第二章习题答案
（1）非平稳
（2）
（3）典型的具有单调趋势的时间序列样本自相关图
（1）非平稳，时序图如下
（2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图
（1）自相关系数为： （2）平稳序列 （3）白噪声序列
LB=，LB 统计量对应的分位点为，P 值为。显著性水平 =0.05α，序列不能视为纯随机序列。
（2） 非平稳 （3）非纯随机
（1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机
第三章习题答案
解：1()0.7()()t t t E x E x E ε-=?+
0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01(
t t t B B B x εε)7.07.01()7.01(2
21Λ+++=-=-
229608.149
.011
)(εεσσ=-=
t x Var
49.002
12==ρφρ 022=φ
解：对于AR （2）模型：
??
?=+=+==+=+=-3.05
.021102112
12112011φρφρφρφρρφφρφρφρ 解得：??
?==15
/115
/721φφ
解：根据该AR(2)模型的形式，易得：0)(=t x E
原模型可变为：t t t t x x x ε+-=--2115.08.0
2212122
)
1)(1)(1(1)(σφφφφφφ-+--+-=
t x Var
2)
15.08.01)(15.08.01)(15.01()
15.01(σ+++--+=
=2σ
?????=+==+==-=2209.04066.06957
.0)1/(12213
02112211ρφρφρρφρφρφφρ ???
??=-====015.06957.033222111φφφρφ
解：原模型可变形为： t t x cB B ε=--)1(2
由其平稳域判别条件知：当1||2<φ，112<+φφ且112<-φφ时，模型平稳。 由此可知c 应满足：1|| )1(32 其特征方程为：0))(1(2 23=-+-=+--c c c λλλλλλ 不论c 取何值，都会有一特征根等于1，因此模型非平稳。 解：（1）错，)1/()(2201θσγε-==t x Var 。 （2）错，)1/()])([(21210111θσθγργμμε-===---t t x x E 。 （3）错，T l T x l x 1)(?θ=。 （4）错，112211)(+--+-++++++=T l l T l T l T T G G G l e εεεεΛ =11122111+--+-++++++T l l T l T l T εθεθεθεΛ （5）错，221221 2111 1]1[1lim )]([lim )](?[lim εεσθσθθ-=--==-∞→∞→+∞ →l l T l T l T l l e Var l x x Var 。 解：12411112112 11 1-=-+-=?+-=ρρθθθρ MA(1)模型的表达式为：1-+=t t t x εε。 解法1：由1122=+t t t t x μεθεθε----，得111223=+t t t t x μεθεθε------，则 111212230.5=0.5+(0.5)(0.5)+0.5t t t t t t x x μεθεθθεθε------+--， 与123=10+0.5+0.8+t t t t t x x C εεε----对照系数得 1 2 120.510,0.500.50.80.5C μθθθθ=??+=??-=??=?，故1220, 0.5, 0.55,0.275C μθθ=??=-??=??=?。 解法2：将123100.50.8t t t t t x x C εεε---=++-+等价表达为 ()23 23223310.82010.510.8(10.50.50.5)t t t B CB x B B CB B B B εε-+-=-=-+++++L 展开等号右边的多项式，整理为 2233 4423243 4 10.50.50.50.50.80.80.50.80.50.5B B B B B B B CB CB +++++--?-?-+++L L L 合并同类项，原模型等价表达为 2 330 20[10.50.550.5(0.50.4)]k k t t k x B B C B ε∞ +=-=+-+-+∑ 当30.50.40C -+=时，该模型为(2)MA 模型，解出0.275C =。 解：：0)(=t x E 22222165.1)1()(εεσσθθ=++=t x Var 5939.065.198 .012 2 212111-=-=+++-= θθθθθρ 2424.065 .14.01222122==++-= θθθρ 30≥=k k ，ρ。 解法1：（1）)(21Λ+++=--t t t t C x εεε )(3211Λ+++=----t t t t C x εεε 11111)1(------++=?? ? ??+-+=t t t t t t t t C x C x C x εεεεε 即 t t B C x B ε])1(1[)1(--=- 显然模型的AR 部分的特征根是1，模型非平稳。 （2） 11)1(---+=-=t t t t t C x x y εε为MA(1)模型，平稳。 2 2112 2111+--=+-= C C C θθρ 解法2：（1）因为22()lim(1)t k Var x kC εσ→∞ =+=∞，所以该序列为非平稳序列。 （2）11(1)t t t t t y x x C εε--=-=+-，该序列均值、方差为常数， ()0t E y =,22 ()1(1)t Var y C εσ??=+-?? 自相关系数只与时间间隔长度有关，与起始时间无关 12 1 ,0,21(1)k C k C ρρ-= =≥+- 所以该差分序列为平稳序列。 解：（1）12.1||2>=φ，模型非平稳； =1λ =2λ （2）13.0||2<=φ，18.012<=+φφ，14.112<-=-φφ，模型平稳。 =1λ =2λ （3）13.0||2<=θ，16.012<=+θθ，12.112<-=-θθ，模型可逆。 =1λ＋ =2λ－ （4）14.0||2<=θ，19.012<-=+θθ，17.112>=-θθ，模型不可逆。 =1λ =2λ （5）17.0||1<=φ，模型平稳；=1λ 16.0||1<=θ，模型可逆；=1λ （6）15.0||2<=φ，13.012<-=+φφ，13.112>=-φφ，模型非平稳。 =1λ =2λ 11.1||1>=θ，模型不可逆；=1λ。 解法1： 01G =，11010.60.30.3G G φθ=-=-=， 1111110.30.6,2k k k k G G G k φφ---===?≥ 所以该模型可以等价表示为：10 0.30.6k t t t k k x εε ∞ --==+?∑。 解法2：t t B x B ε)3.01()6.01(-=- t t B B B x ε)6.06.01)(3.01(2 2Λ+++-= t B B B ε)6.0*3.06.0*3.03.01(3 22Λ++++= j t j j t -∞ =-∑+ =εε1 1 6 .0*3.0 10=G ，1 6.0*3.0-=j j G 解：3)()5.01(])(3[])([2 =-?Θ+=Φt t t x E B E x B E ε 12)(=t x E 。 证明：已知112 φ= ，11 4θ=，根据(1,1)ARMA 模型Green 函数的递推公式得： 01G =，2110110.50.25G G φθφ=-=-=，1111111,2k k k k G G G k φφφ-+-===≥ 01ρ= 5 2 23211 1 1 1 22450 11111142422(1) 11112 01 1170.27126111j j j j j j j j j G G G φφφ φφφφφρφφφφφ∞ ∞ ++==∞ ∞ +==++ --+= = ====-+++ -∑∑∑∑ () 1 1 1 1 1122200 ,2j j k j j k j j k j j j k k j j j j j j G G G G G G k G G G φρφφρ∞ ∞ ∞ ++-+-===-∞ ∞ ∞==== = ==≥∑∑∑∑∑∑ （1）成立 （2）成立 （3）成立 （4）不成立 解：（1）t t t x x ε+-=--)10(*3.0101， 6.9=T x 88.9])10(*3.010[)()1(?11=+-+==++T T t T x E x E x ε 964.9])10(*3.010[)()2(?212=+-+==+++T T t T x E x E x ε 9892.9])10(*3.010[)()3(?323=+-+==+++T T t T x E x E x ε 已知AR(1)模型的Green 函数为：j j G 1φ=，Λ，，21=j 12 1213122130)3(++++++++=++=t t t t t t T G G G e εφεφεεεε 8829.99*)09.03.01()]3([2 2=++=T e Var 3+t x ％的置信区间：的95[8829.9，＋*8829.9] 即[,] （2）62.088.95.10)1(?11=-=-=++T T T x x ε 15.10964.962.0*3.0)()1(?21=+==++t T x E x 045.109892.962.0*09.0)()2(?31=+==++t T x E x 81.99*)3.01()]2([2 2=+=+T e Var 3+t x ％的置信区间：的95[81.9，＋*81.9] 即[,]。 （1）平稳非白噪声序列 （2）AR(1) (3) 5年预测结果如下： （1）平稳非白噪声序列 （2）AR(1) (3) 5年预测结果如下： （1）平稳非白噪声序列 （2）MA(1) (3) 下一年95%的置信区间为（,） （1）平稳非白噪声序列 （2）ARMA(1,3)序列 （3）拟合及5年期预测图如下： 第四章习题答案 解： 11231 ?()4T T T T T x x x x x +---=+++ 2112123 15551??()416161616 T T T T T T T T T x x x x x x x x x ++-----=+++=+++所 以，在2?T x +中T x 与1T x -前面的系数均为516。 解 由 111(1)(1)t t t t t t x x x x x x αααα-++=+-??=+-?%%%% 代入数据得 5.255(1)5.26 5.5(1)t t x x αααα=+-?? =+-?%% 解得 5.1 0.4(1)t x αα=?? =>? %舍去的情况 解：（1） 21201918171611 ?(+)13+11+10+10+12=11.2 55x x x x x x =+++=（） 22212019181711??(+).2+13+11+10+10=11.04 55x x x x x x =+++=（11） （2）利用 1 0.40.6t t t x x x -=+%%且初始值 01 x x =%进行迭代计算即可。另外，22 2120 ??x x x ==% 该 题详见Excel 。 （3）在移动平均法下: 19 212016 19 22 21201711?55111??555i i i i X X X X X X X ===+=++∑∑ 111655525a =+?= 在指数平滑法中: 2221202019 ??0.40.6x x x x x ===+%% 0.4b ∴= 6 0.40.1625b a ∴-=-=。 解：根据指数平滑的定义有（1）式成立，（1）式等号两边同乘(1)α-有（2）式成立 23 23 (1)(1)(2)(1)(2)(1)(1) (1)(1)(1)(1)(2)(1)(2) t t x t t t t x t t t αααααααααααααα=+--+--+--+-= -+--+--+%L %L （1）-（2）得 2 2(1)(1)(1)(1)1t t x t x t t ααααααααα α =-----=------=- %L %L 则1lim lim 1t t t t x t t α α→∞→∞-??- ? == ? ?? ? %。 该序列为显著的线性递增序列，利用本章的知识点，可以使用线性方程或者holt 两参数指数平滑法进行趋势拟合和预测，答案不唯一，具体结果略。 该序列为显著的非线性递增序列，可以拟合二次型曲线、指数型曲线或其他曲线，也能使用holt 两参数指数平滑法进行趋势拟合和预测，答案不唯一，具体结果略。 本例在混合模型结构，季节指数求法，趋势拟合方法等处均有多种可选方案，如下做法仅是可选方法之一，结果仅供参考 （1）该序列有显著趋势和周期效应，时序图如下 （2）该序列周期振幅几乎不随着趋势递增而变化，所以尝试使用加法模型拟合该序列：t t t t x T S I =++。（注：如果用乘法模型也可以） 首先求季节指数（没有消除趋势，并不是最精确的季节指数） 消除季节影响，得序列t t t y x S x =-，使用线性模型拟合该序列趋势影响（方法不唯一）： 97.70 1.79268t T t =-+，1,2,3,t =L （注：该趋势模型截距无意义，主要是斜率有意义，反映了长期递增速率） 得到残差序列t t t t t I x S x y T =-=-，残差序列基本无显著趋势和周期残留。 预测1971年奶牛的月度产量序列为() mod 12?,109,110,,120t t t x T S x t =+=) ) L 得到 （3）该序列使用x11方法得到的趋势拟合为 趋势拟合图为 这是一个有着曲线趋势,但是有没有固定周期效应的序列,所以可以在快速预测程序中用曲 线拟合（stepar ）或曲线指数平滑（expo ）进行预测（trend=3）。具体预测值略。 第五章习题 拟合差分平稳序列,即随机游走模型 -1=+t t t x x ε,估计下一天的收盘价为289 拟合模型不唯一，答案仅供参考。 拟合ARIMA(1,1,0)模型，五年预测值为： 12(1,1,0)(1,1,0)ARIMA ? (1)AR(1)， (2)有异方差性。最终拟合的模型为 -12 -1=7.472+=-0.5595+=11.9719+0.4127t t t t t t t t t x v v h v εεε???? ??? (1)非平稳 （2） 取对数消除方差非齐，对数序列一节差分后，拟合疏系数模型AR(1，3)所以拟合模型为 ln ~((1,3),1,0)x ARIMA （3）预测结果如下： 原序列方差非齐，差分序列方差非齐，对数变换后，差分序列方差齐性。 第六章习题 单位根检验原理略。 例 原序列不平稳，一阶差分后平稳 例 原序列不平稳，一阶与12步差分后平稳 例 原序列带漂移项平稳 例 原序列不带漂移项平稳 例 原序列带漂移项平稳(=0.06)α，或者显著的趋势平稳。 （1）两序列均为带漂移项平稳 （2）谷物产量为带常数均值的纯随机序列，降雨量可以拟合AR （2）疏系数模型。 （3）两者之间具有协整关系 （4）23.55210.775549t t =+谷物产量降雨量 （1）掠食者和被掠食者数量都呈现出显著的周期特征，两个序列均为非平稳序列。但是掠食者和被掠食者延迟2阶序列具有协整关系。即-2{-}t t y x β为平稳序列。 （2）被掠食者拟合乘积模型：5(0,1,0)(1,1,0)ARIMA ?,模型口径为: 551 = 1+0.92874t t x B ε?? 拟合掠食者的序列为： -2-1=2.9619+0.283994+-0.47988t t t t y x εε 未来一周的被掠食者预测序列为： Forecasts for variable x Obs Forecast Std Error 95% Confidence Limits 49 50 51 52 53 54 55 56 57 58 59 60 61 62 掠食者预测值为： Forecasts for variable y Obs Forecast Std Error 95% Confidence Limits 49 50 51 52 53 54 55 56 57 58 59 60 61 62 （1）进出口总额序列均不平稳，但对数变换后的一阶差分后序列平稳。所以对这两个序列取对数后进行单个序列拟合和协整检验。 （2）出口序列拟合的模型为ln ~(1,1,0)t x ARIMA ,具体口径为： 1 ln =0.14689+ 1-0.38845t t x B ε? 进口序列拟合的模型为ln ~(1,1,0)t y ARIMA ,具体口径为： 1 ln =0.14672+ 1-0.36364t t y B ε? （3）ln t y 和ln t x 具有协整关系 （4）协整模型为：-1ln =0.99179ln +-0.69938t t t t y x εε （5）误差修正模型为：-1ln =0.97861ln -0.22395ECM t t t y x ?? 河南大学: 姓名:汪宝班级:七班学号:1122314451 班级序号:68 5:我国1949年－2008年年末人口总数(单位:万人)序列如表4－8所示(行数据)．选择适当的模型拟合该序列的长期数据，并作5期预测。 解：具体解题过程如下：（本题代码我是做一问写一问的） 1:观察时序图: data wangbao4_5; input x@@; time=1949+_n_-1; cards; 54167 55196 56300 57482 58796 60266 61465 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 131448 132129 132802 ; proc gplot data=wangbao4_5; plot x*time=1; symbol1c=black v=star i=join; run; 分析:通过时序图,我可以发现我国1949年－2008年年末人口总数(随时间的变化呈现出线性变化.故此时我可以用线性模型拟合序列的发展． X t=a+b t+I t t=1,2,3,…,60 E(I t)=0,var(I t)=σ2 其中，I t为随机波动；X t=a+b就是消除随机波动的影响之后该序列的长期趋势。 成都信息工程学院考试试卷 2012——2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 试卷形式：开卷□闭卷日 一、判断题（每题1分，正确的在括号内打"，错误的在括号内打x,共15分） 1?模型检验即是平稳性检验（）。 2.模型方程的检验实质就是残差序列检验（）。 3?矩法估计需要知道总体的分布（）。 4. ADF检验中：原假设序列是非平稳的（）。 5?最优模型确定准则：AIC值越小、SC值越大，说明模型越优（）。 6?对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势（）。 7?严平稳序列与宽平稳时序区分主要表现在定义角度不同（）。 8?某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线趋势（）9.时间序列平稳性判断方法中ADF检验优于序时图法和自相关图检验法（）10?时间序列的随机性分析即是长期趋势分析（）。 11 ? ARMA（ p,q ）模型是ARIMA（p,d,q）模型的特例（）。 12?若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的（）。 13.MA（2）模型的3阶偏自相关系数等于0（）。 14.ARMA（p,q）模型自相关系数p阶截尾，偏自相关系数拖尾（）。 15 ? MA（q）模型平稳的充分必要条件是关于后移算子B的q阶移动自回归系数多项式根的绝 对值均在单位圆内（）。 二、填空题。（每空2分，共20分） 1? X t 满足ARMA（ 1,2 ）模型即：X t = 0.43+0.34 X t/+；t + 0.8 “ - 0.2 ；t＜，则均值 = _______________________ ，片（即一阶移动均值项系数）二 _______________________ 。 时间序列分析试卷1 一、 填空题（每小题2分，共计20分） 1. ARMA(p, q)模型_________________________________，其中模型参数为 ____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)： 1210.50.40.3t t t t t X X X εε---=++- 则所对应的特征方程为_______________________。 4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是 _______________________。 5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。 6. 对于一阶自回归模型MA(1): 10.3t t t X εε-=-，其自相关函数为 ______________________。 7. 对于二阶自回归模型AR(2): 120.50.2t t t t X X X ε--=++ 则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型： 1111t t p t p t t q t q X X X φφεθεθε----=++++++L L 则预测方差为___________________。 9. 对于时间序列{}t X ，如果___________________，则()~t X I d 。 10. 设时间序列{}t X 为来自GARCH(p ，q)模型，则其模型结构可写为_____________。 二、（10分）设时间序列{}t X 来自()2,1ARMA 过程，满足 ()()2 10.510.4t t B B X B ε -+=+, 其中{}t ε是白噪声序列，并且()()2 t t 0,E Var εεσ==。 9. 条件异方差模型中，形如???? ? ???? ++==+=∑∑=-=---3 122121),,,(j j t j i i t i t t t t t t t t h h e h x x t f x εληωεε Λ 式中，),,,(21Λ--t t x x t f 为{t x }的回归函数，N(0,1)~i.i.d t e ，该模型简记为GARCH （2，3）模型； 10. Cox 和Jenkins 在1976年研究多元时间序列分析时要求输入序列与响应序列均要 _ 平稳 _，Engle 和Granger 在1987年提出了__协整 _关系，即当输入序列与响 应序列之间具有非常稳定的线性相关关系（回归残差序列平稳）。 二、（10分）试用特征根判别法或平稳域判别法检验下列四个AR 模型的平稳性。 （1）t 1-t t x 8.0x ε+-= （2）t 1-t t x 3.1x ε+= （3）t 2-t 1-t t x 6 1 x 61x ε++= （4）t 2-t 1-t t x 2x x ε++= 解： AR （p ）模型平稳性的特征根判别法要求所有特征根绝对值小于1； AR （1）模型平稳性的平稳域判别法要求1||1<φ， AR （2）模型平稳性的平稳域判别法要求：1,1||122<±<φφφ。 (1) 8.01-=λ 特征根判别法：平稳；18.0||1<=φ，平稳域判别法：平稳； (2) 3.11=λ 特征根判别法：非平稳；13.1||1>=φ，平稳域判别法：非平稳； (3) 特征方程为: 2 1 ,31,0)13)(12(016212=-==+-=--λλλλλλ即 由特征根判别法：平稳； 10,131 ,161||12122<=-<=+<=φφφφφ,平稳域判别法：平稳； (4) 特征方程为: 2,1,0)2)(1(02212=-==-+=--λλλλλλ即 由特征根判别法：非平稳； 11,13,12||12122不小于=->=+>=φφφφφ,平稳域判别法：非平稳。 考核课程 时间序列分析（B 卷） 考核方式 闭卷 考核时间 120 分钟 注：B 为延迟算子，使得1 -=t t Y BY ；?为差分算子，1--=?t t t Y Y Y 。 一、单项选择题（每小题3 分，共24 分。） 1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。 A. MA(2) B.ARMA(1,1) C.AR(2) D.MA(1) 2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。 A. )1(MA B.)1(AR C.)1,1(ARMA D.)2(MA 3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。 （A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ， （D ） 5.2221=-=λλ， 4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。 A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1) 5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。 A.0 B.64.0 C. 1 6.0 D. 2.0 6.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。 A.5.0- B. 25.0 C. 4.0- D. 8.0 7. 若零均值平稳序列{}t X ?，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。 A. MA(2) B.)2,1(IMA C.)1,2(ARI D.ARIMA(2,1,2) 8. 记?为差分算子，则下列不正确的是（ C ）。 A. 12-?-?=?t t t Y Y Y B. 212 2--+-=?t t t t Y Y Y Y C. k t t t k Y Y Y --=? D. t t t t Y X Y X ?+?=+?） ( 二、填空题（每题3分，共24分）； 1. 若{}t Y 满足： 1312112---Θ-Θ--=??t t t t t e e e e Y θθ， 则该模型为一个季节周期为 诚实考试吾心不虚 ，公平竞争方显实力， 考试失败尚有机会 ，考试舞弊前功尽弃。 上海财经大学《时间序列分析》课程考试卷 课程代码 课程序号 20 —20 学年第一学期 姓名 学号 班级 1. t X 的d 阶差分为 （a ）=d t t t k X X X -?- （b ）11=d d d t t t k X X X ---??-? （c ）111=d d d t t t X X X ---??-? （d ）11-12=d d d t t t X X X ---??-? 2. 记B 是延迟算子，则下列错误的是 （a ）0 1B = （b ）()1=t t t B c X c BX c X -??=? （c ）()11=t t t t B X Y X Y --±± （d ）()=1d d t t d t X X B X -?-=- 3. 关于差分方程1244t t t X X X --=-，其通解形式为 （a ）1222t t c c + （b ）()122t c c t + （c ）()122t c c - （d ）2t c ? 4. 下列哪些不是MA 模型的统计性质 （a ）()t E X μ= （b ）()()22111q t Var X θθσ=+++L （c ）()(),,0t t t E X E με?≠≠ （d ）1,,0q θθ≠K ……………………………………………………………装 订 线………………………………………………… 5. 上面左图为自相关系数，右图为偏自相关系数，由此给出初步的模型识别 （a ）MA （1） （b ）ARMA （1, 1） （c ）AR （2） （d ）ARMA （2, 1） 二、填空题（每小题2分，共计20分） 1. 在下列表中填上选择的的模型类别 2. 时间序列模型建立后，将要对模型进行显著性检验，那么检验的对象为___________ ， 检验的假设是___________。 3. 时间序列模型参数的显著性检验的目的是____________________。 4. 根据下表，利用AIC 和BIC 准则评判两个模型的相对优劣，你认为______ 模型优于______模型。 _______检验和_______检验。 三、（10分）设{}t ε为正态白噪声序列，()()2 t t 0,E Var εεσ==，时间序列}{t X 来自 110.8t t t t X X εε--=+- 问模型是否平稳？为什么？ 四、（20分）设}{t X 服从ARMA(1, 1)模型： 110.80.6t t t t X X εε--=+- 其中1001000.3,0.01X ε==。 （1） 给出未来3期的预测值；（10分） 浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 图2 题号 一 二 三 四 五 得分 得分 评阅人 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题 得分 A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的 偏自相关函数图，请对原序列选择模型。( ) 图3 图4 A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+= C.k k -=ρρ D.)(?)1(?1k y k y t t +=+ 6.下图为对某时间序列的拟合模型进行显著性水平0.05α=的显著性检验，请选择 该序列的拟合模型 。 ( ) 说明：答案请答在规定的答题纸或答题卡上，答在本试卷册上的无效。 一、填空题（本题总计25分） 1. 常用的时间序列数据，有年度数据、（ ）数据和（ ） 数据。另外，还有以（ ）、小时为时间单位计算的数据。 2. 自相关系数j ρ的取值范围为（ ）；j ρ与j -ρ之间的关系是（ ）；0ρ=（ ）。 3.判断下表中各随机过程自相关系数和偏自相关系数的截尾性，并用 2. 如果随机过程{}t ε为白噪音，则 t t Y εμ+= 的数学期望为 ；j 不等于0时，j 阶自协方差等于 ，j 阶自相关系数等于 。因此，是一个 随机过程。 1.（2分）时间序列分析中，一般考虑时间（ ）的（ ）的情形。 3. （6分）随机过程{}t y 具有平稳性的条件是： （1）（ ）和（ ）是常数，与 （ ）无关。 （2）（ ）只与（ ）有关，与 （ ）无关。 7. 白噪音的自相关系数是： 1.白噪音{}t y 的性质是：t y 的数学期望为 ，方差为 ；t y 与j -t y 之间的协方差为 。 1.（4分）移动平均法的特点是：认为历史数据中（ ）的数据对未来的数值有影响，其权数为（ ），权数之和为（ ）；但是，（ ）的数据对未来的数值没有影响。 2. 指数平滑法中常数α值的选择一般有2种： （1）根据经验判断，α一般取 。 （2）由 确定。 3. （5分）下述随机过程中，自相关系数具有拖尾性的有（ ），偏自相关系数具有拖尾性的有（ ）。 ①平稳(2) ②(1) ③平稳(1,2) ④白噪 音过程 4.（5分）下述随机过程中，具有平稳性的有（ ），不具有平稳性的有（ ）。 ①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程 ④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+ 2.（3分）白噪音{}t ε的数学期望为（ ）；方差为（ ）；j 不等于0时，j 阶自协方差等于（ ）。 （2）自协方差与（ ）无关，可能与 （ ）有关。 3. （5分）下述随机过程中，自相关系数具有截尾性的有（ ），偏自相关系数具有截尾性的有（ ）。 一、单项选择题 1．时间数列与变量数列() A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间数列中，数值大小与时间长短有直接关系的是() A平均数时间数列B时期数列C时点数列D相对数时间数列 3．发展速度属于() A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是() A报告期水平B基期水平C实际水平D计划水平5．某车间月初工人人数资料如下： 则该车间上半年的平均人数约为() A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为() A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间数列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 8．采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 9．某企业的产值2005年比2000年增长了58．6％，则该企业2001—2005年间产值的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 10．根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 11、时间序列在一年内重复出现的周期性波动称为（ ） A 、长期趋势 B 、季节变动 C 、循环变动 D 、随机变动 1．C 2．B 3．C 4．B 5．C 6．C 7．A 8．A 9．B 10．D 11、B 二、多项选择题 1．对于时间数列，下列说法正确的有( ) A 数列是按数值大小顺序排列的 B 数列是按时间顺序排列的 C 数列中的数值都有可加性 D 数列是进行动态分析的基础 系名____________班级____________姓名____________学号____________ 密封线内不答题 成都信息工程学院考试试卷 2012——2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 一、判断题（每题1分，正确的在括号内打√，错误的在括号内打×，共15分） 1．模型检验即是平稳性检验（ ）。 2．模型方程的检验实质就是残差序列检验（ ）。 3．矩法估计需要知道总体的分布（ ）。 4．ADF 检验中：原假设序列是非平稳的（ ）。 5．最优模型确定准则：AIC 值越小、SC 值越大，说明模型越优（ ）。 6．对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势（ ）。 7．严平稳序列与宽平稳时序区分主要表现在定义角度不同（ ）。 8．某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线趋势（ ）。 9．时间序列平稳性判断方法中 ADF 检验优于序时图法和自相关图检验法（ ）。 10．时间序列的随机性分析即是长期趋势分析（ ）。 11．ARMA （p,q ）模型是ARIMA(p,d,q)模型的特例（ ）。 12．若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的（ ）。 13. MA(2)模型的3阶偏自相关系数等于0（ ）。 14．ARMA(p,q)模型自相关系数p 阶截尾，偏自相关系数拖尾（ ）。 15．MA(q)模型平稳的充分必要条件是关于后移算子B 的q 阶移动自回归系数多项式根的绝对值均在单位圆内（ ）。 二、填空题。（每空2分，共20分） 1．t X 满足ARMA （1,2）模型即：t X ＝0.43+0.341-t X +t ε＋0.81-t ε–0.22-t ε，则均值＝ ，1θ（即一阶移动均值项系数）＝ 。 2．设｛x t ｝为一时间序列，B 为延迟算子，则B 2 X t = 。 3．在序列y 的view 数据窗，选择 功能键，可对序列y 做ADF 检验。 4．若某平稳时序的自相关图拖尾，偏相关图1阶截尾，则该拟合 模型。 . 浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题 图2 A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的偏自相关函数图，请对原序列选择模型。( ) 图3 图4 A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+= 统计学期末考试试题（一） 1、一个统计总体（ d ） A、只能有一个标志 B、只能有一个指标 C、可以有多个标志 D、可以有多个指标 2、调查某大学2000名学生学习情况，则总体单位是（ C ） A 、2000名学生B、2000名学生的学习成绩 C、每一名学生 D、每一名学生的学习成绩 3、某地进行国有商业企业经营情况调查，则调查对象是( b )。 A、该地所有商业企业 B、该地所有国有商业企业 C、该地每一国有商业企业 D、该地每一商业企业 4、以下哪种调查的报告单位与调查单位是一致的( C )。 A、工业普查 B、工业设备调查 C、职工调查 D、未安装设备调查 5、某市进行工业企业生产设备普查，要求在7月1日至7月10日全部调查完毕，则这一时间规定是( b )。 A、调查时间 B、调查期限 C、标准时间 D、登记期限 6、某连续变量分为5组：第一组为40——50，第二组为50——60，第三组为60——70，第四组为70——80，第五组为80以上，则（ B ） A、50在第一组，70在第四组 B、60在第三组，80在第五组 C、70在第四组，80在第五组 D、80在第四组，50在第二组 7、已知某局所属12个工业企业的职工人数和工资总额，要求计算该局职工的平均工资，应该采用( a ) A、简单算术平均法 B、加权算术平均法 C、加权调和平均法 D、几何平均法 8、用水平法检查长期计划完成程度，应规定( B ) A、计划期初应达到的水平 B、计划期末应达到的水平 C、计划期中应达到的水平 D、整个计划期应达到的水平 9、某地区有10万人，共有80个医院。平均每个医院要服务1250人，这个指标是（ C ）。 A、平均指标 B、强度相对指标 C、总量指标 D、发展水平指标 10、时间序列中，每个指标数值可以相加的是（ b ）。 A、相对数时间序列 B、时期数列 C、间断时点数列 D、平均数时间序列 11、根据时间序列用最小平方法配合二次曲线，所依据的样本资料的特点是（ b ）。 时间序列分析基于R——习题答案 第一章习题答案 略 第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图 2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 LB=4.83，LB统计量对应的分位点为0.9634，P 值为0.0363。显著性水平=0.05 ，序列不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下 （2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 ()0t E x =,2 1 () 1.96 10.7 t Var x ==-,22 0.70.49 ρ ==,22 φ = 3.2 1715 φ= ,2 115 φ = 3.3 ()0t E x =,10.15 () 1.98(10.15)(10.8 0.15)(10.80.15) t Var x +==--+++ 10.8 0.70 10.15 ρ= =+,2 10.80.150.41 ρ ρ=-=,3 210.80.150.22 ρ ρρ=-= 1110.70 φρ==,22 20.15 φ φ==-,33 φ = 3.4 10c -<<, 1121,1,2 k k k c c k ρρρρ--? =?-??=+≥? 3.5 证明: 该序列的特征方程为：3 2 --c 0c λλλ+=，解该特征 方程得三个特征根： 11 λ=，2 c λ =3 c λ =-无论c 取什么值，该方程都有一个特征根在单位圆上，所以该序列一定是非平稳序列。证毕。 3.6 (1)错 （2）错 （3）对 （4）错 （5） 3.7 该模型有两种可能的表达式：11 2 t t t x ε ε-=-和 1 2t t t x εε-=-。 3.8 将1 23 100.50.8t t t t t x x C εεε---=++-+等价表达为 成都信息工程学院考试试卷 2012—— 2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 一、判断题（每题1分，正确的在括号内打错误的在括号内打 X,共15分） 1 .模型检验即是平稳性检验（）。 2. 模型方程的检验实质就是残差序列检验（） 3. 矩法估计需要知道总体的分布（）。 4. ADF检验中：原假设序列是非平稳的（）。 5. 最优模型确定准则：AIC值越小、SC值越大，说明模型越优 （）。 6. 对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势 （）。 7. 严平稳序列与宽平稳时序区分主要表现在定义角度不同 8. 某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线 趋势( )。 9 ?时间序列平稳性判断方法中ADF检验优于序时图法和自相关图 检验法( )。 10 .时间序列的随机性分析即是长期趋势分析( )。 11. ARMA(p,q )模型是ARIMA(p,d,q)模型的特例( )。 12 .若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的( )0 13. MA(2)模型的3阶偏自相关系数等于0( ) 14. ARMA(p,q)模型自相关系数p阶截尾，偏自相关系数拖尾 ( )0 15. MA(q)模型平稳的充分必要条件是关于后移算子B的q阶移动自回归系数多项式根的绝对值均在单位圆内( )。 二、填空题。(每空2分，共20分) 1 . X t满足ARMA(1, 2 )模型即：X t = 0.43+0.34 X「+ t + 0.8 t 1 - 0.2 t 2，则均值= ___________________________ ， 1 (即一阶移 内蒙古财经学院2011——2012学年第1学期 《金融时间序列分析》试卷答案 一、填空题（1分*15空=15分） 1. ，。 q -t 1-t 1t p t p 2t 21-t 1t x x x x εθεθεφφφq ---++++=-- q θθφφφ、、，、 、 1p 212. 描述性； 3. ，0,1,0； t t t x x ε+=-1 4. 平稳性检验，纯随机性检验； 5. ?p x t =(1?B)p x t ，?k x t =(1?B k )x t ；6. 宽平稳，严平稳，宽平稳； 7. 自回归 二、不定项选择题（2分*5题=10分） 1、A C 2、A B D 3、A B 4、A B CD 5、A B D 三、判断并说明理由（2题*5分=10分） 1、如果一个时间序列宽平稳，则它肯定不是严平稳；如果一个时间序列严平稳，则它一定是宽平稳。 答：说法是错误的。（1分） 严平稳是一种条件比较苛刻的平稳性定义，该定义表明，一个序列的所有统计均平稳时，该序列才是平稳的。而宽平稳则是条件宽松的平稳性定义，即只要求序列的二阶矩平稳，则序列就是平稳的。由定义可知，在一般情况下，如果一个时间序列是宽平稳的，则它肯定不是严平稳的；如果一个时间序列是严平稳的，则它一定是宽平稳的。 （2分） 但两种情况各有例外，如多元正态分布，二阶矩包括所有统计性质，所以对于服从多元正态分布的序列，宽平稳也是严平稳；再比如柯西分布不存在二阶矩，因此如果一个序列服从柯西分布，且为严平稳，但却推不出其为宽平稳。确切的说应该是对于存在二阶矩的序列，严平稳才能推出宽平稳。（2分） 2、差分运算的实质是使用自回归的方式提取确定性信息 答：说法是正确的。（5分） 四、简答题：（25分） 1、简述平稳序列的建模步骤（7分） 答：（1）时间序列分析的第一步是获得观察值序列，然后对这个序列进行平稳性检验，对平稳的序列进行纯随机性检验，如果是纯随机序列，分析结束；如果不是纯随机序列，选择模型拟合该序列； （2）求出该观察值序列的样本自相关系数（ACF ）和样本偏自相关系数（PACF ）的值。 （3）根据平稳非纯随机序列的自相关图和偏自相关图，选择阶数适当的ARMA （p,d ）模型进行拟合； （4）利用一定的方法估计模型中的参数，即模型估计； （5）检验模型的有效性。如果拟合模型通不过检验，转向步骤（2），重新选择模型再拟合。 （6）模型优化。在通过检验的模型中选择相对最有模型，即模型优化； （7）利用相对最优模型对序列未来值进行预测。 2、答：（1）wold 分解定理：对于任何一个离散平稳过程它都可以分解为两个不相关的平稳序列之}{t x 和，其中一个为确定性的，另一个为随机性的，不妨记作 t t t V x ξ+= 第二章习题答案 2.1 （1）非平稳 （2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图 2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列 （3）白噪声序列 2.4 ，序列LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下 （2） 非平稳 （3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .021102112 12112011φρφρφρφρρφφρφρφρ 解得：???==15 /115/721φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0 第八章 时间数列分析 一、单项选择题 1.时间序列与变量数列( ) A 都是根据时间顺序排列的 B 都是根据变量值大小排列的 C 前者是根据时间顺序排列的，后者是根据变量值大小排列的 D 前者是根据变量值大小排列的，后者是根据时间顺序排列的 C 2.时间序列中，数值大小与时间长短有直接关系的是( ) A 平均数时间序列 B 时期序列 C 时点序列 D 相对数时间序列 B 3.发展速度属于( ) A 比例相对数 B 比较相对数 C 动态相对数 D 强度相对数 C 4.计算发展速度的分母是( ) A 报告期水平 B 基期水平 C 实际水平 D 计划水平 B 5.某车间月初工人人数资料如下： 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 C 6.某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A 150万人 B 150．2万人 C 150．1万人 D 无法确定 C 7.由一个9项的时间序列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 A 8.采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 A 9.某企业的科技投入，2010年比2005年增长了58．6％，则该企业2006—2010年间科技投入的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 B 10.根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 D 11.在测定长期趋势的方法中，可以形成数学模型的是( ) A 时距扩大法 B 移动平均法 C 最小平方法 D 季节指数法 第一章习题答案 略 第二章习题答案 （1）非平稳 （2） （3）典型的具有单调趋势的时间序列样本自相关图 （1）非平稳，时序图如下 （2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图 （1）自相关系数为： （2）平稳序列 （3）白噪声序列 ，序列不能视为纯随机序列。LB=，LB统计量对应的分位点为，P值为。显著性水平=0.05 （2）非平稳 （3）非纯随机 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)） （2）差分序列平稳，非纯随机 第三章习题答案 ()0t E x =,2 1() 1.9610.7 t Var x ==-,2 20.70.49ρ==,220φ= 1715φ=,2115 φ= ()0t E x =,10.15 () 1.98(10.15)(10.80.15)(10.80.15) t Var x += =--+++ 10.8 0.7010.15 ρ= =+,210.80.150.41ρρ=-=,3210.80.150.22ρρρ=-= 1110.70φρ==,2220.15φφ==-,330φ= 10c -<<, 1121,1,2 k k k c c k ρρρρ--? = ?-??=+≥? 证明: 该序列的特征方程为：32--c 0c λλλ+=，解该特征方程得三个特征根： 11λ= ，2λ= 3λ= 无论c 取什么值，该方程都有一个特征根在单位圆上，所以该序列一定是非平稳序列。证毕。 (1)错 （2）错 （3）对 （4）错 （5） 该模型有两种可能的表达式：11 2 t t t x εε-=-和12t t t x εε-=-。 将123100.50.8t t t t t x x C εεε---=++-+等价表达为 ()23 23223310.82010.510.8(10.50.50.5)t t t B CB x B B CB B B B εε-+-=-=-+++++L 展开等号右边的多项式，整理为 2233 4423243 4 10.50.50.50.50.80.80.50.80.50.5B B B B B B B CB CB +++++--?-?-+++L L L 6、 方法一：趋势拟合法 income<-scan('习题4.6数据.txt') ts.plot(income) 由时序图可以看出，该序列呈现二次曲线的形状。于是，我们对该序列进行二次曲线拟合： t<-1:length(income) t2<-t^2 z<-lm(income~t+t2) summary(z) lines(z$fitted.values, col=2) 方法二：移动平滑法拟合 选取N=5 income.fil<-filter(income,rep(1/5,5),sides=1) lines(income.fil,col=3) 7、（1） milk<-scan('习题4.7数据.txt') ts.plot(milk) 从该序列的时序图中，我们看到长期递增趋势和以年为固定周期的季节波动同时作用于该序列,因此我们可以采用乘积模型和加法模型。在这里以加法模型为例。 z<-scan('4.7.txt') ts.plot(z) z<-ts(z,start=c(1962,1),frequency=12) z.s<-decompose(z,type='additive') //运用加法模型进行分解z.1<-z-z.s$seas //提取其中的季节系数，并在z中减去（因为是加法模//型）该季节系数 ts.plot(z.1) lines(z.s$trend,col=3) z.2<-ts(z.1) t<-1:length(z.2) t2<-t^2 t3<-t^3 r1<-lm(z.2~t) r2<-lm(z.2~t+t2) r3<-lm(z.2~t+t2+t3) summary(r1) 第九章 时间序列分析 一、单项选择题 1、乘法模型是分析时间序列最常用的理论模型。这种模型将时间序列按构成分解为（ ） 等四种成分，各种成分之间( )，要测定某种成分的变动，只须从原时间序列中（ ）。 A. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；减去其他影响成分的变动 B. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；减去其他影响成分的变动 C. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；除去其他影响成分的变动 D.长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；除去其他影响成分的变动 答案：C 2、加法模型是分析时间序列的一种理论模型。这种模型将时间序列按构成分解为（ ）等四种成分，各种成分之间( )，要测定某种成分的变动，只须从原时间序列中（ ）。 A. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；减去其他影响成分的变动 B. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；减去其他影响成分的变动 C. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；除去其他影响成分的变动 D.. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；除去其他影响成分的变动 答案：B 3、利用最小二乘法求解趋势方程最基本的数学要求是（ ）。 A. ∑=-任意值2)?(t Y Y B. ∑=-min )?(2t Y Y C. ∑=-max )?(2t Y Y D. 0)?(2 ∑=-t Y Y 答案：B 4、从下列趋势方程t Y t 86.0125?-=可以得出（ ）。 A. 时间每增加一个单位，Y 增加0.86个单位 B. 时间每增加一个单位，Y 减少0.86个单位 C. 时间每增加一个单位，Y 平均增加0.86个单位 D. 时间每增加一个单位，Y 平均减少0.86个单位 答案：D. 5、时间序列中的发展水平（ ）。 A. 只能是绝对数 B. 只能是相对数 C.只能是平均数 D.上述三种指标均可以 答案：D.应用时间序列分析第4章答案
时间序列期末试题B卷
时间序列分析试卷及答案3套
2008-2009-01时间序列分析06级期末A卷答案
时间序列分析考试卷及答案
模拟试题3-时间序列
时间序列分析期末考试
时间序列分析--习题库
时间序列习题(含答案)
时间序列期末试题B卷
时间序列分析期末考试2010B
统计学期末考试试题(含答案)
时间序列分析基于R——习题答案
时间序列期末试题B卷
金融时间序列试卷(精品文档)_共4页
应用时间序列分析习题答案
(整理)8章 时间序列分析练习题参考答案.
时间序列分析基于R——习题答案
时间序列分析-王燕-习题4答案
时间序列分析试题
相关主题
文本预览