時(shí)間序列分析第三章平穩(wěn)時(shí)間序列分析-資料下載頁(yè)
2025-06-26 18:35本頁(yè)面
【正文】 認(rèn)為該序列自始自終都在零軸附近波動(dòng)，這是隨即性非常強(qiáng)的平穩(wěn)時(shí)間序列。純隨機(jī)性檢驗(yàn)見(jiàn)下圖：（圖m）根據(jù)圖m的檢驗(yàn)結(jié)果我們知道，所以我們可以以很大的把握（置信水平95%）斷定這個(gè)擬合模型的殘差序列屬于非白噪聲序列。（2）如果序列平穩(wěn)且非白躁聲，選折適當(dāng)模型擬合序列的發(fā)展模型識(shí)別如下圖（圖n） 某個(gè)觀察值序列通過(guò)序列預(yù)處理，可以判定為平穩(wěn)非白噪聲序列，就可以利用ARMA模型對(duì)該序列建模。建模的基本步驟如下：求出該觀察值序列的樣本自相關(guān)系數(shù)（ACF）和樣本偏自相關(guān)系數(shù)（PACF）的值。根據(jù)樣本自相關(guān)系數(shù)和偏自相關(guān)系數(shù)的性質(zhì)，選擇適當(dāng)?shù)谹RMA（p，q）模型進(jìn)行擬合。估計(jì)模型中未知參數(shù)的值。檢驗(yàn)?zāi)Ｐ陀行浴Ｈ绻麛M合模型不通過(guò)檢驗(yàn)，轉(zhuǎn)向步驟B，重新選擇模型再擬合。模型優(yōu)化。如果擬合模型通過(guò)檢驗(yàn)，仍然轉(zhuǎn)向步驟B，充分考慮各種可能，建立多個(gè)擬合模型，從所有通過(guò)檢驗(yàn)中選擇最優(yōu)模型。利用擬合模型，預(yù)測(cè)序列的將來(lái)走勢(shì)。 最后一條信息顯示，在自相數(shù)遲階數(shù)小于等于5，移動(dòng)平均延遲階數(shù)也小于等于5的所有ARMA（p,q）模型中，BIC信息量相對(duì)最小的是ARMA（0，1）模型，即MA（1）模型。利用擬合模型，預(yù)測(cè)該城市下一時(shí)刻95%的置信區(qū)間。 由（2）可得，該模型為MA（1）模型； 下一時(shí)刻95%的置信區(qū)間[，]。實(shí)驗(yàn)小結(jié)：給定一個(gè)序列，我們首先應(yīng)該判斷平穩(wěn)性，如果平穩(wěn)，再檢查是否是純隨機(jī)序列，如果序列平穩(wěn)且非白躁聲，選折適當(dāng)模型擬合序列的發(fā)展，選擇AR,MA,或ARMA模型，然后可以對(duì)該序列進(jìn)行預(yù)測(cè)。三、實(shí)驗(yàn)體會(huì)通過(guò)本次實(shí)驗(yàn)使我掌握了一些對(duì)時(shí)間序列的處理，運(yùn)用不同的語(yǔ)句對(duì)一個(gè)樣本序列的平穩(wěn)性檢驗(yàn)和隨機(jī)性檢驗(yàn)，這對(duì)我們處理數(shù)據(jù)有很大的幫助。在生活中我們往往會(huì)遇到這樣的現(xiàn)象，當(dāng)我們所得到的樣本信息太少，并且沒(méi)有其他的輔助信息時(shí)，通常這種數(shù)據(jù)結(jié)構(gòu)式?jīng)]法進(jìn)行分析的，但是序列平穩(wěn)性的概念的提出可以有效地解決這個(gè)問(wèn)題。當(dāng)然，在操作和分析的過(guò)程中我也遇到一些不懂的問(wèn)題，例如在分析隨機(jī)性時(shí)，為什么我們只檢驗(yàn)了前6期、前12期和前18期延遲的Q統(tǒng)計(jì)量和LB統(tǒng)計(jì)量就能直接判斷該序列是否是白噪聲序列呢？為什么我們不用全部都進(jìn)行延遲檢驗(yàn)?zāi)?？后?lái)，經(jīng)過(guò)網(wǎng)上搜索，知道了如果一個(gè)平穩(wěn)序列短期延遲的序列值之間不存在顯著相關(guān)關(guān)系，通常長(zhǎng)期延遲之間就更不會(huì)存在顯著的相關(guān)關(guān)系了。在剛做相對(duì)最優(yōu)定價(jià)時(shí)，我還不知道這個(gè)的作用，后來(lái)經(jīng)過(guò)多次的練習(xí)，需要用到多次之后，我才發(fā)現(xiàn)這個(gè)是為了避免因個(gè)人經(jīng)驗(yàn)不足導(dǎo)致的模型識(shí)別問(wèn)題，只要我們?cè)贗DENTIFY命令中增加一個(gè)可選命令MINIC，就可以獲得一定范圍內(nèi)的最優(yōu)模型定階。通過(guò)BIC的信息量，就可以知道選擇AR,MA,或ARMA模型，然后可以對(duì)該序列進(jìn)行預(yù)測(cè)。還有在參數(shù)估計(jì)的時(shí)候，是要確定模型的口徑，并對(duì)擬合好的模型進(jìn)行顯著性診斷。Eg：SAS的程序語(yǔ)言是estimate q=4；run；如果參數(shù)估計(jì)輸出的結(jié)果顯示均值MU不顯著，其他參數(shù)均顯著，就需要選擇NOINT選項(xiàng)，除去常數(shù)項(xiàng)，再次估計(jì)未知參數(shù)的結(jié)果。如果全部顯著就不在需要選擇NOINT選項(xiàng)。還有了解到一個(gè)例子的擬合模型的具體形式，還有進(jìn)行序列預(yù)測(cè)，預(yù)測(cè)該序列未來(lái)的趨勢(shì)走向，還可以通過(guò)圖像顯示出來(lái)，方便分析。進(jìn)一步了解到時(shí)間序列分析在生活中多方面的應(yīng)用。在應(yīng)用時(shí)間序列分析法進(jìn)行市場(chǎng)預(yù)測(cè)時(shí)應(yīng)注意市場(chǎng)現(xiàn)象未來(lái)發(fā)展變化規(guī)律和發(fā)展水平，不一定與其歷史和現(xiàn)在的發(fā)展變化規(guī)律完全一致。隨著市場(chǎng)現(xiàn)象的發(fā)展，它還會(huì)出現(xiàn)一些新的特點(diǎn)。因此，在時(shí)間序列分析預(yù)測(cè)中，決不能機(jī)械地按市場(chǎng)現(xiàn)象過(guò)去和現(xiàn)在的規(guī)律向外延伸。必須要研究分析市場(chǎng)現(xiàn)象變化的新特點(diǎn)，新表現(xiàn)，并且將這些新特點(diǎn)和新表現(xiàn)充分考慮在預(yù)測(cè)值內(nèi)。這樣才能對(duì)市場(chǎng)現(xiàn)象做出既延續(xù)其歷史變化規(guī)律，又符合其現(xiàn)實(shí)表現(xiàn)的可靠的預(yù)測(cè)結(jié)果。時(shí)間序列分析預(yù)測(cè)法突出了時(shí)間因素在預(yù)測(cè)中的作用，暫不考慮外界具體因素的影響。時(shí)間序列在時(shí)間序列分析預(yù)測(cè)法處于核心位置，沒(méi)有時(shí)間序列，就沒(méi)有這一方法的存在。雖然，預(yù)測(cè)對(duì)象的發(fā)展變化是受很多因素影響的。但是，運(yùn)用時(shí)間序列分析進(jìn)行量的預(yù)測(cè)，實(shí)際上將所有的影響因素歸結(jié)到時(shí)間這一因素上，只承認(rèn)所有影響因素的綜合作用，并在未來(lái)對(duì)預(yù)測(cè)對(duì)象仍然起作用，并未去分析探討預(yù)測(cè)對(duì)象和影響因素之間的因果關(guān)系。因此，為了求得能反映市場(chǎng)未來(lái)發(fā)展變化的精確預(yù)測(cè)值，在運(yùn)用時(shí)間序列分析法進(jìn)行預(yù)測(cè)時(shí)，必須將量的分析方法和質(zhì)的分析方法結(jié)合起來(lái)，從質(zhì)的方面充分研究各種因素與市場(chǎng)的關(guān)系，在充分分析研究影響市場(chǎng)變化的各種因素的基礎(chǔ)上確定預(yù)測(cè)值。18
研究報(bào)告相關(guān)推薦
鄂ICP備17016276號(hào)-1