时间序列分析用什么软件sas

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·········

一、

1.时序图程序：

da<-read.table(\ dim(da) y=da[,1] m=da[,2] basicStats(m) plot(y,m,type='l')

title(main='financial income of China:1978-2010') 2.时序图：

3.运行结果

> da<-read.table(\> dim(da) [1] 33 2 > y=da[,1] > m=da[,2] > basicStats(m)

m

nobs 3.300000e+01

NAs 0.000000e+00 Minimum 1.132260e+03 Maximum 8.310151e+04 1. Quartile 2.122010e+03 3. Quartile 1.890364e+04 Mean 1.558852e+04 Median 5.218100e+03 Sum 5.144212e+05 SE Mean 3.764607e+03 LCL Mean 7.920268e+03 UCL Mean 2.325678e+04 Variance 4.676848e+08 Stdev

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

应用时间序列分析

实验手册

目 录

目 录 ......................................................................................................... 2 第二章 时间序列的预处理 ...................................................................... 3 一、平稳性检验 .................................................................................. 3 二、纯随机性检验 .............................................................................. 9 第三章 平稳时间序列建模实验教程 .................................................... 10 一、模型识别 ................................................

38. 非平稳时间序列的确定性分析

实际中大多数时间序列是非平稳的，对非平稳时间序列的分析方法主要有两类：确定性分析和随机性分析。

确定性分析——提取非平稳时间序列明显的规律性（长期趋势、季节性变化、周期性），目的是：①克服其它因素影响，单纯测度出单一确定因素对序列的影响；②推断各种确定性因素彼此之间相互作用关系及它们对序列的综合影响。

随机性分析——分析非平稳时间序列由随机因素导致的随机波动性。

（一）趋势分析

有的时间序列具有明显的长期趋势，趋势分析就是要找出并利用这种趋势对序列发展做出合理预测。

1. 趋势拟合法

即把时间作为自变量，相应的序列观察值作为因变量，建立序列值随时间变化的回归模型。分为线性拟合和非线性拟合。

2. 平滑法

利用修匀技术，消弱短期随机波动对序列的影响，使序列平滑化，从而显示出长期趋势变化的规律。

（1）移动平均、加权移动平均 已知序列值x1, …, xt-1, 预测xt的值为

xt?1?xt?2???xt?n?t? xn称为n期移动平均值，n的选取带有一定的经验性，n过长或过短，各有利弊，也可以根据均方误差来选取。

一般最新数据更能反映序列变化的趋势。因此，要突出新数据的作用，可采用加权移动平均法：

?tw?

应用时间序列分析

实验手册

目 录

目 录 ......................................................................................................... 2 第二章 时间序列的预处理 ...................................................................... 3 一、平稳性检验 .................................................................................. 3 二、纯随机性检验 .............................................................................. 9 第三章 平稳时间序列建模实验教程 .................................................... 10 一、模型识别 ................................................

应用时间序列分析

实验手册

目 录

目 录 ......................................................................................................... 2 第二章 时间序列的预处理 ...................................................................... 3 一、平稳性检验 .................................................................................. 3 二、纯随机性检验 .............................................................................. 9 第三章 平稳时间序列建模实验教程 .................................................... 10 一、模型识别 ................................................

实验五用EXCEL进行时间序列分析

一、测定增长量和平均增长量

例5-1：下图为我国2000-2011年各年就业人数数据，计算逐期增长量和累计增长量。

计算逐期增长量：在C3中输入公式：=B3-B2，并用鼠标拖曳将公式复制到C3：C13区域。

计算累计增长量：在D3中输入公式：=B3-$B$2，并用鼠标拖曳公式复制到D3：D13区域。

1

计算平均增长量（水平法）：在C10中输入公式：=（B13-B2）/11，（n-1=11）按回车键，即可得到平均增长量。

由以上分析可知，除2001年比2000年就业人口数有大幅增长外，此后近十年间，就业人口数目保持稳定增长,且2000-2011年平均增长量为万人。

2

二、测定发展速度和平均发展速度

仍以我国2000-2011年各年就业人数数据为例，计算定基发展速度、环比发展速度和平均发展速度。数据录入如下：

计算定基发展速度：在C3中输入公式：=B3/$B$2，并用鼠标拖曳将公式复制到C3：C13区域。

计算环比发展速度：在D3中输入公式：=B3/B2，并用鼠标拖曳将公式复制到D3：D13区域。

3

计算平均发展速度（水平法）：选中C10单元格，单击插入菜单，选择函数选项，出现插入函数对话框后，选择GEOMEAN（返回几何平均值）函

第1章 差分方程和滞后算子

第一节 差分方程

一．一阶差分方程

假定t期的y（输出变量）和另一个变量w（输入变量）和前一期的y之间存在如下动态方程：

yt??yt?1?w （1）

则此方程为一阶线性差分方程，这里假定w为一个确定性的数值序列。差分方程就是关于一个变量与它的前期值之间关系的表达式。一阶差分方程的典型应用为美国货币需求函数：

mt?0.27?0.72mt?1?0.19It?0.045rbt?0.019rct

wt?0.27?0.19It?0.045rbt?0.019rct

其中mt为货币量，It为真实收入，rbt为银行账户利率，rct为商业票据利率。 1）用递归替代法解差分方程 根据方程（1），可以得到

012?ty0??y?1?w0y1??y0?w1y2??y1?w2 （2） ?yt??yt?1?wt如果我们知道t??1期的初始值y?1和w的各期值，则可以通过动态系统得到任何一个时期的值。即

yt??t?1y?1??tw0??t?1w1?....?wt （3）

这个过程称为差分方程的