sas時間序列預測系統(tǒng)-資料下載頁
2025-01-21 12:47本頁面
【正文】 )的最優(yōu)預測模型 。在建立 CLOSE的預測模型時 ,可把 OPEN、 LOW作為回歸量 (或稱預報元 )引入預測模型中 . 解 :(1) 進入時間序列預測系統(tǒng) 。 (2) 指定輸入數(shù)據(jù)集 ST0525和 ID變量為 Day。 2022北京大學 37 時間序列預測系統(tǒng) 例 4:使用預報量 且序列的時間間隔為 WEEKDAY(工作日 ). (3) 進入 Develop Model 窗口 ,并指定處理的序列變量 Close(收盤價 )后 , 在 Develop Model 窗口 ,按 Set Ranges鍵 ,進入規(guī)定時間范圍窗口來指定擬合模型的時間范圍等 . (4) 選擇擬合模型的方法 在 Develop Model 窗口 下半部的空地方單擊鼠標右鍵 ,由彈出的菜單中僅當選中 Fit ARIMA Model… Fit Custom Model… 時才能使用預測量 . 2022北京大學 38 時間序列預測系統(tǒng) 例 4:使用預報量 (4) 選擇 Fit ARIMA Model… 從彈出的窗口下方 Predictors(預測元 )框下方點擊 Add… (添加… )鍵 ,從彈出的菜單中①選 Linear Trend ② 選 Regressors 由彈出的供選擇的回歸元中選擇 變量 Open和 Low =OK=OK. 2022北京大學 39 時間序列預測系統(tǒng) 例 4:使用預報量 2022北京大學 40 時間序列預測系統(tǒng) 例 4:使用預報量 從顯示的擬合結(jié)果 ,與由系統(tǒng)自動擬合的最優(yōu)模型相比較可以看出考慮線性趨勢 +回歸變量OPEN+LOW后的模型更好些 (均方誤差平方根為＜ ). 若加上三次曲線趨勢 ,效果還會有點改善 . 另外還可以加上調(diào)整變量 ,干擾變量 ,季節(jié)啞變量等 . (5)選擇用圖形瀏覽所選模型 ,進入 Model Viewer窗口 ,并由工具條選第 7個圖標 ,即用圖形顯示預測結(jié)果 . 2022北京大學 41 時間序列預測系統(tǒng) 例 4:使用預報量 2022北京大學 42 時間序列建模 Forecasting菜單系統(tǒng)擬合三大類模型： ?回歸模型 ?平滑化模型 ?ARIMA模型 (AutoRegressive Integrated Moving Average 積分自回歸移動平均模型 ) 2022北京大學 43 時間序列建模 回歸模型 假定時間序列由常數(shù)項、多項式和表示月、季水平的項迭加而成的 . 平滑化模型 與回歸模型類似，由常數(shù)項、多項式和季節(jié)調(diào)整項相加或相乘構成 .而且構成項的系數(shù)都是隨時間而變化的 .參數(shù)改變率接近 0為慢變的 ,接近 1為快變的 . ARIMA模型 將時間序列的差分表為自身歷史和過去余差加權和的回歸。它是一類十分廣泛的模型 . 2022北京大學 44 時間序列建模 使用菜單自動生成模型 菜單的模型自動生成適合于： ?擬合回歸與平滑化模型 ?多個序列的批作業(yè) ?提供與手動生成模型進行比較的客觀基礎 2022北京大學 78 使用 IML的例子 proc iml。 x={1 1 1, 1 2 2, 1 2 3}。 g=inv(x)。 e=eigval(x)。 d=eigvec(x)。 h=det(x)。 t=trace(x)。 print g e d h t。 quit
教學課件相關推薦
鄂ICP備17016276號-1