时间序列分析1

时间序列分析习题解答第一章 P. 7 1.5 习题1.1 什么是时间序列？请收集几个生活中的观察值序列。

答：按照时间的顺序把随机事件变化发展的过程记录下来就构成一个时间序列。

例1：1820—1869年每年出现的太阳黑子数目的观察值；年份黑子数年份黑子数年份黑子数年份黑子数年份黑子数1820 16 1830 71 1840 63 1850 66 1860 96 1821 7 1831 48 1841 37 1851 64 1861 77 1822 4 1832 28 1842 24 1852 54 1862 59 1823 2 1833 8 1843 11 1853 39 1863 44 1824 8 1834 13 1844 15 1854 21 1864 47 1825 17 1835 57 1845 40 1855 7 1865 30 1826 36 1836 122 1846 62 1856 4 1866 16 1827 50 1837 138 1847 98 1857 23 1867 7 1828 62 1838 103 1848 124 1858 55 1868 37 1829 67 1839 86 1849 96 1859 94 1869 74 例2：北京市城镇居民1990—1999年每年的消费支出按照时间顺序记录下来，就构成了一个序列长度为10的消费支出时间序列（单位：亿元）。

1686，1925，2356，3027，3891，4874，5430，5796，6217，6796。

1.2 时域方法的特点是什么？答：时域方法特点：具有理论基础扎实，操作步骤规范，分析结果易于解释的优点，是时间序列分析的主流方法。

1.3 时域方法的发展轨迹是怎样的？答：时域方法的发展轨迹：一．基础阶段：1. G.U. Yule 1972年AR模型2. G.U.Walker 1931年 MA模型、ARMA模型二．核心阶段：G.E.P.Box和G.M.Jenkins1. 1970年，出版《Time Series Analysis Forecasting and Control》2. 提出ARIMA模型（Box-Jenkins模型）3. Box-Jenkins模型实际上主要运用于单变量、同方差场合的线性模型三．完善阶段：1.异方差场合：a.Robert F.Engle 1982年 ARCH模型b.Bollerslov 1985年 GARCH模型2.多变量场合：C.Granger 1987年提出了协整（co-integration）理论3.非线性场合：汤家豪等 1980年门限自回归模型1.4 在附录1中选择几个感兴趣的序列，创建数据集。

时间序列分析 第一部分：概述一、时间序列的概念 1) 一般概念： 系统中某一变量或指标的观测值按间隔相等的时间先后次序排列 起来称为时间序列（Time Series ），记为12,,n y y y ，n 为时间序列的项数。

在以时间t 为横轴，以时间序列变量的取值为纵轴的直角坐标系中，所画出的图称为时序图（Sequence ）时间序列展示了研究对象在一定时期内的变动过程，从中寻找和分析事物的变化特征、发展趋势和规律。

它是系统中某一变量受其它各种因素影响的总结果。

注意：与回归分析相比，时间序列分析着眼于数据时间前后的相关性，而回归分析则着眼于自变量与因变量（具有随机性的变量）间的相关性。

(2)研究实质：通过处理预测目标本身的时间序列数据，获得事物随时间过程的 演变特性与规律，进而预测事物的未来发展。

它不研究事物之间相互依存的因果 关系。

(3)假设基础：惯性原则。

即在一定条件下，被预测事物的过去变化趋势会延续 到未来。

暗示着历史数据存在着某些信息，利用它们可以解释与预测时间序列的 现在和未来。

近大远小原理（时间越近的数据影响力越大）和无季节性、无趋势性、线性、常数方差等。

(4)研究意义：许多经济、金融、商业等方面的数据都是时间序列数据。

时间序 列的预测和评估技术相对完善，其预测情景相对明确。

尤其关注预测目标可用数 据的数量和质量，即时间序列的长度和预测的频率。

二、时间序列的四种影响因素社会的、经济的或自然科学中的变量，都会受到各种因素的影响，因而它们的时间按序列就是这些因素影响的总结果，表现为动态变动。

一般来说，一个时间序列的影响因素有四种变动 (1)长期趋势（Secular Trend ）：(T)时间序列在一段时间内表现出的按某种规律上升、下降或停留在某一水平上的变动倾向。

(2)季节变动（Seasonal Variation ）(S)时间序列通常以一年为周期随自然季节的推移而呈现出的周期性变化。

（3）循环变动（Cyclical Variation ）(C)时间序列周期长度不固定，通常表现为数年的一种变化。

第3章平稳时间序列分析本章教学内容与要求：了解时间序列分析的方法性工具；理解并掌握ARMA 模型的性质；掌握时间序列建模的方法步骤及预测；能够利用软件进行模型的识别、参数的估计以及序列的建模与预测。

本章教学重点与难点：利用软件进行模型的识别、参数的估计以及序列的建模与预测。

型来息。

t x 为t x 的1阶差分： ▽1t t t x x x --=对1阶差分后的序列再进行一次1阶差分运算称为2阶差分，记▽2tx 为t x 的2阶差分：▽2t x =▽t x -▽1-t x以此类推，对p-1阶差分厚序列再进行一次1阶差分运算称为p 阶差分。

记▽p t x 为t x 的p 阶差分：▽p t x =▽p-1t x -▽p-11-t x （二）k 步差分kt x 为t x 的10,,1t = 10,,2 = 即2阶差分序列▽2t x ：3，22，-63，-54，-6，16，-52，-40，10,,3t = 2步差分：▽29x x x 133=-= ▽234x x x 244=-=……▽2-28x x x 81010=-=即2步差分序列：9，34，-7，-26，12，21，-16，-28 二、延迟算子（滞后算子） （一）定义延迟算子类似于一个时间指针，当前序列值乘以一个延迟算子，就相x因此，15-18+6=343-30+9=222.k 步差分▽k =t k t k t k t t x )B 1(x B x x x -=-=--三、线性差分方程在实践序列的时域分析中，线性差分方程是非常重要的，也是极为有效的工具，事实上，任何一个ARMA模型都是一个现象差分方程。

因此，ARMA模型的性质往往取决于差分方程的性质。

为了更好地讨论ARMA 模型的性质，先简单介绍差分方程的一般性质。

设,，方程两边同除以，得特征方程（这是一个一元p次方程，应该至少有p个非零实根，称这p个实根为特征方程（3）的特征根，不防记作.特征根的取值情况不同，齐次线性差分方程的解会有不同的表达形式。

一.时间序列分析的相关概念♦随机过程：若对于每一个特定的t ∈T ，X(t)是一个随机变量，则称这一族无穷多个随机变量{X(t),t ∈T}是一个随机过程。

♦纯随机过程：随机过程X(t)(t=1,2,…)，如果是由一个不相关的随机变量序列构成的，即对于所有s ≠t ，随机变量X t 和X s 的协方差均为零，则称其为纯随机过程。

♦♦♦♦独立增量随机过程：任意两相邻时刻上的随机变量之差是相互独立的，则称其为独立增量随机过程。

二阶矩过程：若随机过程{X(t),t ∈T}，对每个t ∈T ，X(t)的均值和方差存在，则称其为二阶矩过程。

正态过程：若{X(t)}的有限维分布都是正态分布，则称{X(t)}为正态随机过程。

平稳过程(严平稳)：如果对于时间t 的任意n 个值t 1,t 2,…,t n 和任意实数 ，随机过程X(t)的n 维分布函数满足关系式F n (x 1,x 2,…,x n ; t 1,t 2,…,t n ) = F n (x 1,x 2,…,x n ; t 1+ε,t 2+ε,…,t n+ε)，则称X(t)为平稳过程。

即是统计特性不随时间的平移而变化的过程。

♦宽平稳：若随机过程{X(t),t ∈T}的均值和协方差存在，且满足①EX t ∈a,∀t ∈T ；②E[X t+τ-a][X t -a]=R(τ),∀t,t+τ∈T ，则称{X(t),t ∈T}为宽平稳随机过程，R(τ)为X(t)的协方差函数。

♦非平稳随机过程：不具有平稳性的过程就是非平稳过程。

即序列均值或协方差与时间有关时，就可以认为是非平稳的。

♦♦自相关：指时间序列观察资料互相之间的依存关系。

动态性(记忆性)：指系统现在的行为与其历史行为的相关性。

如果某输入对系统后继n 个时刻的行为都有影响，就说该系统具有n 阶动态性。

二.刻画时间序列统计特性的各种数字特征的定义、性质等♦均值函数其中，F t (x)为随机序列X t 的分布密度函数。

时间数列分析指标(1)1. 均值和标准差：均值是时间序列数据的平均值，标准差是数据集中度的一种度量。

均值和标准差可以帮助我们了解数据的集中程度以及数据点的离散程度。

在时间序列分析中，我们可以使用滚动平均和滚动标准差来计算均值和标准差的动态变化，以便更好地理解数据的趋势。

2. 自相关函数（ACF）和偏自相关函数（PACF）：自相关函数（ACF）和偏自相关函数（PACF）是时间序列分析中常用的两个指标，用于在时间序列数据中检测和描述任何自相关性和偏相关性。

ACF是时间序列在不同滞后期之间的相关性，而PACF是在移除其他滞后期数据影响后，单个滞后期与当前观测值之间的相关性。

3. ARIMA模型：ARIMA模型（自回归移动平均模型）是一种常用的时间序列模型，用于预测和分析时间序列数据。

ARIMA模型结合了自回归（AR）和移动平均（MA）的特性，以及差分运算，以对不平稳时间序列数据进行建模。

ARIMA模型的参数包括自回归阶数（p），差分阶数（d）和移动平均阶数（q）。

通过拟合ARIMA模型，可以得到时间序列数据的预测值和置信区间。

4. 季节性调整：许多时间序列数据都具有明显的季节性模式，例如销售数据在节假日季节中通常会有较大的波动。

季节性调整是一种将季节性因素从时间序列数据中去除的方法，以便更好地了解长期趋势和其他影响因素。

常见的季节性调整方法包括移动平均法、加法季节性调整和乘法季节性调整。

5. 平稳性检验：平稳性是进行时间序列分析的基本假设之一，即时间序列数据的统计特性在不同时间段内是稳定的。

平稳性检验可以帮助我们判断数据是否满足平稳性假设，以确定合适的时间序列模型。

常见的平稳性检验方法包括单位根检验（例如ADF检验和KPSS检验）和滚动统计方法（例如滚动平均和滚动标准差）。

综上所述，时间序列分析指标包括均值和标准差、自相关函数和偏自相关函数、ARIMA 模型、季节性调整和平稳性检验等。

这些指标可以帮助我们更好地理解和分析时间序列数据的模式、趋势和周期性变化，进而进行预测和决策。

1. 什么是时间序列？请收集几个生活中的观察值序列。

按照时间的顺序把随机事件变化发展的过程记录下来就构成了一个时间序列。

例如我把每天的生活费记录下来；零售商把每个月的销售额记下来，重要的是时间间隔和量纲要相同。

2. 时域方法的特点是什么？时域分析方法具有理论基础扎实、操作步骤规范、分析结果易于解释，是时间序列分析的主流方法等特点。

3、时域方法的发展轨迹是怎样的？1927年,英国统计学家G. U. Yule 提出AR模型(自回归（autoregressive, AR）模型);1931年,英国统计学家、天文学家G. T. Walker提出MA模型(移动平均（moving average, MA）模型);1931年,英国统计学家、天文学家G. T. Walker提出ARMA模型(自回归移动平均（autoregressive moving average, AR MA）模型)1970年,美国统计学家G.E.P.Box和英国统计学家G.M.Jenkins 提出ARIMA模型(求和自回归移动平均（autoregressive integrated moving average, ARIMA）模型，又称（Box—Jenkins 模型）)出版了《Time Series Analysis Forecasting and Control》;美国统计学家,计量经济学家Robert F.Engle在1982年提出了自回归条件异方差（ARCH）模型,用以研究英国通货膨胀率的建模问题;Bollerslov在1985年提出了广义自回归条件异方差（GARCH）模型;Nelson等人指数广义自回归条件异方差（EGARCH）模型,方差无穷广义自回归条件异方差（IEGARCH）模型,依均值广义自回归条件异方差（EGARCH-M）模型。

在非线性场合，Granger和Andersen在1978年提出了双线性模型；Howell Ttong在1978年提出了门限自回归模型（分段线性化构造）等等。

第九章时间序列分析习题一、填空题1．时间序列有两个组成要素：一是，二是。

2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。

3．时间序列可以分为时间序列、时间序列和时间序列三种。

其中是最基本的序列。

4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。

5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。

6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。

7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。

8．计算平均发展速度的常用方法有方程式法和.9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。

10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。

11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。

12．用最小二乘法测定长期趋势，采用的标准方程组是。

二、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．某企业的科技投,3,2000年比1995年增长了58．6％，则该企业1996—2000年间科技投入的平均发展速度为( ) A5%6.58 B 5%6.158 C6%6.58 D 6%6.15810．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．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 三、多项选择题1．对于时间序列，下列说法正确的有( )A 序列是按数值大小顺序排列的B 序列是按时间顺序排列的C 序列中的数值都有可加性D 序列是进行动态分析的基础E 编制时应注意数值间的可比性 2．时点序列的特点有( )A 数值大小与间隔长短有关B 数值大小与间隔长短无关C 数值相加有实际意义D 数值相加没有实际意义E 数值是连续登记得到的 3．下列说法正确的有( )A 平均增长速度大于平均发展速度B 平均增长速度小于平均发展速度C 平均增长速度=平均发展速度-1D 平均发展速度=平均增长速度-1E 平均发展速度×平均增长速度=14．下列计算增长速度的公式正确的有( )A 增长速度=%100⨯基期水平增长量 B 增长速度= %100⨯报告期水平增长量C 增长速度= 发展速度—100％D 增长速度=%100⨯-基期水平基期水平报告期水平E 增长速度=%100⨯基期水平报告期水平5．采用几何平均法计算平均发展速度的公式有( ) A 1231201-⨯⨯⨯⨯=n n a a a a a a a a nx B 0a a n x n = C 1a a nx n = D R n x = E n x x ∑=6根据上述资料计算的下列数据正确的有( )A第二年的环比增长速度二定基增长速度=10％B第三年的累计增长量二逐期增长量=200万元C第四年的定基发展速度为135％D第五年增长1％绝对值为14万元E第五年增长1％绝对值为13．5万元7．下列关系正确的有( )A环比发展速度的连乘积等于相应的定基发展速度B定基发展速度的连乘积等于相应的环比发展速度C环比增长速度的连乘积等于相应的定基增长速度D环比发展速度的连乘积等于相应的定基增长速度E平均增长速度=平均发展速度-18．测定长期趋势的方法主要有( )A时距扩大法B方程法C最小平方法D移动平均法E几何平均法9．关于季节变动的测定，下列说法正确的是( )A目的在于掌握事物变动的季节周期性B常用的方法是按月(季)平均法C需要计算季节比率D按月计算的季节比率之和应等于400％E季节比率越大，说明事物的变动越处于淡季10．时间序列的可比性原则主要指( )A时间长度要一致B经济内容要一致C计算方法要一致D总体范围要一致E计算价格和单位要一致四、判断题1．时间序列中的发展水平都是统计绝对数。