《时间序列建模分析幻灯片.ppt》由会员分享，可在线阅读，更多相关《时间序列建模分析幻灯片.ppt（70页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、时间序列建模分析第1页，共70页，编辑于2022年，星期六目录l1、ARIMA模型模型 1.1 1.1 模型的适用条件与构建过程模型的适用条件与构建过程 1.2 EVIEWS1.2 EVIEWS操作简单说明操作简单说明 1.3 1.3 模型构建实例模型构建实例l l2 2、季节时间序列模型、季节时间序列模型 2.1 2.1 确定性季节时间序列模型确定性季节时间序列模型 2.2 2.2 随机性季节时间序列模型随机性季节时间序列模型第2页，共70页，编辑于2022年，星期六时间序列的预处理：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。根据检验的结果可
2、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3页，共70页，编辑于2022年，星期六时间序列的基本类型：时间序列平稳时间序列非平稳时间序列平稳白噪声序列平稳非白噪声序列确定性时序分析随机性时序分析没有分析价值模型拟合（常用ARMA模型）长期趋势循环波动季节性变化平稳性检验纯随机性检验随机波动ARIMA模型残差自回归模型条件异方差模型第4页，共70页，编辑于2022年，星期六平稳性检验方法：l l图检验方法图检验方法 l构造检验统计量构造检验统计量时序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
3、，自相关系数衰减向零的速度较慢第5页，共70页，编辑于2022年，星期六纯随机性检验方法：构造检验统计量大样本场合大，小样本场合Q统计量LB统计量否则，认为该序列为纯随机序列对Q统计量修正若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6页，共70页，编辑于2022年，星期六平稳非白噪声序列建模步骤：平稳非白噪声序列预测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7页，共70页，编辑于2022年，星期六ARIMA模型建模流程：获得观察值序列拟合ARMA模型差分运算分析结束平稳性检验白噪声检验NYNY第8
4、页，共70页，编辑于2022年，星期六EVIEWS 操作第9页，共70页，编辑于2022年，星期六创建文件创建文件第10页，共70页，编辑于2022年，星期六数据录入第11页，共70页，编辑于2022年，星期六画图第12页，共70页，编辑于2022年，星期六自相关和偏自相关图第13页，共70页，编辑于2022年，星期六单位根检验第14页，共70页，编辑于2022年，星期六建立方程第15页，共70页，编辑于2022年，星期六预测第16页，共70页，编辑于2022年，星期六例：某国1980年至1993年GNP平减指数的季节时间序列，共56个观测值，见下表表表5.1 5.1 某国某国GNPGNP平减
5、指数季度资料平减指数季度资料 1 12 23 34 41980198089.8989.8991.0791.0791.7991.7993.0393.031981198194.494.495.795.796.5296.5297.3997.391982198298.7298.7299.4299.42100.25100.25101.54101.5419831983102.95102.95104.75104.75106.53106.53108.74108.7419841984110.72110.72113.48113.48116.42116.42119.79119.7919851985122.88122
6、.88124.44124.44126.68126.68128.99128.9919861986130.12130.12131.3131.3132.89132.89134.99134.9919871987136.8136.8139.01139.01141.03141.03143.24143.2419881988145.12145.12148.89148.89152.02152.02155.38155.3819891989158.6158.6161.85161.85165.12165.12168.05168.0519901990171.94171.94176.46176.46180.24180.2
7、4185.13185.1319911991190.01190.01193.03193.03197.7197.7201.69201.6919921992203.98203.98206.77206.77208.53208.53210.27210.2719931993212.87212.87214.25214.25215.89215.89218.21218.21年/季第17页，共70页，编辑于2022年，星期六该序列时序图（1.1）和自相关图（1.2）如下：图（1.1）图（1.2）该图显示有明显的长期趋势 自相关系数随延迟期数的增加，衰减向零的速度相当缓慢，且后期有反向递增趋势序列非平稳第18页，共
8、70页，编辑于2022年，星期六序列GNP的单位根检验结果：检验t统计量的值是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70页，编辑于2022年，星期六一阶差分后的时序图与自相关图：图（1.3）图（1.4）时序图仍显示有长期趋势自相关系数向零衰减的速度依然较慢一阶差分序列仍不平稳第20页，共70页，编辑于2022年，星期六一阶差分序列D(GNP)的单位根检验结果：检验t统计量的值是-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
9、分序列也是非平稳的。第21页，共70页，编辑于2022年，星期六2阶差分时序图与自相关图：图（1.5）图（1.6）差分序列在零附近波动，无明显趋势或周期自相关系数在零值附近波动认为2阶差分序列平稳第22页，共70页，编辑于2022年，星期六二阶差分序列的单位根检验：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70页，编辑于2022年，星期六对平稳的2阶差分序列进行白噪声检验：在显著性水平为0.05的条件下，延迟期数为6和12时，Q统计量的P值均小于0.052阶差分序列为非白噪声序列 结合前
10、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70页，编辑于2022年，星期六根据2阶差分序列的自相关图ACF和偏自相关图PACF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，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2
11、5页，共70页，编辑于2022年，星期六剔除C与MA（1）:ARIMA(2,2,(2):d(gnp,2)ar(1)ar(2)ma(2)可供选用模型一模型参数均通过检验第26页，共70页，编辑于2022年，星期六建立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，予以剔除结果和前述模型相同第27页，共70页，编辑于2022年，星期六建立ARIMA(3,2,3):命令为：d(gnp,2)ar(1)ar(2)ar(3)ma(1)ma(2)ma(3)可供选用模型二第28页，共70页，编辑于2022年，星
12、期六模型适用性检验：模型ARIMA(2,2,(2)模型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70页，编辑于2022年，星期六模型预测结果：GNPGNP平减指数时间序列模型为平减指数时间序列模型为:第30页，共70页，编辑于2022年，星期六拟合曲线对比：拟合曲线与原序列曲线十分接近，直观来看，拟合效果较好！第31页，共70页，编辑于2022年，星期六季节时间序列建模案季节时间序列建模案例例第32页，
13、共70页，编辑于2022年，星期六研究对象及目的研究对象及目的l对我国对我国19901990年年1 1月至月至19971997年年1212月月工业总产值的月度资料（工业总产值的月度资料（19901990年年为不变价格）共有为不变价格）共有9696个观测值进个观测值进行时间序列拟合，并对行时间序列拟合，并对19981998年工年工业总产值进行预测。业总产值进行预测。第33页，共70页，编辑于2022年，星期六1990年年1月至月至1997年年12月我国工业总产值月我国工业总产值单位：亿元单位：亿元第34页，共70页，编辑于2022年，星期六数据预处理l数据导入l观察原始数据的自相关与偏自相关图l
14、观察原始数据的折线图l对原始数据进行对数化l对处理过的数据进行差分l对季节进行差分第35页，共70页，编辑于2022年，星期六第36页，共70页，编辑于2022年，星期六第37页，共70页，编辑于2022年，星期六时间序列特征分析时间序列特征分析第38页，共70页，编辑于2022年，星期六第39页，共70页，编辑于2022年，星期六时间序列特征分析时间序列特征分析第40页，共70页，编辑于2022年，星期六第41页，共70页，编辑于2022年，星期六时间序列特征分析时间序列特征分析一阶差分一阶差分二阶差分二阶差分第42页，共70页，编辑于2022年，星期六第43页，共70页，编辑于2022年，
15、星期六时间序列特征分析时间序列特征分析第44页，共70页，编辑于2022年，星期六序列自相关图和偏自相关图序列自相关图和偏自相关图第45页，共70页，编辑于2022年，星期六研究方法研究方法l 确定性时间序列分析确定性时间序列分析l 随机性时间序列分析随机性时间序列分析第46页，共70页，编辑于2022年，星期六基本原理l通常时间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的确定性函数，而且时间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47页，共70页，编辑于2022年，星期六计算季节指数，剔除季节因素计算季节
16、指数，剔除季节因素 具体操作第48页，共70页，编辑于2022年，星期六第49页，共70页，编辑于2022年，星期六模型检验模型检验l为说明模型的预测误差，现已为说明模型的预测误差，现已9096年数年数据为样本，对据为样本，对97年进行预测，并与其真实年进行预测，并与其真实值进行对比，计算预测误差。值进行对比，计算预测误差。第50页，共70页，编辑于2022年，星期六第51页，共70页，编辑于2022年，星期六第52页，共70页，编辑于2022年，星期六利用指数平滑法对以上图形进行拟合第53页，共70页，编辑于2022年，星期六第54页，共70页，编辑于2022年，星期六3843.843843
17、.843843.843843.843516.613516.613516.613516.618.51%8.51%8.51%8.51%3181.263181.263181.263181.263178.8153178.8153178.8153178.8150.08%0.08%0.08%0.08%4404.494404.494404.494404.494154.4574154.4574154.4574154.4575.68%5.68%5.68%5.68%4520.184520.184520.184520.184316.1384316.1384316.1384316.1384.51%4.51%4.51%
18、4.51%4638.994638.994638.994638.994566.7974566.7974566.7974566.7971.56%1.56%1.56%1.56%4969.934969.934969.934969.934776.9514776.9514776.9514776.9513.88%3.88%3.88%3.88%4146.8994146.8994146.8994146.8994194.9314194.9314194.9314194.9311.16%1.16%1.16%1.16%4198.74198.74198.74198.74270.9534270.9534270.953427
19、0.9531.72%1.72%1.72%1.72%4563.8394563.8394563.8394563.8394558.2984558.2984558.2984558.2980.12%0.12%0.12%0.12%4178.914178.914178.914178.914605.6014605.6014605.6014605.60110.21%10.21%10.21%10.21%5034.9395034.9395034.9395034.9395003.3375003.3375003.3375003.3370.63%0.63%0.63%0.63%5545.745545.745545.7455
20、45.745624.935624.935624.935624.931.43%1.43%1.43%1.43%实际值实际值预测值预测值预测误差预测误差第55页，共70页，编辑于2022年，星期六对对98年进行预测年进行预测l与上同理，只是样本数据是与上同理，只是样本数据是90年年97年年第56页，共70页，编辑于2022年，星期六0.8342360.8342360.8342360.8342360.7497260.7497260.7497260.7497260.9775190.9775190.9775190.9775191.0064821.0064821.0064821.0064821.057697
21、1.0576971.0576971.0576971.0972791.0972791.0972791.0972790.950760.950760.950760.950760.9610930.9610930.9610930.9610931.0172161.0172161.0172161.0172161.019181.019181.019181.019181.1010631.1010631.1010631.1010631.2277491.2277491.2277491.2277494645.4794645.4794645.4794645.4794679.5484679.5484679.5484679
22、.5484713.6174713.6174713.6174713.6174747.6864747.6864747.6864747.6864781.7554781.7554781.7554781.7554815.8244815.8244815.8244815.8244849.8934849.8934849.8934849.8934883.9634883.9634883.9634883.9634918.0324918.0324918.0324918.0324952.1014952.1014952.1014952.1014986.174986.174986.174986.175020.2395020
23、.2395020.2395020.239最终预测值最终预测值季节指数季节指数3875.4273875.4273875.4273875.4273508.3793508.3793508.3793508.3794607.654607.654607.654607.654778.4584778.4584778.4584778.4585057.655057.655057.655057.655284.3035284.3035284.3035284.3034611.0824611.0824611.0824611.0824693.9414693.9414693.9414693.9415002.7025002.7
24、025002.7025002.7025047.0845047.0845047.0845047.0845490.0895490.0895490.0895490.0896163.5936163.5936163.5936163.593指数平滑预测值指数平滑预测值第57页，共70页，编辑于2022年，星期六该方法的优缺点该方法的优缺点l优点：快速便捷的提取信息。优点：快速便捷的提取信息。l缺点：从残差的自相关图可以看出新序列仍缺点：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型没有完全把元序列蕴含的相关差分
25、提取出来。出来。第58页，共70页，编辑于2022年，星期六第59页，共70页，编辑于2022年，星期六模型建立模型建立根据相关图，可首选建立根据相关图，可首选建立阶季节时间序列模型。阶季节时间序列模型。EViews的估计命令是：的估计命令是：DLOG(gy,1,12)C AR(1)AR(2)AR(3)SAR(12)MA(1)SMA(12)DLOG(gy,1,12)C AR(1)AR(2)AR(3)SAR(12)MA(1)SMA(12)第60页，共70页，编辑于2022年，星期六第61页，共70页，编辑于2022年，星期六模型参数估计与相关检验结果模型参数估计与相关检验结果第62页，共70页，编辑于2022年，星期六阶季节乘积模型阶季节乘积模型第63页，共70页，编辑于2022年，星期六第64页，共70页，编辑于2022年，星期六第65页，共70页，编辑于2022年，星期六模型预测模型预测第66页，共70页，编辑于2022年，星期六第67页，共70页，编辑于2022年，星期六第68页，共70页，编辑于2022年，星期六第69页，共70页，编辑于2022年，星期六谢谢 谢！谢！第70页，共70页，编辑于2022年，星期六