时间序列作业预测中美GDP

习题2.3

1.考虑系列{1,2，…，20}： （1） 判断该系列是否平稳。

（2） 计算该序列的样本自相关系数（k=1,2,…，6）。 （3） 绘制该样本自相关图，并解释该图形。 解：（1）绘制该序列的时序图；

平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动，而且波动的范围有界，但是该时序图显示系列并不平稳，呈现明显的递增趋势，所以一定不是平稳序列。

（2）

分析上图得；?1=0.850 ?2=0.702 ?3=0.556 ?4=0.415 ?5=0.280 ?6=0.153

（3）考察该序列的自相关图，进一步检验该序列的平稳性。

从图中我们发现序列的自相关系数递减到零的速度相当缓慢，在很长的延迟时期里，自相关系数一直为正，而后又一直为负，在自相关图中显示三角对称性，这是具有单调趋势的非平稳序列的一种自相关图形式。该序列并不平稳。

同时，由于Q检验的P值都非常小，所以有很大的把握，断定该序列属于非白噪声序列。

2、1975-1980年夏威夷岛莫纳罗亚火山（Mauna Loa）每月释放的CO2数据（单位：ppm）如表2-7所示（行数据）。 表2-7：

（1） 绘制该序列的时序图，并判断该序列是否平稳。 （2

实验3：时间序列平滑预测

3.1实验目的

1、了解移动平均法和指数平滑法的基本概念，基本原理；

2、掌握一次移动平均法，二次移动平均法，单指数平滑，双指数平滑和霍尔特指数平滑法预测模型形式，适用条件及内在机理；

3、掌握利用Excel软件实现一次移动平均法，二次移动平均法操作步骤； 4、掌握利用Eviews软件实现单指数平滑，双指数平滑和霍尔特指数平滑法预测的操作流程。

3.2实验原理

3.2.1移动平均法

移动平均法是根据一段时间序列的样本资料、逐项推移，依次计算包含一定项数的序时平均数，来预测序列趋势的一种平滑方法。它是最简单的自适应预测模型，主要包括一次移动平均和二次移动平均两种方法。

（一）一次移动平均法

一次移动平均法又称简单移动平均法，它是根据序列特征，计算一定项数的算术平均数作为序列下一期的预测值，这种方法随着时间的推移逐渐纳入新的数据同时去掉历史数据。

（1）计算公式：设时间序列为：x1,x2,?,xt一次移动平均的计算公式为：

1St?(xt?xt?1???xt?n?1)

n式中：St为第t期移动平均数；n为移动平均的项数。公式表明时间t每向前移动一个时期，一次移动平均便增加一个新近数据，去掉一个远期数据，得到

时间序列分析课程大作业

专业： 学号： 姓名：

江苏省第三产业生产总值的研究—基于ARIMA模型分析

【摘要】

本论文分析江苏省第三产业生产总值数据，利用金融统计方法来建立模型，对江苏省经济进行分析和预测。首先，根据1978-2011年江苏省第三产业生产总值的数据绘制时间序列图，观察序列特征。然后，通过自然对数变换将近似指数上升的数据转化为近似直线上升的数据，在单位根检验的基础上结合样本自相关系数和样本偏相关系数的特征初步建立合适的ARIMA模型，并对建立的模型进行白噪声检验和参数的T检验。最后，根据T检验、白噪声检验的结果，结合AIC信息准则对模型进行优选，并根据最终确定的模型对2012-2017年江苏省第三产业生产总值进行预测，从而对江苏省经济的分析和预测。 一、引言：

近几年来，江苏省作为我国经济大省，经济发展面临着前所未有的机遇和挑战。随着科技和文化的发展，第三产业对经济发展的贡献和作用越来越大。加快发展第三产业，有利于江苏省经济结构调整和产业升级，有利于推进其现代化进程，有利于扩大就业和提高人民生活质量。对全省经济发展的局部协调和宏观调控，都不能忽视第三产业在经济发展中所起的作用。因此，研究江苏省第三产业生产总值数据，通过建立合适的

第四章 时间序列预测法历史往往重复过去的故事

主要内容第一节 时间序列预测综述 第二节 平滑预测方法 第三节 趋势方程拟合法 第四节 季节变动预测法

第一节 时间序列预测综述时间序列 – 是指同一变量按照发生时间的先后顺序排列起来 的一组观察值 时间序列预测法 – 利用变量本身的历史数据进行预测的方法。通过 确定变量的历史模式，并认为在将来这一模式同 样有效来推断将来。是连续性原理的直接运用。 几个实践案例

理解预测很容易，谁都可以做。关键的问题是谁 做得准，如何评价预测结果很重要。 明确数据模式的用处，不同模式使用不同的 方法 通过误差大小判断预测结果的准确性

时间序列预测的步骤搜集数据 – 时间序列数据 分析数据模式 – 散点图，定性分析，数据特征分析 按照模式进行预测 – 建立适当的预测模型

时间序列基本模式长期趋势变动 – 是指由于某种根本性原因的影响，预测变量 在相当长的一段时期内，持续上升或持续下 降的变动形态。 – 分为：水平型模式；趋势型模式 季节变动模式 – 是指由于自然条件、社会条件的影响，预测 变量在一年内随季节的转变而引起的周期性 波动

时间序列基本模式(续)周期变动模式(循环变动模式)– 经济周期的变动以及由其所影响的预测变量的

第五章 时间序列的指数平滑预测法

[习题]

一、 单项选择题

1. 当数据的随机因素较大时，选用的N因该（ ）。

A 较大 B 较小 C.随机选择 D.等于n

2. 当数据的随机因素较小时，选用的N因该（ ）。

A 较大 B. .随机选择 C.较小 D.等于n

3. 在移动平均值的计算中包括的过去观察值的实际个数（ ） A. 至少有5个 B. 必须一开始就明确规定 C 有多少个都可以 D至少有3个

4 温特线性和季节性指数平滑包括的平滑参数个数是（ ） Ａ１个 Ｂ ２个 Ｃ ３个 Ｄ ４个

５ 布朗单一参数线性指数平滑法包括的平滑参数个数是（ ） Ａ１个 Ｂ２个 Ｃ３个 Ｄ４个 ６ 序列有季节性时，应选用的预测法是（ ） Ａ 霍尔特双参数线性指数平滑法 Ｂ 布朗单一参数线性指数平滑法 Ｃ 温特线形和季节性指数平滑法 Ｄ 布朗二次多项式指数平滑法

７ 温特线形和季节性指数平滑法中，通常确定α、β和γ

题 目：时间序列分析在四川省姓 名：杨杰学 号：完成日期：四川理工学院

统计学专业

学年论文

GDP预测中的应用

11071050122 2014年8月20日

目 录

摘 要 ................................................................................................................... 1 第1章 研究意义及内容 ..................................................................................... 2

1.1 研究意义 ..................................................................................................................... 2 1.2 本文主要内容 .........................................

题 目：时间序列分析在四川省姓 名：杨杰学 号：完成日期：四川理工学院

统计学专业

学年论文

GDP预测中的应用

11071050122 2014年8月20日

目 录

摘 要 ................................................................................................................... 1 第1章 研究意义及内容 ..................................................................................... 2

1.1 研究意义 ..................................................................................................................... 2 1.2 本文主要内容 .........................................

时间序列分析 教案

第5、6章 测试题

1. 时间序列{xt}的d阶差分实质上是一个d阶自回归过程， 则?xt?（1?B）xt?

ddii(?1)C?dxt?i ； i?0d2. 假设线性非平稳序列{xt}形如：xt?1?2t?at，

其中E（at）?0,Var（at）??2，Cov（at，at-1）?0，?t?1，

则?xt?xt?xt?1?2?at?at?1，?2xt??xt??xt?1?at?2at?1?at?2； 并说明为何说?2xt为过差分？

因为1阶和2阶差分后，序列均平稳，但Var(?xt)?Var(at?at?1)?2?2， 而Var(?2xt)?Var(at?2at?1?at?2)?6?，2阶差分后的方差大，过差分。 2

?1??1B）?xt?（（1??1B??2B2）?t?3. 形如：?E(?t)?0，Var(?t)???2,E(?t?s)?0,s?t的模型，

?Ex??0,?s?t?st简记为 ARIMA(1,1,2) 模型，并说明此模型的平稳性。 此为不平稳模型。

4. 模型ARIMA（0，1，0）称为 随机游走 模型， 其序列的方差 Var（xt）?Var(x0??t??t?

时间序列分析 教案

测试2 解答 （第三、四章）

-11. 设{xt}为一时间序列，且?xt?xt?xt-1，?pxt??p（ ?xt），?kxt?xt?xt-k，2?？ 。 Bxt?xt-1，记?（??（B）xt， 则?（B）3?xt）2?（1?B3）（1?B）解：根据k步差分和p阶差分与延迟算子之间的关系，得?（B）。

2. 已知AR（1）模型为：xt?0.7xt-1??t，?t~WN(0,??2)。 求： E(xt),Var(xt),?2和?22。

解：(1) 由平稳序列E（xt）?E（xt-1）和E（?t）?0，得E（xt）?0 或 ???01??1????p?0 P. 47 （??0?0）(2) Var(xt)?0.72Var(xt?1)?Var(?t)?0.49Var(xt)???2

1?0.490.51k(3) AR（1）模型?k??1（k?0），?2??12?0.72?0.49 P. 50 (4) AR（1）模型偏自相关系数截尾: ?22?0 P. 54-55。

3. 分别用特征根判别法和平稳域判别法检验下列四个AR模型的平稳性。

即

应用时间序列分析

实 验 报 告 二

学生姓名 张亚平 学 号 20091315030 院 系 数学与统计学院 专 业 统计学 指导教师 尚林

二Ｏ一二年三月三十日

应用时间序列分析第二次实验报告

实验题目1

18 某地区连续74年的谷物产量（单位：千吨）如表3-21所示（具体数据见课本102页表-21）

（1）判断该序列的平稳性与纯随机性。 （2）选择适当模型拟合该序列的发展。

（3）利用拟合模型，预测该地区未来5年的谷物产量。 实验步骤1

（1） 根据题目所给数据得到了样本的自相关序列图，和纯随机性检验结果如下所示。

样本自相关图显示延迟3阶以后，自相关系数都落在2倍标准差范围内，而且样本自相关系数向零衰减的速度非常快，延迟6阶以后自相关系数即在零值附近波动，这是一个典型的短期相关的样本自相关图。由时序图和样本自相关图的性质可知该序列平稳。

由纯随机性检验结果可知，在各阶延迟下LB检验统计量的P值都非常小，所以我们可以认定该序列属于非白噪声序列。

（2） 为了找到合适的模型来拟合模型的发展，首先进行相对最优定阶得到结果如下。