時間序列組合模型在經濟預測中的應用(編輯修改稿)
2025-07-25 16:04 本頁面
【文章內容簡介】 +mt當有理由相信這種趨勢能夠延伸到未來時，賦予變量t所需要的值，則可以得到相應時刻的時間序列未來值。趨勢外推法就是以時間t為自變量找出一系列歷史數據的趨勢線并外推于將來所進行的中長期預測。誤差項t既反映y的長期趨勢中隨機波動的影響，又包含構成y預測模型的主要因素之外的其他因素的影響。在運用趨勢外推法進行預測以后，由于mt一般不能滿足平穩(wěn)性條件，導致預測值存在較大的誤差，因此需要對模型進行修正。修正方法就是對誤差項mtt建立ARMA模型，與趨勢外推法結合，建立組合模型。由于它既包含了可由時間變量t解釋的y的部分變化，又包含了時間變量不可解釋的但可由ARMA模型解釋的y的另一部分，因而預測的精確度得到了提高。3實際情況分析數據表1 1992年—2012年中國GDP數據年份 GDP(億元) 年份 GDP(億元) 年份 GDP(億元)1992 1999 2006 1993 2000 2007 1994 2001 2008 1995 2002 2009 1996 2003 2010 1997 2004 2011 1998 2005 2012 模型的預測首先畫出歷年中國GDP的曲線圖，如圖1圖11991—2012年中國GDP曲線由圖1可以看出，GDP隨時間變化呈現出上升的趨勢，并且沒有明顯的季節(jié)變動，而且該曲線的形狀與二次曲線模型相似，因此，根據趨勢外推法的基本原理，可以建立以時間t為自變量，GDP為因變量的趨勢模型：^ ^ ^GDP=a+bxt+cxt2（t=…21），在eviews中可得到結果如下圖2圖2 趨勢外推模型的參
規(guī)章制度相關推薦
鄂ICP備17016276號-1