应用时间序列分析习题答案
更新时间:2023-06-09 07:04:01 阅读量: 实用文档 文档下载
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
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 -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
,序列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
不能视为纯随机序列。
2.5
(1)时序图与样本自相关图如下
(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()()t t t E x E x E ε-=?+
0)()7.01(=-t x E 0)(=t x E t t x ε=-)B 7.01(
t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149
.011)(εεσσ=-=t x Var 49.00212==ρφρ 022=φ
3.2 解:对于AR (2)模型:
???=+=+==+=+=-3.05.021102112
12112011φρφρφρφρρφφρφρφρ 解得:???==15
/115/721φφ 3.3 解:根据该AR(2)模型的形式,易得:0)(=t x E 原模型可变为:t t t t x x x ε+-=--2115.08.0
111212230.5=0.5+(0.5)(0.5)+0.5t t t t t t x x μεθεθθεθε------+--,
与123=10+0.5+0.8+t t t t t x x C εεε----对照系数得
12120.510,0.500.50.80.5C
μθθθθ=??+=??-=??=?,故1
220,0.5,0.55,0.275C μθθ=??=-??=?
?=?。
解法2:将123100.50.8t t t t t x x C εεε---=++-+等价表达为
()23
23223310.82010.510.8(10.50.50.5)t t
t
B CB x B
B CB B B B εε-+-=-=-+++++
展开等号右边的多项式,整理为
2233
4423243
4
10.50.50.50.50.80.80.50.80.50.5B B B B B B B CB CB +++++
--?-?-
++
+
合并同类项,原模型等价表达为
2
330
20[10.50.550.5(0.50.4)]k k t t k x B B C B ε∞
+=-=+-+-+∑
当30.50.40C -+=时,该模型为(2)MA 模型,解出0.275C =。 3.9解::0)(=t x E
22222
165.1)1()(εεσσθθ=++=t x Var
5939.065.198
.012
2
212111-=-=+++-=
θθθθθρ 2424.065
.14.01222122==++-=
θθθρ 30≥=k k ,ρ。
3.10解法1:(1))(21 +++=--t t t t C x εεε
)(3211 +++=----t t t t C x εεε
11111)1(------++=??
?
??+-+=t t t t t t t t C x C x C x εεεεε
即 t t B C x B ε])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(---+=-=t t t t t C x x y εε为MA(1)模型,平稳。 2
21122111+--=+-=C C C θθρ 解法2:(1)因为22()lim(1)t k Var x kC εσ→∞=+=∞,所以该序列为非平稳序列。
(2)11(1)t t t t t y x x C εε--=-=+-,该序列均值、方差为常数,
()0t E y =,22()1(1)t Var y C εσ??=+-??
自相关系数只与时间间隔长度有关,与起始时间无关 121,0,21(1)k C k C ρρ-==≥+-
所以该差分序列为平稳序列。
3.11解:(1)12.1||2>=φ,模型非平稳; =1λ 1.3738 =2λ-0.8736
(2)13.0||2<=φ,18.012<=+φφ,14.112<-=-φφ,模型平稳。 =1λ0.6 =2λ0.5
(3)13.0||2<=θ,16.012<=+θθ,12.112<-=-θθ,模型可逆。 =1λ0.45+0.2693i =2λ0.45-0.2693i
(4)14.0||2<=θ,19.012<-=+θθ,17.112>=-θθ,模型不可逆。 =1λ0.2569 =2λ-1.5569
(5)17.0||1<=φ,模型平稳;=1λ0.7 16.0||1<=θ,模型可逆;=1λ0.6
(6)15.0||2<=φ,13.012<-=+φφ,13.112>=-φφ,模型非平稳。 =1λ0.4124 =2λ-1.2124
11.1||1>=θ,模型不可逆;=1λ 1.1。
3.12 解法1: 01G =,11010.60.30.3G G φθ=-=-=,
1111110.30.6,2k k k k G G G k φφ---===?≥
所以该模型可以等价表示为:10
0.30.6k
t t t k k x εε
∞
--==+
?∑。
解法2:t t B x B ε)3.01()6.01(-=-
t t B B B x ε)6.06.01)(3.01(22 +++-= t B B B ε)6.0*3.06.0*3.03.01(322 ++++= j t j j t -∞
=-∑+=εε116.0*3.0
10=G ,16.0*3.0-=j j G
3.13解:3)()5.01(])(3[])([2
=-?Θ+=Φt t t x E B E x B E ε
12)(=t x E 。
3.14 证明:已知11
2
φ=
,114θ=,根据(1,1)ARMA 模型Green 函数的递推公式得:
01G =,2110110.50.25G G φθφ=-=-=,1111111,2k k k k G G G k φφφ-+-===≥
01ρ=
5
2
23211
1
1
1
22450
11111142422(1)
11112
01
1170.27126111j j
j j j j j
j j G G
G
φφφ
φφφφφρφφφφφ∞
∞
++==∞
∞
+==++
--+=
=
====-+++
-∑∑∑∑
()
1
1
1
1
1122200
,2j
j k
j
j k j
j k j j j k k j
j
j
j j j G G G G
G G
k G
G
G
φρφφρ∞
∞
∞
++-+-===-∞
∞
∞====
=
==≥∑∑∑∑∑∑
3.15 (1)成立 (2)成立 (3)成立 (4)不成立
3.16 解:(1)t t t x x ε+-=--)10(*3.0101, 6.9=T x
88.9])10(*3.010[)()1(?11=+-+==++T T t T x E x E x
ε 964.9])10(*3.010[)()2(?212=+-+==+++T T t T x E x E x
ε 9892.9])10(*3.010[)()3(?323=+-+==+++T T t T x E x E x
ε 已知AR(1)模型的Green 函数为:j j G 1φ=, ,,21=j 121213122130)3(++++++++=++=t t t t t t T G G G e εφεφεεεε 8829.99*)09.03.01()]3([22=++=T e Var 3+t x %的置信区间:的95[9.9892-1.96*8829.9,9.9892+1.96*8829.9] 即[3.8275,16.1509]
(2)62.088.95.10)1(?11=-=-=++T T T x
x ε 15.10964.962.0*3.0)()1(?21=+==++t T x E x
045.109892.962.0*09.0)()2(?31=+==++t T x E x
81.99*)3.01()]2([22=+=+T e Var 3+t x %的置信区间:的95[10.045-1.96×81.9,10.045+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
(3)拟合及5年期预测图如下:
第四章习题答案
4.1 解:
11231?()4T T T T T x x x x x +---=+++
211212315551??()416161616
T T T T T T T T T x x x x x x x x x ++-----=+++=+++所以,在2?T x +中T x 与1T x -前面的系数均为516。
4.2 解 由
111(1)(1)t t t t t t x x x x x x αααα-++=+-??=+-?
代入数据得
5.255(1)5.26 5.5(1)t t x x αααα=+-??=+-?
解得
5.10.4(1)t x αα=??=>?
舍去的情况
4.3 解:(1) 21201918171611?(+)13+11+10+10+12=11.255x x x x x x =+++=() 22212019181711??(+).2+13+11+10+10=11.0455x x x x x x =+++=(11)
(2)利用10.40.6t t t x x x -=+且初始值01x x =进行迭代计算即可。另外,222120??x x x == 该
题详见Excel 。11.79277
(3)在移动平均法下: 19212016
192221201711?55111??555i i i i X X X X X X X ===+=++∑∑
111655525a =+?=
在指数平滑法中:
2221202019??0.40.6x x x x x ===+
0.4b ∴=
60.40.1625b a ∴-=-=。
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)α-有(2)式成立 2323(1)(1)(2)(1)(2)(1)(1)(1)(1)(1)(1)(2)(1)(2)t t x t t t t x t t t αααααααααααααα=+--+--+--+
-=-+--+--+
(1)-(2)得
22(1)(1)(1)(1)
1t t x
t x t t αααααααααα
=-----
=-----
-=-
则1lim lim 1t t t t x t t αα→∞→∞-??- ?== ? ???。
4.5 该序列为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:t t t t x T S I =++。(注:如果用乘法模型也可以)
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t t t y x S x =-,使用线性模型拟合该序列趋势影响(方法不唯一):
97.70 1.79268t T t =-+,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t t t t t I x S x y T =-=-,残差序列基本无显著趋势和周期残留。
预测1971年奶牛的月度产量序列为()
mod 12?,109,110,,120t t t x T S x t =+=
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
5.1 拟合差分平稳序列,即随机游走模型 -1=+t t t x x ε,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+0.4127t t t t t t
t t t
t x v v h e h v εεε??????? 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。
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)α,或者显著的趋势平稳。
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)23.55210.775549t t =+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阶序列具有协整关系。即-2{-}t t y x β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:
55
1=1+0.92874t t x B ε?? 拟合掠食者的序列为: -2-1=2.9619+0.283994+-0.47988t t t t y x εε
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 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 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 42.3346 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
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
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)t x ARIMA ,具体口径为:
1ln =0.14689+1-0.38845t t x B
ε? 进口序列拟合的模型为ln ~(1,1,0)t y ARIMA ,具体口径为:
1ln =0.14672+
1-0.36364t t y B
ε? (3)ln t y 和ln t x 具有协整关系 (4)协整模型为:-1ln =0.99179ln +-0.69938t t t t y x εε
(5)误差修正模型为:-1ln =0.97861ln -0.22395ECM t t t y x ??
正在阅读:
应用时间序列分析习题答案06-09
第2章试题11-22
社会养老还有哪些难题亟待破解 - 图文03-31
水刀原理 - 图文02-27
国家统计局科技部06-02
离职证明模板简单5篇03-31
玉米学期末复习题10-29
食品生物技术实验03-15
- 教学能力大赛决赛获奖-教学实施报告-(完整图文版)
- 互联网+数据中心行业分析报告
- 2017上海杨浦区高三一模数学试题及答案
- 招商部差旅接待管理制度(4-25)
- 学生游玩安全注意事项
- 学生信息管理系统(文档模板供参考)
- 叉车门架有限元分析及系统设计
- 2014帮助残疾人志愿者服务情况记录
- 叶绿体中色素的提取和分离实验
- 中国食物成分表2020年最新权威完整改进版
- 推动国土资源领域生态文明建设
- 给水管道冲洗和消毒记录
- 计算机软件专业自我评价
- 高中数学必修1-5知识点归纳
- 2018-2022年中国第五代移动通信技术(5G)产业深度分析及发展前景研究报告发展趋势(目录)
- 生产车间巡查制度
- 2018版中国光热发电行业深度研究报告目录
- (通用)2019年中考数学总复习 第一章 第四节 数的开方与二次根式课件
- 2017_2018学年高中语文第二单元第4课说数课件粤教版
- 上市新药Lumateperone(卢美哌隆)合成检索总结报告
- 时间序列
- 习题
- 答案
- 应用
- 分析
- 办公楼装饰工程施工组织设计方案范本
- 在线购物网站开发计划书
- 文秘专业(2007级)毕业实习计划
- 上海市宝山区2020版数学六年级上学期数学期末试卷(II)卷
- 精品 数学二轮复习 板块1 精讲2 平面向量与复数 学案
- 开盘前抓涨停板的选股方法
- 天线与电波传播_第四章
- 仿真实习财务总结
- 认知视角下汉语古诗中的文化缺省和文化冲突的翻译_邹幸居
- 2.2函数的求导法则
- 普通本科毕业论文(设计)指导情况登记表
- 杭州电信宽带用户宽带包年用户续费优惠协议
- 第5章 向量组的线性相关性
- 2014年新人教版物理中考复习第二十二章
- 2010-09-05_曹仁超:衣食足而知荣辱
- 第十九章 抗心律失常药
- 文化遗产旅游价值取向的新探索
- 土地估价师资格考试科目1土地管理法规(自总结)
- 对公司的合理化建议
- 2012年上半年新城乡发展党员工作总结