内容发布更新时间 : 2025/9/19 5:57:31星期一 下面是文章的全部内容请认真阅读。

《应用时间序列分析》实训报告 金融学院

《应用时间序列分析》

实训报告

实训项目名称 非平稳时间序列模型的建立 实 训 时 间 2013年12月16日 实 训 地 点 实验楼308 班 级 计科1001班 学 号

姓 名

《应用时间序列分析》

1

《应用时间序列分析》实训报告 金融学院

实 训 (实 践 ) 报 告

实 训 名 称 平稳时间序列模型的建立

一、 实训目的

本次实验是一个综合试验，通过自己选定问题，收集数据，确定研究方法，建立合适模型，解决实际问题，增强学生动手能力，提高学生综合分析的能力。

二、 实训内容

学生根据自己喜好，选定一个实际问题，确定指标，收集相关数据，利用所学时间序列分析方法队进行研究，建立时间序列模型，揭示其研究对象内部的规律，并对未来进行预测。并写出分析报告。具体实验内容如下：

1 确定研究问题 2 收集数据 3 建立合适模型

1.ARIMA模型建模前的准备：判断序列是否平稳. ①通过序列自相关图、趋势图等进行判断 ②若序列不平稳：

均值非平稳序列通过差分变换转换为平稳 方差非平稳序列通过对数变换等转化为平稳序列

③模型平稳化以后，将序列零均值化 2.模型识别

主要通过序列的自相关函数、偏自相关函数表现的特征，进行初步的模型识别

3．模型参数估计

①在Eviews中估计ARMA模型的方法

②估计模型以后要能写出模型的形式(差分方程形式和用B算子表示的形式)

4.模型的诊断检验

2

《应用时间序列分析》实训报告 金融学院

①根据模型残差是不是白噪声来判断模型是否为适应性模型 ②能根据输出结果判断模型是否平稳，是否可逆

③若有多个序列是模型的适应性模型，会用合适的方法从这些模型中进行选择，如比较模型的残差方差，AIC，SC等。

5.模型应用

①掌握追溯预测的操作方法 ②外推预测的操作方法

四、实训分析与总结 1）输入数据

2）生成时序图

观测序列时序图，可知序列具有线性长期趋势，需要进行一阶差分

观测差分时序图看出并无明显的趋势性或者循环性，得出一阶差分平稳。

3

《应用时间序列分析》实训报告 金融学院

由图知，序列一阶自相关显著，序列平稳；Q统计量P值小于0.05，非白噪声；同时偏自相关拖尾、自相关一步截尾，可建立ARIMA（0,1,1）模型。

3）模型参数估计

ARMA模型估计方程：

?xt?5.015566?(1?0.708169B)?t

SBC值为7.013764

4

《应用时间序列分析》实训报告 金融学院

由图知偏自相关，C的值大于0.05,则去掉C,继续建立模型：

ARIMA模型估计方程：?xt?1?t

1?0.652119BSBC值为7.055671

比较两个模型的SBC 值，建立ARMA模型最优。 4）模型的诊断检验

5

《应用时间序列分析》实训报告 金融学院

残差分析：P值都大于0.05，显著有效，是白噪声序列。

五、实训报告评价与成绩

6