时间序列实验报告(ARMA模型的参数估计)_第1页
时间序列实验报告(ARMA模型的参数估计)_第2页
时间序列实验报告(ARMA模型的参数估计)_第3页
时间序列实验报告(ARMA模型的参数估计)_第4页
时间序列实验报告(ARMA模型的参数估计)_第5页
已阅读5页，还剩1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

PAGEPAGE1时间序列分析实验报告实验课程名称时间序列分析实验项目名称ARMA,ARIMA模型的参数估计年级专业学生姓名成绩理学院实验时间：2015年11月20日学生所在学院：理学院专业：金融学班级：数学班姓名孙晗学号115113001152实验组实验时间11月20日指导教师谢建春实验项目名称ARMA模型的参数估计实验目的及要求：掌握时间序列中ARMA，ARIMA模型的参数估计方法。实验原理：对于一组历史数据有明显的趋势性或者周期性的非平稳序列，通过ARIMA模型或者SARIMA的建模，可以挖掘历史数据中的有效信息和相关关系，用来预测序列未来的发展。实验硬件及软件平台：计算机Eviews网络实验步骤：在Eview中录入数据绘制它的时序图，自相关图，偏自相关图判断是否为平稳序列若非平稳序列，则先进行差分运算，转化为平稳序列确定模型类型与阶数估计模型中未知参数的值检验模型的有效性模型优化实验内容（包括实验具体内容、算法分析、源代码等等）：1994年1月-2012年3月江苏省居民消费价格指数判断该序列的稳定性和纯随机性该序列的时序图如下：从图中可以看出具有很明显的下降趋势和周期性，所以通常是非平稳的。在做它的自相关图。可以发现序列的自相关系数递减到零的速度相当缓慢。是非平稳序列的一种典型的自相关图。差分化处理做一阶12步差分，做出如下时序图DX由该时序图我们基本可以认为其是平稳的，再做DX自相关图和偏自相关图自相关图显示延迟12阶自相关系数显著大于2倍标准差范围。说明差分后序列中仍蕴含着非常显著的季节效应。3、模型参数估计和建模普通最小二乘法下，输入D(X,1,12)AR(1)MA(1)SAR(12)SMA(12)，得到下图，其中，所有的参数估计量的P值小于0.05，均显著。AIC为1.896653，SC为1.964273。普通最小二乘法，输入D(X,1,12)AR(1)MA(1)SAR(12)SAR(24)SMA(12),，得到下图，其中，所有的参数估计量的P值小于0.05，均显著。AIC为1.640316，SC为1.728672。4、参数估计结果比较这两个模型，因为第二个模型的SC值小于第一个模型的SC

人人文库> 全部分类> 应用文书 > 作业报告

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