应用时间序列分析实训报告.docx

本文格式为Word版，下载可任意编辑应用时间序列分析实训报告 《应用时间序列分析》实训报告 金融学院 《应用时间序列分析》 实训报告 实训工程名称 非平稳时间序列模型的建立 实 训 时 间 2022年12月16日 实 训 地 点 测验楼308 班 级 计科1001班 学 号 姓 名 《应用时间序列分析》 1 《应用时间序列分析》实训报告 金融学院 实 训 (实 践 ) 报 告 实 训 名 称 平稳时间序列模型的建立 一、 实训目的 本次测验是一个综合试验，通过自己选定问题，收集数据，确定研究方法，建立适合模型，解决实际问题，巩固学生动手才能，提高学生综合分析的才能。

二、 实训内容 学生根据自己喜好，选定一个实际问题，确定指标，收集相关数据，利用所学时间序列分析方法队举行研究，建立时间序列模型，透露其研究对象内部的规律，并对未来举行预料并写出分析报告概括测验内容如下： 1 确定研究问题 2 收集数据 3 建立适合模型 1.ARIMA模型建模前的打定：判断序列是否平稳. ①通过序列自相关图、趋势图等举行判断 ②若序列不平稳： 均值非平稳序列通过差分变换转换为平稳 方差非平稳序列通过对数变换等转化为平稳序列 ③模型平稳化以后，将序列零均值化 2.模型识别 主要通过序列的自相关函数、偏自相关函数表现的特征，举行初步的模型识别 3．模型参数估计 ①在Eviews中估计ARMA模型的方法 ②估计模型以后要能写出模型的形式(差分方程形式和用B算子表示的形式) 4.模型的诊断检验 2 《应用时间序列分析》实训报告 金融学院 ①根据模型残差是不是白噪声来判断模型是否为适应性模型 ②能根据输出结果判断模型是否平稳，是否可逆 ③若有多个序列是模型的适应性模型，会用适合的方法从这些模型中举行选择，如对比模型的残差方差，AIC，SC等。

5.模型应用 ①掌管追溯预料的操作方法 ②外推预料的操作方法 四、实训分析与总结 1）输入数据 2）生成时序图 观测序列时序图，可知序列具有线性长期趋势，需要举行一阶差分 观测差分时序图看出并无明显的趋势性或者循环性，得出一阶差分平稳 3 《应用时间序列分析》实训报告 金融学院 由图知，序列一阶自相关显著，序列平稳；Q统计量P值小于0.05，非白噪声；同时偏自相关拖尾、自相关一步截尾，可建立ARIMA（0,1,1）模型 3）模型参数估计 ARMA模型估计方程： ?xt?5.015566?(1?0.708169B)?t SBC值为7.013764 4 《应用时间序列分析》实训报告 金融学院 由图知偏自相关，C的值大于0.05,那么去掉C,持续建立模型： ARIMA模型估计方程：?xt?1?t 1?0.652119BSBC值为7.055671 对比两个模型的SBC 值，建立ARMA模型最优。

4）模型的诊断检验 5 《应用时间序列分析》实训报告 金融学院 残差分析：P值都大于0.05，显著有效，是白噪声序列 五、实训报告评价与劳绩 6 — 5 —。