实验一ARMA 模型建模一、实验目的学会检验序列平稳性、随机性。
学会分析时序图与自相关图。
学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。
学会运用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 1 平稳时间序列：定义：时间序列{zt}是平稳的。
如果{zt}有有穷的二阶中心矩，而且满足：（a ）ut= Ezt =c;（b ）r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称{zt}是平稳的。
2 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。
具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。
⎪⎪⎪⎪⎨⎧<∀=≠===≠+++++=---ts Ex t s E Var E x x x x t s s t t t p t p t p t t t ,0,0)(,)(，0)(0222110εεεσεεφεφφφφε3 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。
具有如下结构的模型称为Q 阶移动平均回归模型，简记为MA(q)。
4 ARMA 模型：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 。
具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。
112220()0(),()0,t t t t q t q q t t t s x E Var E s t εμεθεθεθεθεεσεε---⎧=+----⎪≠⎨⎪===≠⎩，⎪⎪⎪⎪⎨⎧<∀=≠===≠≠---++++=----ts Ex t s E Var E x x x t s s t t t q p q t q t t p t p t t ,0,0)(,)(，0)(0，0211110εεεσεεθφεθεθεφφφε三、实验内容及要求 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 ；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。
