时间序列建模分析.ppt
《时间序列建模分析.ppt》由会员分享,可在线阅读,更多相关《时间序列建模分析.ppt(72页珍藏版)》请在三一文库上搜索。
1、时间序列建模分析 及EVIEWS应用,目录,1、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 2、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,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的类型,对不同类型的序列采取不同的分析方法。,时间序列的基本类型:,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,平稳性检验方法:,图检验方法 构造检验统计量,时序图检验,自相
2、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,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,纯随机性检验方法:,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),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,PACF,ARMA模型识别,估计模型中未知参数的值,模型优化,模型检验,N,Y,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,N,Y,N,Y,EV
3、IEWS 操作,创建文件,数据录入,画图,自相关和偏自相关图,单位根检验,建立方程,Q检验,预测,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,年/季,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,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。,一阶差分后的时序图与自相关图:,图(1.3),图(1
4、.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,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。,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,二阶差分序列的单位根检验:,检验t统计量的值是-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
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 时间 序列 建模 分析
链接地址:https://www.31doc.com/p-2655202.html