基于EVIEWS时间序列建模及应用实用教案

1、目录(ml) 1、ARIMA模型 1.1 模型的适用条件与构建过程(guchng) 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第1页/共72页第一页，共73页。时间(shjin)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(gnj)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。第2页/共72页第二页，共73页。时间(shjin)序列的基本类型：平稳性检验(jinyn)纯随机性检验(jinyn)随机波动AR

2、IMA模型残差自回归模型条件异方差模型第3页/共72页第三页，共73页。平稳性检验(jinyn)方法： 图检验方法(fngf) 构造检验统计量时序(sh x)图检验自相关图检验 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第4页/共72页第四页，共73页。纯随机性检验(jinyn)方法：对Q统计(tngj)量修正(xizhng)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）第5页/共72页第五页，共73页。平稳(pngwn)非白噪声序列建模步骤：平稳(pngw

3、n)非白噪声序列预测(yc)序列将来的走势计算ACF,PACFARMA模型识别估计模型中未知参数的值模型优化模型检验NY第6页/共72页第六页，共73页。ARIMA模型(mxng)建模流程：获得(hud)观察值序列拟合(n h)ARMA模型差分运算分析结束平稳性检验白噪声检验NYNY第7页/共72页第七页，共73页。EVIEWS 操作(cozu)第8页/共72页第八页，共73页。创建(chungjin)文件第9页/共72页第九页，共73页。数据录入第10页/共72页第十页，共73页。画图(hu t)第11页/共72页第十一页，共73页。自相关(xinggun)和偏自相关(xinggun)图第1

4、2页/共72页第十二页，共73页。单位根检验(jinyn)第13页/共72页第十三页，共73页。建立(jinl)方程第14页/共72页第十四页，共73页。Q检验(jinyn)第15页/共72页第十五页，共73页。预测(yc)第16页/共72页第十六页，共73页。例：某国1980年至1993年GNP平减指数的季节时间(shjin)序列，共56个观测值，见下表表5.1 某国GNP平减指数季度资料 1234198089.8991.0791.7993.03198194.495.796.5297.39198298.7299.42100.25101.541983102.95104.75106.53108.

5、741984110.72113.48116.42119.791985122.88124.44126.68128.991986130.12131.3132.89134.991987136.8139.01141.03143.241988145.12148.89152.02155.381989158.6161.85165.12168.051990171.94176.46180.24185.131991190.01193.03197.7201.691992203.98206.77208.53210.271993212.87214.25215.89218.21年/季第17页/共72页第十七页，共73页。

6、该序列时序(sh x)图（1.1）和自相关图（1.2）如下：图（1.1）图（1.2）该图显示(xinsh)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(xingdng)缓慢，且后期有反向递增趋势序列非平稳第18页/共72页第十八页，共73页。序列GNP的单位根检验(jinyn)结果：检验t统计(tngj)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。第19页/共72页第十九页，共73页。一阶差分后的时序(sh x)图与自相关图：图（1.3）图（1.4）时序(sh x)图仍显示有长期趋势自相关系数

7、向零衰减的速度(sd)依然较慢一阶差分序列仍不平稳第20页/共72页第二十页，共73页。一阶差分序列D(GNP)的单位根检验(jinyn)结果：检验t统计(tngj)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。第21页/共72页第二十一页，共73页。2阶差分时序(sh x)图与自相关图：图（1.5）图（1.6） 差分(ch fn)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(fjn)波动认为2阶差分序列平稳第22页/共72页第二十二页，共73页。二阶差分(ch fn)序列的

8、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(jju)原假设。也就是说，二阶差分序列不存在单位根。二阶差分序列平稳。第23页/共72页第二十三页，共73页。对平稳的2阶差分序列进行白噪声(zoshng)检验： 在显著性水平为0.05的条件下，延迟(ynch)期数为6和12时，Q统计量的P值均小于0.052阶差分序列(xli)为非白噪声序列(xli) 结合前面分析，认为该序列为2阶差分平稳非白噪声序列，可考虑建立ARIMA模型第24页/共72页第二十四页，共73页。根据2阶差分序列的自相关(xinggun)图ACF和偏自相关(xinggun)图PACF

9、的特点，判断阶数进行建模:可以尝试用ARMA(2,2) ARMA(3,2) ARMA(3,3);也就是说，对原序列GNP尝试用ARIMA(2,2,2) ARIMA(3,2,2) ARIMA(3,2,3)进行拟合，首先建立(jinl)ARIMA(2,2,2)如下：C与MA(1)系数的T检验显示：由于P值均大于0.05，故接受原假设(jish)，即二者系数显著为零，所以剔除模型ARiMA(2,2,2)：d(gnp,2) ar(1) ar(2) c ma(1) ma(2)第25页/共72页第二十五页，共73页。剔除(tch)C与MA（1）:ARIMA(2,2,(2) : d(gnp,2) ar(1)

10、 ar(2) ma(2)可供选用(xunyng)模型一模型参数均通过(tnggu)检验第26页/共72页第二十六页，共73页。建立(jinl)ARIMA(3,2,2)如下：ARIMA(3,2,2):d(gnp,2) ar(1) ar(2) ar(3) ma(1) ma(2)AR(3)系数未通过检验(jinyn)，予以剔除结果(ji gu)和前述模型相同第27页/共72页第二十七页，共73页。建立(jinl)ARIMA(3,2,3):命令(mng lng)为：d(gnp,2) ar(1) ar(2) ar(3) ma(1) ma(2) ma(3)可供选用(xunyng)模型二第28页/共72页第

11、二十八页，共73页。模型(mxng)适用性检验：模型(mxng)ARIMA(2,2,(2)模型(mxng)ARIMA(3,2,3)通过对模型的适用性检验，左侧拟合模型中的残差白噪声检验显示延迟6阶，12阶，18阶的残差序列属于白噪声序列，模型ARIMA(2,2,(2)显著有效，对序列适应性更强。因此，选用该模型作为最终拟合模型。第29页/共72页第二十九页，共73页。模型(mxng)预测结果：2220.868001ttt（1-B） （1+0.328913B+0.806248B）X2220.868001ttt（1-B） （1+0.328913B+0.806248B ）X第30页/共72页第三十页

12、，共73页。拟合(n h)曲线对比： 拟合(n h)曲线与原序列曲线十分接近，直观来看，拟合(n h)效果较好！第31页/共72页第三十一页，共73页。预测值的比较(bjio)第32页/共72页第三十二页，共73页。第33页/共72页第三十三页，共73页。第34页/共72页第三十四页，共73页。1990年年1月至月至1997年年12月我国工业月我国工业(gngy)总产值总产值单位单位(dnwi)：亿元亿元第35页/共72页第三十五页，共73页。数据导入观察原始数据的自相关与偏自相关图观察原始数据的折线图对原始数据进行(jnxng)对数化对处理过的数据进行(jnxng)差分对季节进行(jnxng

13、)差分第36页/共72页第三十六页，共73页。第37页/共72页第三十七页，共73页。第38页/共72页第三十八页，共73页。第39页/共72页第三十九页，共73页。第40页/共72页第四十页，共73页。第41页/共72页第四十一页，共73页。第42页/共72页第四十二页，共73页。一 阶 差 分一 阶 差 分(ch fn)二 阶 差 分二 阶 差 分(ch fn)第43页/共72页第四十三页，共73页。第44页/共72页第四十四页，共73页。第45页/共72页第四十五页，共73页。第46页/共72页第四十六页，共73页。研究(ynji)方法 确定性时间序列(xli)分析 随机性时间序列(xl

14、i)分析第47页/共72页第四十七页，共73页。基本原理 通常时间(shjin)序列可分解为长期趋势变动，季节效应和不规则变动因素，如果将长期趋势变动和季节效应视为时间(shjin)的确定性函数，而且时间(shjin)数列经过长期趋势的提取和季节效应的分析，剩余不规则因素就应是零均值的白噪声序列。第48页/共72页第四十八页，共73页。计算季节指数，剔除(tch)季节因素 具体操作具体操作第49页/共72页第四十九页，共73页。第50页/共72页第五十页，共73页。模型(mxng)检验为说明模型的预测误差，现已 9 0 9 6 年 数 据 为 样 本(yngbn)，对97年进行预测，并与其真实

15、值进行对比，计算预测误差。第51页/共72页第五十一页，共73页。第52页/共72页第五十二页，共73页。第53页/共72页第五十三页，共73页。利用指数平滑法对以上图形进行(jnxng)拟合第54页/共72页第五十四页，共73页。第55页/共72页第五十五页，共73页。实际实际(shj)值值预测值预测值预测预测(yc)误差误差第56页/共72页第五十六页，共73页。对98年进行(jnxng)预测 与上同理，只是样本(yngbn)数据是90年97年第57页/共72页第五十七页，共73页。最终最终(zu zhn)预测预测值值季节季节(jji)指数指数指数指数(zhsh)平滑预平滑预测值测值第58

16、页/共72页第五十八页，共73页。该方法(fngf)的优缺点 优点：快速(kui s)便捷的提取信息。 缺点：从残差的自相关图可以看出新序列仍存在一定的相关性，这说明拟合的这个模型没有完全把元序列蕴含的相关差分提取出来。第59页/共72页第五十九页，共73页。第60页/共72页第六十页，共73页。 123,1,11,1,1第61页/共72页第六十一页，共73页。第62页/共72页第六十二页，共73页。第63页/共72页第六十三页，共73页。 120,1,10,1,1第64页/共72页第六十四页，共73页。第65页/共72页第六十五页，共73页。第66页/共72页第六十六页，共73页。第67页/共72页第六十七页，共73页。第68页/共72页第六十八页，共73页。第69页/共72页第六十九页，共73页。第70页/共72页第七十页，共73页。第71页/共72页第七十一页，共73页。谢谢您的观看(gunkn)！第72