樣就建立了一個(gè)工作文件。圖2-1建立工作文件窗口點(diǎn)擊File/Import，找到相應(yīng)的Excel數(shù)據(jù)集，打開數(shù)據(jù)集，出現(xiàn)圖2-2的窗口，在“Dataorder”選項(xiàng)中選擇“Byobservation”即按照觀察值順序錄入，第一個(gè)數(shù)據(jù)是從a2開始的，所以在“Upper-leftdatacell”中輸入a2，本例只有一列數(shù)據(jù)，在“Namesforseriesornumberifnamedinfile”中輸入序列的名字production或1，點(diǎn)擊ok，則錄入了數(shù)據(jù)。圖2-2（2）繪制序列時(shí)序圖雙擊序列production，點(diǎn)擊view/Graph/line，則出現(xiàn)圖2-3的序列時(shí)序

5、圖，時(shí)序圖看出201個(gè)連續(xù)生產(chǎn)的數(shù)據(jù)是平穩(wěn)的，這個(gè)判斷比較粗糙，需要用統(tǒng)計(jì)方法進(jìn)一步驗(yàn)證。專業(yè)技術(shù)資料整理分享WORD格式可編輯圖2-3（3）繪制序列相關(guān)圖雙擊序列production，點(diǎn)擊view/Correlogram，出現(xiàn)圖2-4，我們對(duì)原始數(shù)據(jù)序列做相關(guān)圖，因此在“Correlogramof”對(duì)話框中選擇“Level”即表示對(duì)原始序列做相關(guān)，在滯后階數(shù)中選擇14（），點(diǎn)擊ok，即出現(xiàn)相關(guān)圖2-5。圖2-4從相關(guān)圖看出，自相關(guān)系數(shù)迅速衰減為0，說明序列平穩(wěn)，但最后一列白噪聲檢驗(yàn)的Q統(tǒng)計(jì)量和相應(yīng)的伴隨概率表明序列存在相關(guān)性，因此序列為平穩(wěn)非白噪聲序列。我們可以對(duì)序列采用B-J方法建模研究

6、。專業(yè)技術(shù)資料整理分享WORD格式可編輯圖2-5（4）ADF檢驗(yàn)序列的平穩(wěn)性通過時(shí)序圖和相關(guān)圖判斷序列是平穩(wěn)的，我們通過統(tǒng)計(jì)檢驗(yàn)來進(jìn)一步證實(shí)這個(gè)結(jié)論，雙擊序列production，點(diǎn)擊view/unitroottest，出現(xiàn)圖2-6的對(duì)話框，我們對(duì)序列本身進(jìn)行檢驗(yàn)，序列不存在明顯的趨勢，所以選擇對(duì)常數(shù)項(xiàng)，不帶趨勢的模型進(jìn)行檢驗(yàn)，其他采用默認(rèn)設(shè)置，點(diǎn)擊ok，出現(xiàn)圖2-7的檢驗(yàn)結(jié)果，表明拒絕存在一個(gè)單位根的原假設(shè)，序列平穩(wěn)。圖2-6圖2-7（5）模型定階由圖2-5看出，偏自相關(guān)系數(shù)在k=3后很快趨于0即3階截尾，嘗試擬合AR（3）；自相關(guān)系數(shù)在k=1處顯著不為0，當(dāng)k=2時(shí)在2倍標(biāo)準(zhǔn)差的置信帶邊

7、緣，可以考慮擬合MA（1）或MA（2）；同時(shí)可以考慮ARMA（3，1）模型等。在序列工作文件窗口點(diǎn)擊View/DescriptiveStatistics/HistogramandStates對(duì)原序列做描述統(tǒng)計(jì)分析見圖2-8，可見序列均值非0，我們通常對(duì)0均值平穩(wěn)序列做建模分析，所以需要在原序列基礎(chǔ)上生成一個(gè)新的0均值序列。點(diǎn)擊主菜單Quick/GenerateSeries，在對(duì)話框中輸入賦值語句Seriesx