实验课程多媒体课件-时间序列

1、王黎明上海财经大学统计与管理学院上海财经大学统计与管理学院1上海财经大学 统计与管理学院2实验实验1 1：时间序列数据平稳性检验：时间序列数据平稳性检验1课时课时实验实验2 2：ARMA模型的建模和预测模型的建模和预测2课时课时实验实验3：ARIMA模型建模模型建模2课时课时实验实验4：方程法剔除确定性趋势后的：方程法剔除确定性趋势后的ARMA模型建模模型建模 1课时课时实验实验5：季节：季节ARMA模型的建模和预测模型的建模和预测1课时课时实验实验6：自回归分布滞后模型（：自回归分布滞后模型（ADL）1课时课时实验实验7：条件异方差模型的建模和预测：条件异方差模型的建模和预测2课时课时实验实

2、验8：协整检验及误差修正模型：协整检验及误差修正模型2课时课时上海财经大学 统计与管理学院3EVIEWS软件简介软件简介 上海财经大学 统计与管理学院4 图图 1.11 Eviews5.0 软件窗口软件窗口上海财经大学 统计与管理学院5上海财经大学 统计与管理学院6上海财经大学 统计与管理学院7Eviews的基本操作的基本操作 点击File/New/Workfile 出现如下窗口对话框：上海财经大学 统计与管理学院8创建工作文件创建工作文件 图图 1.12 工作文件创建对话框工作文件创建对话框上海财经大学 统计与管理学院9时间序列数据录入、调用与编辑时间序列数据录入、调用与编辑 上海财经大学

3、统计与管理学院10绘制时间序列图绘制时间序列图 上海财经大学 统计与管理学院11绘制时间序列图绘制时间序列图 图图 1.24 Eviews作图作图上海财经大学 统计与管理学院12绘制时间序列图绘制时间序列图 图图 1.25 上海财经大学 统计与管理学院13查看序列的简单统计量查看序列的简单统计量 上海财经大学 统计与管理学院14查看序列的简单统计量查看序列的简单统计量 图图1.28上海财经大学 统计与管理学院15查看序列的简单统计量查看序列的简单统计量 012345678934363840Series: TEMPERATURESample 1949 1998Observations 50Mea

4、n 36.98600Median 37.20000Maximum 40.60000Minimum 33.40000Std. Dev. 1.619273Skewness 0.107098Kurtosis 2.458279Jarque-Bera 0.706962Probability 0.702239 图图 1.29上海财经大学 统计与管理学院16实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导实验内容： 用 Eviews5.1 来分析 1964 年到 1999 年中国纱产量的时间序列，主要内容： （1） 、通过时序图看时间序列的平稳性，这个方法很直观，但比较粗糙； （2）

5、 、通过计算序列的自相关和偏自相关系数，根据平稳时间序列的性质观察其平稳性； （3） 、进行纯随机性检验； （4） 、平稳性的 ADF 检验； （5） 、平稳性的 pp 检验。 上海财经大学 统计与管理学院17实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导实验要求： （1）理解不平稳的含义和影响； （2）熟悉对序列平稳化处理的各种方法； （2）对相应过程会熟练软件操作，对软件分析结果进行分析。 上海财经大学 统计与管理学院18实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导上海财经大学 统计与管理学院19实验一实验一时间序列数据平稳性检验实验指

6、导时间序列数据平稳性检验实验指导 图 1-1 建立工作文件 图 1-2 上海财经大学 统计与管理学院20实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导上海财经大学 统计与管理学院21实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-3 图 1-4 上海财经大学 统计与管理学院22实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-5 上海财经大学 统计与管理学院23实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导上海财经大学 统计与管理学院24实验一实验一时间序列数据平稳性检验实验指

7、导时间序列数据平稳性检验实验指导 图 1-7 上海财经大学 统计与管理学院25实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-8 上海财经大学 统计与管理学院26实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导上海财经大学 统计与管理学院27实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-9 上海财经大学 统计与管理学院28实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导图 1-10 图 1-11 一阶差分序列的 ADF 检验结果 上海财经大学 统计与管理学院29实验一实验一时间

8、序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-12 上海财经大学 统计与管理学院30实验一实验一时间序列数据平稳性检验实验指导时间序列数据平稳性检验实验指导 图 1-13 图 1-14 上海财经大学 统计与管理学院31实验二实验二ARMA模型建模与预测实验模型建模与预测实验实验内容： （1）根据时序图判断序列的平稳性； （2）观察相关图，初步确定移动平均阶数 q 和自回归阶数 p； （3）运用经典 B-J 方法对某企业 201 个连续生产数据建立合适的 ARMA（, p q）模型，并能够利用此模型进行短期预测。 上海财经大学 统计与管理学院32实验二实验二ARMA模型建模与

9、预测实验模型建模与预测实验上海财经大学 统计与管理学院33实验二实验二ARMA模型建模与预测实验模型建模与预测实验 图 2-1 建立工作文件窗口 上海财经大学 统计与管理学院34实验二实验二ARMA模型建模与预测实验模型建模与预测实验 图 2-2 上海财经大学 统计与管理学院35实验二实验二ARMA模型建模与预测实验模型建模与预测实验上海财经大学 统计与管理学院36实验二实验二ARMA模型建模与预测实验模型建模与预测实验上海财经大学 统计与管理学院37实验二实验二ARMA模型建模与预测实验模型建模与预测实验上海财经大学 统计与管理学院38实验二实验二ARMA模型建模与预测实验模型建模与预测实验

10、 图 2-10 方程定义对话框 图 2-11 估计方法设定 上海财经大学 统计与管理学院39实验二实验二ARMA模型建模与预测实验模型建模与预测实验 图 2-12 AR（3）建模结果 上海财经大学 统计与管理学院40实验二实验二ARMA模型建模与预测实验模型建模与预测实验上海财经大学 统计与管理学院41实验二实验二ARMA模型建模与预测实验模型建模与预测实验 图 2-17 ARMA（2，1）模型残差相关图 上海财经大学 统计与管理学院42实验二实验二ARMA模型建模与预测实验模型建模与预测实验-8-4048-8-4048255075100125150175200ResidualActualFi

11、tted 图 2-18 ARMA（2，1）模型拟合图 上海财经大学 统计与管理学院43实验二实验二ARMA模型建模与预测实验模型建模与预测实验上海财经大学 统计与管理学院44实验二实验二ARMA模型建模与预测实验模型建模与预测实验 图 2-19 上海财经大学 统计与管理学院45实验二实验二ARMA模型建模与预测实验模型建模与预测实验-8-4048255075100125150175200XFX 图 2-23 预测效果图 上海财经大学 统计与管理学院46实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院47实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经

12、大学 统计与管理学院48实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院49实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-1 建立工作文件窗口 上海财经大学 统计与管理学院50实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院51实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-6 上海财经大学 统计与管理学院52实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-8 上海财经大学 统计与管理学院53实验三实验三ARIMA模型的建立实验模型的建立实验 模型的识别 做平稳序列 x 的自相关图 3-10：

13、 图 3-10 x 的自相关-偏自相关图 上海财经大学 统计与管理学院54实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院55实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-11 方程设定窗口 上海财经大学 统计与管理学院56实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-12 ARMA（1，7）估计结果 上海财经大学 统计与管理学院57实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院58实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-13 残差的自相关-偏自相关图 上海财经大学 统计与管理学院

14、59实验三实验三ARIMA模型的建立实验模型的建立实验 上海财经大学 统计与管理学院60实验三实验三ARIMA模型的建立实验模型的建立实验 图 3-15 上海财经大学 统计与管理学院61实验三实验三ARIMA模型的建立实验模型的建立实验 -.3-.2-.1.0.1.2.3.4.5.65560657075808590950005XFForecast: XFActual: XForecast sample: 1950 2007Adjusted sample: 1952 2007Included observations: 56Root Mean Squared Error 0.162519Mean

15、 Absolute Error 0.123027Mean Abs. Percent Error 293.3173Theil Inequality Coefficient 0.429548 Bias Proportion 0.018783 Variance Proportion 0.819971 Covariance Proportion 0.161246 图 3-16 模型动态预测图 上海财经大学 统计与管理学院62实验三实验三ARIMA模型的建立实验模型的建立实验 -.6-.4-.2.0.2.4.6.85560657075808590950005XFForecast: XFActual: X

16、Forecast sample: 1950 2007Adjusted sample: 1952 2007Included observations: 56Root Mean Squared Error 0.121942Mean Absolute Error 0.092490Mean Abs. Percent Error 177.1261Theil Inequality Coefficient 0.306459 Bias Proportion 0.004188 Variance Proportion 0.200529 Covariance Proportion 0.795283 图 317 模型

17、静态预测图 上海财经大学 统计与管理学院63实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 上海财经大学 统计与管理学院64实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 上海财经大学 统计与管理学院65实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 上海财经大学 统计与管理学院66实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 图 4-1 建立工作文件窗口 上海财经大学 统计与管理学院67实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋

18、势后的ARMA模型建模模型建模 上海财经大学 统计与管理学院68实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 图 4-7 二次曲线拟合图 上海财经大学 统计与管理学院69实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 图 4-9 上海财经大学 统计与管理学院70实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 图 4-10 残差序列 xt 的自相关系数和偏自相关系数 上海财经大学 统计与管理学院71实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模

19、 上海财经大学 统计与管理学院72实验四实验四方程法剔除确定性趋势后的方程法剔除确定性趋势后的ARMA模型建模模型建模 图 4-12 AR(1)模型估计结果 上海财经大学 统计与管理学院73实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 上海财经大学 统计与管理学院74实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 上海财经大学 统计与管理学院75实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 差分法消除增长趋势 除了周期性波动外，序列呈现出上升趋势，利用差分方法消除增长趋势，在命令栏里输入series x=yt-yt(-1)，见图

20、5-3，就得到一个不再有长期趋势的序列 x，时序图见图 5-4： 图 5-3 上海财经大学 统计与管理学院76实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 -80000-60000-40000-2000002000040000600008000019992000200120022003200420052006X 图 5-4 上海财经大学 统计与管理学院77实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 季节差分法消除季节变动 经过一阶差分过的时序图 5-4 显示出序列不再有明显的上升趋势， 但有明显的季节变动，现在通过 4 步差分来消除季节变动，在命令

21、栏里输入series xt=x-x(-4)，得到消除季节变动的序列时序图见图 5-5： -30000-20000-10000010000200003000019992000200120022003200420052006XT 图 5-5 上海财经大学 统计与管理学院78实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 季节差分法消除季节变动 经过一阶差分过的时序图 5-4 显示出序列不再有明显的上升趋势， 但有明显的季节变动，现在通过 4 步差分来消除季节变动，在命令栏里输入series xt=x-x(-4)，得到消除季节变动的序列时序图见图 5-5： -30000-2000

22、0-10000010000200003000019992000200120022003200420052006XT 图 5-5 上海财经大学 统计与管理学院79实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 上海财经大学 统计与管理学院80实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 图 5-9 ARMA（1，1）模型参数估计结果 上海财经大学 统计与管理学院81实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 图 5-10 MA（1）模型参数估计结果 上海财经大学 统计与管理学院82实验实验5.季节季节ARIMA模型建模与预测实验模

23、型建模与预测实验 模型适应性检验 现在对 MA（1）模型的残差进行分析，看其相关图 5-11，自相关系数和偏自相关系数都显著为 0，说明我们建立的模型是合适的。 图 5-11 上海财经大学 统计与管理学院83实验实验5.季节季节ARIMA模型建模与预测实验模型建模与预测实验 对 1999 年到 2006 年桂林市的季度旅游总收入建立了如下模型： 4t1(1-B)(1-B )y0.6335tttx 即：14510.6635ttttttyyyy， 结果表明某个季度的旅游总收入与前一季度和过去一年同一季度的旅游总收入正相关， 与滞后五期的旅游总收入负相关， 同时受过去一期的随机扰动影响。 上海财经大

24、学 统计与管理学院84实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 上海财经大学 统计与管理学院85实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 上海财经大学 统计与管理学院86实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 图 6-4 上海财经大学 统计与管理学院87实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 图 6-5 上海财经大学 统计与管理学院88实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 图 6-6 上海财经大学 统计与管理学院89实验实验6.自回归分布滞后模型（自回归分布滞后模型（ADL）的运用实验）的运用实验 图 6-8 上海财经大学 统计与管理学院90实验实验7.条件异方差模型对上证指数的实证研究实验条件异方差模型对上证指数的实证研究实验 上海财经大学 统计