季节ARIMA模型建模与预测实验指导.doc_第1页
季节ARIMA模型建模与预测实验指导.doc_第2页
季节ARIMA模型建模与预测实验指导.doc_第3页
季节ARIMA模型建模与预测实验指导.doc_第4页
季节ARIMA模型建模与预测实验指导.doc_第5页
已阅读5页，还剩3页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

.实验六 季节ARIMA模型建模与预测实验指导学号：20131363038 姓名：阙丹凤 班级：金融工程1班一、实验目的学会识别时间序列的季节变动，能看出其季节波动趋势。学会剔除季节因素的方法，了解ARIMA模型的特点和建模过程，掌握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、实验内容及要求1、实验内容：根据美国国家安全委员会统计的1973-1978年美国月度事故死亡率数据，请选择适当模型拟合该序列的发展。2、实验要求：（1）深刻理解季节非平稳时间序列的概念和季节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。三、实验步骤第一步：导入数据第二步：画出时序图由时序图可知，死亡人数虽然没有上升或者下降趋势，但由季节变动因素影响。第三步：季节差分法消除季节变动由时序图可知，波动的周期大约为12，所以对原序列作12步差分，得到新序列如下图所示。由12步差分后的新序列可知，由上升趋势，再进行一步差分得到进一步的新序列，结果如下图所示。所以经过12步差分、又经过一阶差分后的序列平稳。第四步：平稳性检验由ADF检验结果表明，在0.01的显著性水平下拒绝存在单位根的原假设，所以验证了序列是平稳的，可以对其进行ARMA模型建模分析。第五步：模型的确定由ACF和PACF可知，ACF在1阶截尾，PACF在2阶截尾，所以可选择的模型有AR(2)、MA(1)、ARMA(2,1)等。第六步：模型的参数估计AR(2):由P值检验可知，在5%显著水平下，AR(2)系数不显著，剔除AR(2)项后再一次估计结果如下。剔除AR(2)项后的模型显著。MA(1)：模型显著。ARMA(2,1):由P值检验可知，在5%显著水平下，AR(2)系数不显著，剔除AR(2)项后再一次估计结果如下。剔除AR(2)项后的模型显著。由三个模型的最小信息准则AIC、BIC检验可知，且由DW统计量进一步确认，ARMA(1,1)为最佳拟合模型。第七步：模型适应性检验DW统计量在2附近，残差不存在一阶自相关，进一步对残差进行Q统计量检验可知，由P值检验接受原假设为白噪声，即残差不存在自相关。综
人人文库> 全部分类> 教育资料 > 中学教育

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论