时间序列分析实验报告
P185#1、某股票连续若干天的收盘价如表5-4 （行数据）所示。
表5-4
304 303 307 299 296 293301 293 301 295 284286 286 287 284 282278 281 278 277279 278
270 268 272 273 279 279280 275 271 277 278279 283 284 282 283279 280 280 279278 283 278 270 275 273 273 272275 273 273 272 273272 273 271 272 271273 277 274 274272 280
282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288
288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289
选择适当模型拟合该序列的发展，并估计下一天的收盘价。
解：
（1）通过SA漱件画出上述序列的时序图如下：
程序：
data example5_1;
in put x@@;
time=_ n_;
cards ;
304 303 307 299296 293 301 293 301 295 284286286 287 284
282 278 281 278277 279 278 270 268 272 273279279 280 275
271 277 278 279283 284 282 283 279 280 280279278 283 278
270 275 273 273272 275 273 273 272 273 272273271 272 271
273 277 274 274272 280 282 292 295 295 294290291 288 288
290 293 288 289291 293 293 290 288 287 289292288 288 285
282 286 286 287284 283 286 282 287 286 287292292 294 291
288 289 proc gplot data =example5_1;
plot x*time= 1;
symbol1 c=black v=star i =join; run ;
上述程序所得时序图如下：
上述时序图显示，该序列具有长期趋势又含有一定的周期性，为典型的非平稳序列。又因为该序列呈现曲线形式，所以选择2阶差分。
(2)通过SA漱件进行差分运算：
程序：
data example5 1;
in put x@@;
difx=dif(dif(x));
time= n;
cards ;
304 303 307 299 296 293 301 293301295284 286 286287 284
282 278 281 278 277 279 278 270268272273 279 279280 275
271 277 278 279 283 284 282 283279280280 279 278283 278
270 275 273 273 272 275 273 273272273272 273 271272 271
273 277 274 274 272 280 282 292295295294 290 291288 288
290 293 288 289 291 293 293 290288287289 292 288288 285
282 286 286 287 284 283 286 282287286287 292 292294 291
288 289
proc print data=example5 1;
proc gplot data=example5_1;
plot difx*time;
symbol1 c=black v=star i =join;
proc arima ;
iden tifyvar =x( 1 , 1);
estimate q = 1;
forecast lead =5 id =time;
run ;
上述所得时序图如下：
GRAPH 1 WORK-GSEG.GPLOT1 叵］卫
* 2D :
Q 10 20 3D 40 创30 70 Q0 9Q 1QQ 110
Uhe
上述时序图显示，差分后序列已无显著趋势或周期，随机波动比较平稳。
上述程序所得自相关图如下:
巳 Output - (Untitled)
1 D
i^utaDDrreNat Ions
尿 Ctov Std Error 0 30,437?32 1.00000 1 -17^36829 -.57287 H ＞轴聃*Kt iff ｛询旺 OJ97590 2 3.360391 0.11042 紳 . 0.125598 3 -0.915203 -a 03007 第 OJ2B599 4 -L0100E2 -.03313 4 OJ266BI 5 -D.99994S --0325? r 4 o.iitsm 6 D a 538347 0.01956 0.128749 7 4,4??799 0.14711 U. 1267?8 8 -4.763928 -.15G51 &钿 0.123334 il 9 3.779651 0.I241S 紳 o.istiae 10 -4,895454 ,im Q/II31321 11 3.285S 53 0.10795 0JI331S4 12 -i.o mes -.?3502 ? * 0.134015 13 2/713515 0.QB915 OJ34102 14 -6.236506 15 7,712703 0.25940 9J378D4 16 -5.113253 -.16739 Q .141379 17 -ojomi ■』QM4 0J43959 IS LZeiEBI 0.05768 IK . DJ43SG0 19 -0-398877 '.81311 0.14J(82 20 -BJBaifll O.1044S Mi + 0 J 4-4033 21 -.1B33G 0JWI3 22 3J7H71 0.10419 0/147152 23 -0^637086 -.CI2D93 0 J 47853 24 -0.182881 -.80436 0.1479B1 < 卜 上述自相关图中显示， 自相关系数一阶之后全都落于 2倍标准差之内，序列是1阶截尾的，故 q=1。 上述程序所得偏自相关图如下: 的 Output - (UnthledT) Pari in I Aulororrelftt ions Lag Correlation -H 967(643210 I 2S456M0I 1 -C.57287 曲i 坤事卑艸卿坤 2 -0.32413 3 -0.21953 4 -0.22SB? 5 -040390 6 -C.34043 常翻阳細 if 7 -o.oam 8 i -0.13719 -0.016*8 ? ID -0.1 SUB II -e.11207 ?舸 12 13 -0=080173 0.12857 ■ 肯 14 ■0.1W41 :mu ]5 O.Q2B25 肌 ■ 1G 0.00219 i? ■0-04771 s 曲 18 -0.12416 a 删 19 ■0.11080 B 44 20 0.13451 21 0.06633 K ? 22 -0,11287 3 也洁 23 0.02339 24 0.01956 上述偏自相关图显示，序列是拖尾的，故 p=0。 上述程序所得纯随机检验结果如下: The AFt[MA Procedure Adtocorrelallor Check for White Noise To Chi- Fr > La 呂 Square DF ChiSq x JL | J. ■ Autocorreiat ions & 37.17 6 CO0Q1 0.110 -0J57 -0.090 -0.033 -0.033 0.020 IP 48.89 12 <.0001 0.147 0.124 -0J61 OJOfi -0.035 18 C7.06 18 CD001 -0.206 0.253 -0J6S 0.104 -0.003 0.058 24 74.96 24 <.0001 -0.013 0,101 -0J89 -o.o?i 0.004 上述纯随机检验结果显示, 该序列未通过白噪声检验, 属于非白噪声序列。 Conditional Least Squares Eat i iftat i on Standard Approx Parameter Est imate Error t Yalue Pr > III La* MU O.OW06 C.0063887 ?,640.00S80 MAI J 0.04750 21.05<.ooai 1 1.00000 : 上述结果显示，序列的拟合模型为ARIMA（0, 2，1）模型,其形式为 1 + °- 01686^-＞，且其系数均通过检验。 下一天的收盘价估计结果如下: Forec?ts for veriable x Ot）s Forecast Sid Error 95X Conf idence Limits 103 2eaje?3 3.642 232.64S4 29C-92S2 4
相关主题
文本预览