时间序列实验报告SAS

第三章 平稳时间序列分析

选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1：

表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列

单位：万公里 年份 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969

新增里程 15.71 24.43 18.23 22.50 12.53 9.94 7.19 41.13 79.03 119.32 -12.10 -89.71 -52.26 20.01 19.92 42.81 18.78 -0.75 -1.08 5.09 年份 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 新增里程 26.39 31.09 19.

第三章 平稳时间序列分析

选择合适的模型拟合1950-2008年我国邮路及农村投递线路每年新增里程数序列，见表1：

表1 1950-2008年我国邮路及农村投递线路每年新增里程数序列

单位：万公里 年份 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969

新增里程 15.71 24.43 18.23 22.50 12.53 9.94 7.19 41.13 79.03 119.32 -12.10 -89.71 -52.26 20.01 19.92 42.81 18.78 -0.75 -1.08 5.09 年份 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 新增里程 26.39 31.09 19.

浙江大学城市学院实验报告

课程名称 时间序列分析

实验项目名称 时间序列的预处理 实验成绩 指导老师（签名 ） 日期 2015-4-13 一. 实验目的和要求

（1）深入理解时间序列平稳性检验和纯随机性检验的概念，掌握它们的统计性质，理解并掌握时间序列平稳性检验和纯随机性检验的统计检验原理。

（2）熟悉并且掌握使用gplot过程绘制时序图，并能通过时序图对时间序列的平稳性进行粗略判断。

（3）熟悉并且掌握ARIMA过程的IDENTIFY语句，会利用自相关图对时间序列的平稳性进行进一步的判断，并且会利用生成的纯随机性检验图对序列纯随机性进行判断。

二. 实验内容和原理

要求将sas代码及运行结果等写在实验报告上。

（1）教材第33页习题2.3的第一、二、三题的纯随机性检验（交word格式的作业，附代码，纯随机性从sas截图并解释）。 （2）教材第33页习题2.3的第四、五、六题（交word格式的作业，附代码，截图并解释）。 （3）尝试ADF检验（教材第23

时间序列分析实验报告

P185#1、某股票连续若干天的收盘价如表5-4（行数据）所示。

表5-4

304 303 307 299 296 293 301 293 301 295 284 286 286 287 284 282 278 281 278 277 279 278 270 268 272 273 279 279 280 275 271 277 278 279 283 284 282 283 279 280 280 279 278 283 278 270 275 273 273 272 275 273 273 272 273 272 273 271 272 271 273 277 274 274 272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 选择适当模型拟合该序列的发展，并估计下一天的收盘价。 解：

（1）通过SAS软件画出上述序列的时序图如下

实验报告

课程名称 时间序列分析 实验项目名称 ARCH建模 班级与班级代码 1125040 实验室名称（或课室） 北4-602 专 业 统计学 任课教师 陈根 学 号： 11250401213 姓 名： 柯跃 实验日期： 2014年6月08日

广东财经大学教务处 制

姓名 实验报告成绩

评语：

指导教师（签名） 年 月 日

说明：指导教师评分后，实验报告交院（系）办公室保存。

一．实验目的:

将Merck股票从1946年6月到2008年12月的月简单收益变换成对数收益率，并解决下列问题：

(a) 对数收益率中有没有明显的相关

Harbin Institute of Technology

课程名称：设计题目：院 系：班 级：设 计 者：学 号：指导教师：设计时间：实验报告

时间序列分析 非平稳时间序列建模 电信学院 冀振元 2010-05-07

一、绪论

稳序列的直观含义就是序列中不存在任何趋势性和周期性,其统计意义就是一阶矩为常数，二阶矩存在且为时间间隔t的函数。但是在实际问题中，我们常遇到的序列，特别是反映社会、经济现象的序列，大多数并不平稳，而是呈现出明显的趋势性或周期性。这时，我们就不能认为它是均值不变的平稳过程，需要用如下更一般的模型——Xt??t?Yt来描述。其中,?t表示Xt中随时间变化的均值,它往往可以用多项式、指数函数、正弦函数等描述，而Yt是Xt中剔除趋势性或周期性?t后余下的部分，往往可以认为是零均值的平稳过程，因而可以用ARMA模型来描述。具体的处理方法可分为两大类：一类是通过某

实 验 指 南

1

目 录

实验一 分析太阳黑子数序列··········································3 实验二 模拟AR模型·················································4 实验三 模拟MA模型和ARMA模型····································6 实验四 分析化工生产量数据··········································8 实验五 模拟ARIMA模型和季节ARIMA模型···························10 实验六 分析美国国民生产总值的季度数据·····························13 实验七 分析国际航线月度旅客总数数据·······························16 实验八 干预模型的建模·············································19 实验九 传递函数模型的建模·········

实 验 指 南

1

目 录

实验一 分析太阳黑子数序列··········································3 实验二 模拟AR模型·················································4 实验三 模拟MA模型和ARMA模型····································6 实验四 分析化工生产量数据··········································8 实验五 模拟ARIMA模型和季节ARIMA模型···························10 实验六 分析美国国民生产总值的季度数据·····························13 实验七 分析国际航线月度旅客总数数据·······························16 实验八 干预模型的建模·············································19 实验九 传递函数模型的建模·········

生 实 验 报

学告

学生实验报告

学生姓名 学号 同组人 实验项目 绘制统计图形 必修 实验地点 指导教师 操作性实验 0505 董成武 实验仪器台号 J-045 实验日期及节次 一、实验目的及要求：

1、目的

学会用SAS制作统计图。 2、内容及要求

掌握使用SAS过程制作直方图、柱状图、散点图、折线图、饼状图、星座图、盒须图、统计地图等，并掌握在图中增加一些修饰的语句。

二、仪器用具：

仪器名称 计算机 SAS软件 规格/型号 笔记本 SAS9.1 数量 1 1 备注 三、实验方法与步骤:

步骤一、运行SAS软件，引入外部数据TXT文件，创建永久数据集；

步骤二、先后绘制一个二维和三维的直方图，显示不同JOBCODE的员工的平均工资；

步骤三、先后绘制一个二维和三维的饼图，强调FA3的员工的平均工资；

步骤四、绘制一个三维直方图，显示不同SEX、不同JOBCODE的员工的平均工资； 步骤五、根据获取某集团产品南昌和杭州两个地区2008年各月销售量的数据来制作相关统计图。

四、实验结果与数据处理：

1、用SAS软件根据fltaten.txt的内容建立一个SAS数据集DIR.FLTATEN（其中

DIR对

40. 时间序列分析Ⅲ—GARCH模型

（一）GRACH模型

即自回归条件异方差模型，是金融市场中广泛应用的一种特殊非线性模型。

1982年，R.Engle在研究英国通货膨胀率序列规律时提出ARCH模型，其核心思想是残差项的条件方差依赖于它的前期值的大小。

1986年，Bollerslev在ARCH模型基础上对方差的表现形式进行了线性扩展，并形成了更为广泛的GARCH模型。

一、金融时间序列的异方差性特征

金融时间序列，无恒定均值（非平稳性），呈现出阶段性的相对平稳的同时，往往伴随着出现剧烈的波动性；具有明显的异方差（方差随时间变化而变化）特征：

尖峰厚尾：金融资产收益呈现厚尾和在均值处呈现过度波峰； 波动丛聚性：金融市场波动往往呈现簇状倾向，即波动的当期水平往往与它最近的前些时期水平存在正相关关系。

杠杆效应：指价格大幅度下降后往往会出现同样幅度价格上升的倾向。

因此，传统线性结构模型（以及时间序列模型）并不能很好地解释金融时间序列数据。 二、ARCH(p)模型

考虑k变量的回归模型

yt??0??1x1t????kxkt??t

若残差项?t的均值为0，对yt取基于t-1时刻信息的期望：

Et?1(yt)??0??1x1t????kxkt