《(完整版)应用时间序列分析习题答案解析.pdf》由会员分享，可在线阅读，更多相关《(完整版)应用时间序列分析习题答案解析.pdf（15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、 WORD 格式.分享 精品.资料 第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376（3）典型的具有单调趋势的时间序列样本自相关图 2.2（1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图 WORD 格式.分享 精品.资料 2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -
2、0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118（2）平稳序列（3）白噪声序列 2.4 LB=4.83，LB 统计量对应的分位点为 0.9634，P 值为 0.0363。显著性水平=0.05，序列不能视为纯随机序列。2.5（1）时序图与样本自相关图如下 WORD 格式.分享 精品.资料 （2）非平稳（3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)）（2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()tttE xE x
3、E 0)()7.01(txE 0)(txE ttx）B7.01(tttBBBx)7.07.01()7.01(221 229608.149.011)(txVar 49.00212 022 3.2 解：对于 AR（2）模型：3.05.02110211212112011 解得：15/115/721 3.3 解：根据该 AR(2)模型的形式，易得：0)(txE 原模型可变为：ttttxxx2115.08.0 2212122)1)(1)(1(1)(txVar 2)15.08.01)(15.08.01)(15.01()15.01(=1.98232 2209.04066.06957.0)1/(1221302
4、112211 015.06957.033222111 WORD 格式.分享 精品.资料 3.4 解：原模型可变形为：ttxcBB)1(2 由其平稳域判别条件知：当1|2，112且112时，模型平稳。由此可知 c 应满足：1|c，11c且11c 即当1c0 时，该 AR(2)模型平稳。3.5证明：已知原模型可变形为：ttxcBcBB)1(32 其特征方程为：0)(1(223ccc 不论 c 取何值，都会有一特征根等于 1，因此模型非平稳。3.6 解：（1）错，)1/()(2201txVar。（2）错，)1/()(21210111ttxxE。（3）错，TlTxlx1)(。（4）错，112211)(
5、TllTlTlTTGGGle 11122111TllTlTlT （5）错，221221211111 1lim)(lim)(limllTlTlTlleVarlxxVar。3.7解：12411112112111 MA(1)模型的表达式为：1tttx。3.8解法 1：由1122=+ttttx ，得111223=+ttttx ，则 111212230.5=0.5+(0.5)(0.5)+0.5ttttttxx ，与123=10+0.5+0.8+tttttxxC对照系数得 12120.510,0.500.50.80.5C，故1220,0.5,0.55,0.275C。WORD 格式.分享 精品.资料 解法
6、2：将123100.50.8tttttxxC等价表达为 232322331 0.8201 0.51 0.8(1 0.50.50.5)tttBCBxBBCBBBB 展开等号右边的多项式，整理为 22334423243410.50.50.50.50.80.8 0.50.8 0.50.5BBBBBBBCBCB 合并同类项，原模型等价表达为 23302010.50.550.5(0.50.4)kkttkxBBC B 当30.50.40C时，该模型为(2)MA模型，解出0.275C。3.9解：0)(txE 22222165.1)1()(txVar 5939.065.198.0122212111 2424.
7、065.14.01222122 30kk，。3.10解法 1：（1）)(21ttttCx )(3211ttttCx 11111)1(ttttttttCxCxCx 即 ttBCxB)1(1)1(显然模型的 AR 部分的特征根是 1，模型非平稳。（2）11)1(tttttCxxy为 MA(1)模型，平稳。221122111CCC 解法 2：（1）因为22()lim(1)tkVar xkC，所以该序列为非平稳序列。WORD 格式.分享 精品.资料 （2）11(1)tttttyxxC，该序列均值、方差为常数，()0tE y,22()1(1)tVar yC 自相关系数只与时间间隔长度有关，与起始时间无关
8、 121,0,21(1)kCkC 所以该差分序列为平稳序列。3.11解：（1）12.1|2，模型非平稳；11.3738 2-0.8736 （2）13.0|2，18.012，14.112，模型平稳。10.6 20.5 （3）13.0|2，16.012，12.112，模型可逆。10.450.2693i 20.450.2693i （4）14.0|2，19.012，17.112，模型不可逆。10.2569 2-1.5569 （5）17.0|1，模型平稳；10.7 16.0|1，模型可逆；10.6 （6）15.0|2，13.012，13.112，模型非平稳。10.4124 2-1.2124 11.1|1
9、，模型不可逆；11.1。3.12 解法 1：01G，11010.60.30.3GG，1111110.30.6,2kkkkGGGk 所以该模型可以等价表示为：100.3 0.6kttt kkx。WORD 格式.分享 精品.资料 解法 2：ttBxB)3.01()6.01(ttBBBx)6.06.01)(3.01(22 tBBB)6.0*3.06.0*3.03.01(322 jtjjt116.0*3.0 10G，16.0*3.0jjG 3.13解：3)()5.01()(3)(2tttxEBExBE 12)(txE。3.14 证明：已知112，114，根据(1,1)ARMA模型 Green 函数的递
10、推公式得：01G，2110110.50.25GG，1111111,2kkkkGGGk 01 52232111112245011111142422(1)11112011170.27126111jjjjjjjjjG GG 111000111222000,2jj kjj kjj kjjjkkjjjjjjG GGGG GkGGG 3.15 （1）成立 （2）成立 （3）成立 （4）不成立 3.16 解：（1）tttxx)10(*3.0101，6.9Tx 88.9)10(*3.010)()1(11TTtTxExEx 964.9)10(*3.010)()2(212TTtTxExEx 9892.9)10(*
11、3.010)()3(323TTtTxExEx 已知 AR(1)模型的 Green 函数为：jjG1，21j WORD 格式.分享 精品.资料 121213122130)3(ttttttTGGGe 8829.99*)09.03.01()3(22TeVar 3tx的置信区间：的959.9892-1.96*8829.9，9.9892 1.96*8829.9 即3.8275,16.1509 （2）62.088.95.10)1(11TTTxx 15.10964.962.0*3.0)()1(21tTxEx 045.109892.962.0*09.0)()2(31tTxEx 81.99*)3.01()2(2
12、2TeVar 3tx的置信区间：的9510.045-1.9681.9，10.045 1.96*81.9 即3.9061,16.1839。3.17 （1）平稳非白噪声序列 （2）AR(1)(3)5 年预测结果如下：3.18 （1）平稳非白噪声序列 （2）AR(1)(3)5 年预测结果如下：3.19 （1）平稳非白噪声序列 （2）MA(1)(3)下一年 95%的置信区间为（80.41,90.96）3.20 （1）平稳非白噪声序列 （2）ARMA(1,3)序列 WORD 格式.分享 精品.资料 （3）拟合及 5 年期预测图如下：第四章习题答案 4.1 解：11231()4TTTTTxxxxx 211
13、212315551()416161616TTTTTTTTTxxxxxxxxx所以，在2Tx中Tx与1Tx前面的系数均为516。4.2 解 由 111(1)(1)ttttttxxxxxx 代入数据得 5.255(1)5.265.5(1)ttxx 解得 5.10.4(1)tx舍去的情况 4.3 解：（1）21201918171611(+)13+11+10+10+12=11.255xxxxxx（）WORD 格式.分享 精品.资料 22212019181711(+).2+13+11+10+10=11.0455xxxxxx（11）（2）利用10.40.6tttxxx且初始值01xx进行迭代计算即可。另外
14、，222120 xxx 该题详见 Excel。11.79277 （3）在移动平均法下:1921201619222120171155111555iiiiXXXXXXX 111655525a 在指数平滑法中:22212020190.40.6xxxxx 0.4b 60.40.1625ba。4.4 解：根据指数平滑的定义有（1）式成立，（1）式等号两边同乘(1)有（2）式成立 2323(1)(1)(2)(1)(2)(1)(1)(1)(1)(1)(1)(2)(1)(2)ttxttttxttt（1）-（2）得 22(1)(1)(1)(1)1ttxtxtt 则1limlim1ttttxtt。4.5 该序列为
15、显著的线性递增序列，利用本章的知识点，可以使用线性方程或者 holt 两参数指数平滑法进行趋势拟合和预测，答案不唯一，具体结果略。4.6 该序列为显著的非线性递增序列，可以拟合二次型曲线、指数型曲线或其他曲线，也能 WORD 格式.分享 精品.资料 使用 holt 两参数指数平滑法进行趋势拟合和预测，答案不唯一，具体结果略。4.7 本例在混合模型结构，季节指数求法，趋势拟合方法等处均有多种可选方案，如下做法仅是可选方法之一，结果仅供参考（1）该序列有显著趋势和周期效应，时序图如下 （2）该序列周期振幅几乎不随着趋势递增而变化，所以尝试使用加法模型拟合该序列：ttttxTSI。（注：如果用乘法模
16、型也可以）首先求季节指数（没有消除趋势，并不是最精确的季节指数）0.960722 0.912575 1.038169 1.064302 1.153627 1.116566 1.04292 0.984162 0.930947 0.938549 0.902281 0.955179 消除季节影响，得序列tttyxS x，使用线性模型拟合该序列趋势影响（方法不唯一）：97.701.79268tTt，1,2,3,t （注：该趋势模型截距无意义，主要是斜率有意义，反映了长期递增速率）得到残差序列tttttIxS xyT，残差序列基本无显著趋势和周期残留。WORD 格式.分享 精品.资料 预测1971年奶牛
17、的月度产量序列为mod12,109,110,120tttxTSxt 得到 771.5021 739.517 829.4208 849.5468 914.0062 889.7989 839.9249 800.4953 764.9547 772.0807 748.4289 787.3327 （3）该序列使用x11方法得到的趋势拟合为 趋势拟合图为 4.8 这是一个有着曲线趋势,但是有没有固定周期效应的序列,所以可以在快速预测程序中用曲线拟合（stepar）或曲线指数平滑（expo）进行预测（trend=3）。具体预测值略。第五章习题 WORD 格式.分享 精品.资料 5.1 拟合差分平稳序列,即随
18、机游走模型-1=+tttxx,估计下一天的收盘价为289 5.2 拟合模型不唯一，答案仅供参考。拟合ARIMA(1,1,0)模型，五年预测值为：5.3 12(1,1,0)(1,1,0)ARIMA 5.4(1)AR(1)，(2)有异方差性。最终拟合的模型为-12-1=7.472+=-0.5595+=11.9719+0.4127ttttttttttxvvh ehv 5.5(1)非平稳（2）取对数消除方差非齐，对数序列一节差分后，拟合疏系数模型AR(1，3)所以拟合模型为 ln(1,3),1,0)x ARIMA（3）预测结果如下：5.6 原序列方差非齐，差分序列方差非齐，对数变换后，差分序列方差齐性
19、。第六章习题 6.1 单位根检验原理略。例2.1 原序列不平稳，一阶差分后平稳 例2.2 原序列不平稳，一阶与12步差分后平稳 例2.3 原序列带漂移项平稳 例2.4 原序列不带漂移项平稳 例2.5 原序列带漂移项平稳(=0.06)，或者显著的趋势平稳。WORD 格式.分享 精品.资料 6.2（1）两序列均为带漂移项平稳（2）谷物产量为带常数均值的纯随机序列，降雨量可以拟合AR（2）疏系数模型。（3）两者之间具有协整关系（4）23.55210.775549tt谷物产量降雨量 6.3（1）掠食者和被掠食者数量都呈现出显著的周期特征，两个序列均为非平稳序列。但是掠食者和被掠食者延迟2阶序列具有协整
20、关系。即-2-ttyx为平稳序列。（2）被掠食者拟合乘积模型：5(0,1,0)(1,1,0)ARIMA,模型口径为:551=1+0.92874ttxB 拟合掠食者的序列为：-2-1=2.9619+0.283994+-0.47988ttttyx 未来一周的被掠食者预测序列为：Forecasts for variable x Obs Forecast Std Error 95%Confidence Limits 49 70.7924 49.4194 -26.0678 167.6526 50 123.8358 69.8895 -13.1452 260.8167 51 195.0984 85.5968
21、 27.3317 362.8651 52 291.6376 98.8387 97.9173 485.3579 53 150.0496 110.5050 -66.5363 366.6355 54 63.5621 122.5322 -176.5965 303.7208 55 80.3352 133.4800 -181.2807 341.9511 56 55.5269 143.5955 -225.9151 336.9690 57 73.8673 153.0439 -226.0932 373.8279 58 75.2471 161.9420 -242.1534 392.6475 59 70.0053
22、189.8525 -302.0987 442.1094 60 120.4639 214.1559 -299.2739 540.2017 61 184.8801 235.9693 -277.6112 647.3714 62 275.8466 255.9302 -225.7674 777.4606 掠食者预测值为：Forecasts for variable y Obs Forecast Std Error 95%Confidence Limits 49 32.7697 14.7279 3.9036 61.6358 50 40.1790 16.3381 8.1570 72.2011 51 42.3
23、346 21.8052 -0.4028 85.0721 52 58.2993 25.9832 7.3732 109.2254 53 78.9707 29.5421 21.0692 136.8722 54 106.5963 32.7090 42.4879 170.7047 WORD 格式.分享 精品.资料 55 66.4836 35.5936 -3.2787 136.2458 56 41.9681 38.6392 -33.7634 117.6996 57 46.7548 41.4617 -34.5085 128.0182 58 39.7201 44.1038 -46.7218 126.1619
24、59 44.9342 46.5964 -46.3930 136.2614 60 45.3286 48.9622 -50.6356 141.2928 61 43.8411 56.4739 -66.8456 154.5279 62 58.1725 63.0975 -65.4964 181.8413 6.4（1）进出口总额序列均不平稳，但对数变换后的一阶差分后序列平稳。所以对这两个序列取对数后进行单个序列拟合和协整检验。（2）出口序列拟合的模型为ln(1,1,0)txARIMA,具体口径为：1ln=0.14689+1-0.38845ttxB 进口序列拟合的模型为ln(1,1,0)tyARIMA,具体口径为：1ln=0.14672+1-0.36364ttyB （3）lnty和lntx具有协整关系 （4）协整模型为：-1ln=0.99179ln+-0.69938ttttyx （5）误差修正模型为：-1ln=0.97861ln-0.22395ECMtttyx