时间序列分析课程设计报告.docx

时间序列课程设报告 学院 数学与信息科学系 专业 应用数学专业 姓名 刘 钦 学号 541010020129 分数 2013年 6 月 平稳序列分析： 选用数据为：股票市场2003年初深证A股的每日成交额：时间深证A股时间深证A股时间深证A股时间深证A股2003010224.29 2003012348.56 2003022431.32 2003031738.09 2003010319.76 2003012447.21 2003022550.13 2003031838.19 2003010622.76 2003012756.24 2003022636.68 2003031931.53 2003010724.88 2003012842.99 2003022736.65 2003032032.07 2003010833.48 2003012949.63 2003022832.23 2003032130.61 2003010963.37 2003021030.19 2003030339.55 2003032424.89 2003011058.17 2003021130.49 2003030436.36 2003032525.90 2003011334.69 2003021248.04 2003030539.85 2003032627.19 20030114113.82 2003021358.70 2003030640.94 2003011598.96 2003021442.91 2003030736.44 2003011671.03 2003021746.58 2003031037.37 2003011767.77 2003021834.81 2003031127.47 2003012054.13 2003021934.42 2003031230.88 2003012156.80 2003022038.24 2003031328.86 2003012250.42 2003022147.08 2003031432.97 源程序：data pw;input x;t=_n_;cards;24.29 19.76 22.76 24.88 33.48 63.37 58.17 34.69 113.82 98.96 71.03 67.77 54.13 56.80 50.42 48.56 47.21 56.24 42.99 49.63 30.19 30.49 48.04 58.70 42.91 46.58 34.81 34.42 38.24 47.08 31.32 50.13 36.68 36.65 32.23 39.55 36.36 39.85 40.94 36.44 37.37 27.47 30.88 28.86 32.97 38.09 38.19 31.53 32.07 30.61 24.89 25.90 27.19 ;proc print data=pw;proc gplot ;plot x*t;symbol c=black v=star i=join;run;proc arima data=pw;identify var=x nlag=22 minic p=(0:5) q=(0:5);estimate p=1;forecast lead=4 id=t out=pwr;run; proc gplot data=pwr;plot x*t=1 forecast*t=2 l95*t=3 u95*t=3/overlay;symbol1 c=black i=none v=star;symbol2 c=red i=join v=none;symbol3 c=green i=join v=none l=32;run; 1.序列预处理：序列的时序图显示2003年初深证A股的每日成交额无明显的趋势和周期，波动稳定。自相关图显示出自相关系数具有明显的短期相关，2阶结尾性。Autocorrelation Check for White NoiseToLagChi-SquareDFPrChiSq- Autocorrelation-644.556.00010.6110.4350.3940.2260.0920.0621245.3812ChiSq- Autocorrelation-63.6640.4533-0.020-0.0920.2030.019-0.0840.070125.48100.8566-0.099-0.0560.074-0.0350.006-0.087189.57160.8882-0.0430.1950.024-0.0980.057-0.0182414.14220.8963-0.0630.081-0.007-0.1210.138-0.065残差白噪声检验显示延迟6阶、12阶、18阶、24阶LB检验统计量的P值均显著大于0.05，所以该AR（2）模型显著有效。Conditional Least Squares EstimationParameterEstimateStandardErrort ValueApproxPrtLagMU39.531965.532867.14ChiSq- Autocorrelation-64.3550.4998-0.070-0.0300.2310.028-0.0720.095126.03110.8714-0.091-0.0530.078-0.0470.019-0.074189.78170.9127-0.0540.1800.011-0.0970.065-0.0182415.08230.8917-0.0690.077-0.005-0.1350.143-0.080残差白噪声检验显示延迟6阶、12阶、18阶、24阶LB检验统计量的P值均显著大于0.05，所以该AR（2）模型显著有效。Conditional Least Squares EstimationParameterEstimateStandardErrort ValueApproxPrtLagMU40.428904.850098.34.00010AR1,10.625290.110945.64h的值为0.0001，显示残差序列高度自相关。为了充分提取相关信息，我们需要对残差序列进行再次拟合。4.回归误差分析：残差自相关图显示残差序列有显著的相关关系。逐步回归向后消除报告显示除延迟5阶的序列值不显著相关外，延迟其他阶数的序列值均具有显著的自相关性，所以均保留。输出的自回归模型为：t=0.581476*t-1-0.545859*t-2+0.304447*t-3-0.291615*t-4+at5.最终拟合模型：