量经济学时间序列分析论文.doc

时 间 序 列 期 末 论 文 安徽财经大学 姓名：鲍志祥 班级：093财管二班 学号：20093069073 企业商品价格指数判断序列平稳用模型，预测未来的。 对于平稳序列,由于它不具有二阶矩形平稳的性质,所以对它的统计分析要周折一些,通常要进行进一步的检验、变换或处理之后，才能确定适当的拟和模型。 如果序列平稳，建模比较容易，但并不是所有的平稳序列都值得建模。只有那些序列值之间具有密切的相关关系，历史数据对未来的发展有一定影响的序列，才值得我们花时间去挖掘历史数据中的有效信息，用于预测序列未来的发展。 如果序列值彼此之间没有任何相关性，那就意味着该序列是一个没有任何记忆的序列，过去的行为对将来的发展没有丝毫影响，这种序列我们称之为纯随机序列。从统计分析的角度而言，纯随机序列是没有任何分析价值的序列。 如果序列xt是均值非平稳的，对其进行d次差分后，变成了平稳的序列Δdxt，这个差分后的平稳序列的适应性模型为ARMA(p,q) ，此时就称对原始序列xt建立了ARIMA(p,d,q)模型。 问题：判断序列的平稳性与纯随机性利用拟合模型，预测未来的。企业商品价格指数（1）判断的平稳性与纯随机性平稳且非白噪声，选择适当模型拟合该序列的发展 对序列{d(x)}进行预测（蓝线代表预测值，红线代表置信区间的值）： 图7差分序列{d(x)} 预测值与预测区间 （5）利用拟合模型，预测未来的。未来的1 108.2904 0.865861 2 107.8258 1.753636 3 107.4718 2.679923 4 107.2021 3.602977 由企业商品价格总指数预测值及误差计算企业商品价格总指数的置信区间如表3所示： 表3未来的1 [106.5933 109.9875] 2 [104.3887 111.2629] 3 [102.2192 112.7245] 4 [100.1402 114.2639] 故预测2011年未来4个月的企业商品价格总指数分别为：108.2904、107.8258、107.4718、107.2021，且随着时间的推移预测误差有增大的趋势。 参考文献 张晓峒. 计量经济学软件Eviews使用指南. 南开大学出版社，2003年7月. 杜勇宏，王健. 季节时间序列理论与应用. 南开大学出版社，2008年6月. 高铁梅.计量经济分析方法与建模.Eviews应用及实例[M]，北京：清华大学出版社，2006年.