ARIMA模型的建立
实验二 ARIMA模型的建立
一、实验目的
了解ARIMA模型的特点和建模过程，了解AR，MA和ARIMA模型三者之间的区别与联系，掌握如何利用自相关系数和偏自相关系数对ARIMA模型进行识别，利用最小二乘法等方法对ARIMA模型进行估计，利用信息准则对估计的ARIMA模型进行诊断，以及如何利用ARIMA模型进行预测。掌握在实证研究如何运用Eviews软件进行ARIMA模型的识别、诊断、估计和预测。
二、基本概念
所谓ARIMA模型，是指将非平稳时间序列转化为平稳时间序列，然后将平稳的时间序列建立ARMA模型。ARIMA模型根据原序列是否平稳以及回归中所含部分的不同，包括移动平均过程（MA）、自回归过程（AR）、自回归移动平均过程（ARMA）以及ARIMA过程。
在ARIMA模型的识别过程中，我们主要用到两个工具：自相关函数ACF，偏自相关函数PACF以及它们各自的相关图。对于一个序列 Xt 而言，它的第j阶自相关系数 j为它的j阶自协方差除以方差，即 j＝ j 0 ，它是关于滞后期j的函数，因此我们也称之为自相关函数，通常记ACF(j)。偏自相关函数PACF(j)度量了消除中间滞后项影响后两滞后变量之间的相关关系。
三、实验内容及要求 1、实验内容：
（1）根据时序图的形状，采用相应的方法把非平稳序列平稳化；
（2）对经过平稳化后的1950年到2007年中国进出口贸易总额数据运用经典B-J方法论建立合适的ARIMA（p,d,q）模型，并能够利用此模型进行进出口贸易总额的预测。 2、实验要求：
（1）深刻理解非平稳时间序列的概念和ARIMA模型的建模思想；
（2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARIMA模型；如何利用ARIMA模型进行预测； （3）熟练掌握相关Eviews操作，读懂模型参数估计结果。
四、实验指导 1、模型识别 （1）数据录入
打开Eviews软件，选择―File‖菜单中的―New--Workfile‖选项，在“Workfile structure type”栏选择“Dated –regular frequency”，在“Date specification”栏中分别选择“Annual”(年数据) ，分别在起始年输入1950，终止年输入2007，点击ok，见图3-1，这样就建立了一个工作文件。点击File/Import，找到相应的Excel数据集，导入即可。
你可能喜欢
- 电离层探测
- 价格预测模型
- GARCH模型
- 时间序列ARMA模型
- 公路客运
- 时间序列分析
- 平稳时间序列模型
- 流动VLBI技术用于电离层探测3页
- 基于短波宽带接收机的并行电离层探测方法4页
- 射线追踪在电离层探测中的应用4页
- 月球电离层探测与研究4页
- 电离层探测系统中数据通信的同步技术3页
- 完善和发展我国的电离层探测网4页
- ARIMA模型在陕西省苹果价格预测中应用7页
- 组合预测模型在农产品价格短期预测中的应用------以苹果为例的实证分析8页
- 旅游风景区门票价格预测模型及影响因素分析_以2006沈阳世园会门票价格预测方案为3页
- 基于GM(1.1)模型的西宁市商品房价格预测研究2页
- 房地产价格预测模型4页
- ARIMA模型在股票价格预测中的应用2页
- 一种基于公司资产管理产品的VaR-GARCH模型实证分析5页
- 实验七_GARCH模型在金融数据中的应用15页
- 基于不同残差分布假定的GARCH类模型预测能力比较3页
- GARCH模型案例5页
- 基于ARMA_GARCH模型的股市量价动态关系研究3页
- 基于GARCH族模型的深证成指价格波动研究4页
- -时间序列ARMA模型在海表温度中的应用 213页
- ARMA时间序列模型在销售预测中的应用4页
- 时间序列作业ARMA模型--14页
- 基于ARMA模型的上海市人均GDP时间序列分析与预测2页
- 平稳时间序列的ARMA模型62页
- 第八章 平稳时间序列建模(ARMA模型)37页
- 公路客运企业也应加强文化建设4页
- 公路客运和旅游客运的区别2页
- 国内公路客运企业发展现代物流的必要性和可行性7页
- 浅议高速公路客运发展6页
- 中山市主要公路客运企业和客运站场春运乘车指南3页
- 公路客运量影响因素分析15页
