实验二：ARMA模型建模与预测实验报告

课程论文（2016/2017学年第1学期）课程名称应用时间序列分析指导单位经济学院指导教师易莹莹学生姓名班级学号学院(系)经济学院专业经济统计学实验二ARMA模型建模与预测实验指导一、实验目的：学会通过各种手段检验序列的平稳性；学会根据自相关系数和偏自相关系数来初步判断ARMA模型的阶数p和q，学会利用最小二乘法等方法对ARMA模型进行估计，学会利用信息准则对估计的ARMA模型进行诊断，以及掌握利用ARMA模型进行预测。掌握在实证研究中如何运用Eviews软件进行ARMA模型的识别、诊断、估计和预测和相关具体操作。二、基本概念：宽平稳：序列的统计性质不随时间发生改变，只与时间间隔有关。AR模型：AR模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测，自回归模型的数学公式为:1122tttptptyyyy式中:p为自回归模型的阶数i（i=1，2，，p）为模型的待定系数，t为误差，ty为一个平稳时间序列。MA模型：MA模型也称为滑动平均模型。它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。滑动平均模型的数学公式为:1122ttttqtqy式中:q为模型的阶数；j（j=1，2，，q）为模型的待定系数；t为误差；ty为平稳时间序列。ARMA模型：自回归模型和滑动平均模型的组合，便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA，数学公式为:11221122tttptptttqtqyyyy三、实验任务：1、实验内容：（1）根据时序图判断序列的平稳性；（2）观察相关图，初步确定移动平均阶数q和自回归阶数p；（3）对某企业201个连续生产数据建立合适的(,)ARMApq模型，并能够利用此模型进行短期预测。2、实验要求：（1）深刻理解平稳性的要求以及ARMA模型的建模思想；（2）如何通过观察自相关，偏自相关系数及其图形，利用最小二乘法，以及信息准则建立合适的ARMA模型；如何利用ARMA模型进行预测；（3）熟练掌握相关Eviews操作，读懂模型参数估计结果。四、实验要求：实验过程描述（包括变量定义、分析过程、分析结果及其解释、实验过程遇到的问题及体会）。实验题：对某企业201个连续生产数据建立合适的(,)ARMApq模型，并能够利用此模型进行短期预测。