“时间序列分析”2

消费价格指数
110
80
消费价格指数 3 期移动平均预测 5期移动平均预测
50
86
88
90
92
94
96
98
00 20
年份
19
19
19
19
19
19
消费价格指数移动平均趋势
19
例题3.3.3
书上P92 例题3.7;
3.3.2
数学模型法
数学模型法 在对原有时间序列进行分析的基 础上,根据其发展变动的特点,寻找一个与之相匹配 的趋势曲线方程,并以此来测定长期趋势变动规律 的方法. 常用的趋势线数学模型 线性趋势与非线性趋势
年份 价格指数 1986 1987 1988 1989 118 1990 103.1 1991 103.4 1992 1993
106.3 107.3 118.8
106.4 114.7
年份
价格指数
1994
1995
1996
1997
102.8
1998
99.2
1999
98.6
2000
100.4
124.1 117.1 108.3
首先将移动平均数作为长期趋势值加以剔除， 再测定季节变动的方法.
具体方法如下
(1)计算移动平均趋势值 T(季度数据采用4项移动 平均 ,月份数据采用 12项移动平均 ),并将其结果进 行“中心化”处理.即将移动平均的结果再进行一 次二项的移动平均,即得出“中心化移动平均 值”(CMA) (2)计算移动平均的比值Y/T=SI，也称为修匀比率
具体做法
Y1 bt1 Y2 bt 2
Y1 Y2 b t1 t 2
Y1 , Y2 分别代表原时间序列实际观察中各部分 的平均数.

《时间序列分析》习题解答�0�2习题2.3�0�21考虑时间序列12345…201判断该时间序列是否平稳2计算该序列的样本自相关系数kρ∧k12… 6 3绘制该样本自相关图并解释该图形. �0�2解1根据时序图可以看出该时间序列有明显的递增趋势所以它一定不是平稳序列�0�2即可判断该时间序是非平稳序列其时序图程序见后。

�0�2 时间序描述程序data example1 input number timeintnxyear01jan1980d _n_-1 format time date. cards 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 proc gplot dataexample1 plot numbertime1 symbol1 cblack vstar ijoin run�0�2�0�2�0�22当延迟期数即k本题取值1 2 3 4 5 6远小于样本容量n本题为20时自相关系数kρ∧计算公式为number1234567891011121314151617181920time01JAN8001J AN8101JAN8201JAN8301JAN8401JAN8501JAN8601JAN870 1JAN8801JAN8901JAN9001JAN9101JAN9201JAN9301JAN9 401JAN9501JAN9601JAN9701JAN9801JAN99121nkttktknttX XXXXXρ�6�1∧�6�1�6�1≈�6�1∑∑ 0kn4.9895�0�2注20.05125.226χ接受原假设认为该序列为纯随机序列。

�0�2解法三、Q统计量法计算Q统计量即12214.57kkQnρ∑�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2�0�2查表得210.051221.0261χ�6�1由于Q统计量值4.57Q小于查表临界值即可认为接受原假设即该序列可视为纯随机序列为白噪声序列 5表2——9数据是某公司在2000——2003年期间每月的销售量。

应用时间序列分析随堂作业一、单项选择题1．的p 阶差分是（ ）t X A ． B ．()t PX B -1t P X B )1(-C ． D ．t P X B -1Pt BX -12、时间序列中，严平稳与宽平稳的关系是（ ）A ．满足严平稳就满足宽平稳；B ．满足宽平稳就满足严平稳；C ．二者是相互等价的；D ．正态分布时，宽平稳序列也满足严平稳条件3．ARMA(2,1)模型的形式是（ ）A ．112211----++=t t t t t X X X εθεϕϕB ．tt t t X εεθεθ+-=--2211C ． 21112211------+=t t t t t X X X εθεθϕϕD ．tt t t t t X X X εεθεθϕϕ+--+=----211122114．AR （1）模型的逆函数是 （ ）A ． B.1,0,11>==j I I j ϕjI 1ϕ=C ．D ．j I 1ϕ-=1ϕ=I 5. AR （1）模型的格林函数是 （ ）A ． B.j t j t e X -∞=∑=01φjt j j t e X +∞=∑=01φC ．D ．j t j j t e X -∞=∑=01φt j jt e X ∑∞==01φ6．﹛X t ﹜服从MA （q ）过程，则Var （X t ）为（ ）A ． ；B ．2e σ2221)1(e q σθθ+++ C ．D ．22121q e θθσ+++ 221e σθ7．下图是某时间序列的自相关和偏自相关图，请根据该图判断该序列是 （）A ．MA （1）B ．AR （1）C ．ARMA （1，1） D.MA （2）8.对时间序列拟合arma （1，1）模型后，对序列残差进行检验发现，LB 统计量拒绝了原假设，这意味着 （ ）A ．残差序列是独立的B ．残差序列存在自相关的；C ．残差序列有GARCH 效应D ．arma （1，1）模型是恰当的9．ARMA 过程是平稳的，意味着（ ）A ．特征方程的根在单位圆内B ．特征方程的根在单位圆外C ．系数多项式方程的根在单位圆内D ．其中AR 部分每项系数不超过1二、多单项选择题1．关于样本自协方差估计的正确说法有（ ）A ．是样本自协方差的有偏估计量，()()∑-=+--=k N k k t t k y y y y N11ˆγ是样本自协方差的无偏估计量()()∑-=+---=kN k k t t k y y y y k N 1*1ˆγB ．利用构造的自协方差矩阵是非负定的()()∑-=+--=k N k k t t k y y y y N 11ˆγC ．利用构造的自协方差矩阵是非负定的()()∑-=+---=k N k k t tk y y y y k N 1*1ˆγD ．常常用作为样本自协方差统计量k γˆE ．是自协方差的无偏估计量；则是自协方差的渐进无偏估计量。

时间序列分析习题解答第二章 P.33 2.3 习 题2.4 若序列长度为100，前12个样本自相关系数如下：1^ρ=0.02 2^ρ=0.05 3^ρ=0.10 4^ρ=-0.02 5^ρ=0.05 6^ρ=0.01 7^ρ=0.12 8^ρ=-0.06 9^ρ=0.08 10^ρ=-0.05 11^ρ=0.02 12^ρ=-0.05该序列能否视为纯随机序列？ 解：假设 12210H ρρρ=== ：：1H 至少存在某个12k 10k ≤≤≠，ρ计算Q 统计量: 21ˆm k k Q n ρ==∑, ∑=-∧+=mk kn kn n LB 12)2(ρ其中n 为序列长度100，12m =，(1,2,,12)k k ρ=…为12个样本自相关系数。

计算得到： 4.57Q =， LB=4.99查表得：975.0)1212P 23.51240.4122975.02295.02975.0=>==）（）（（）（，）（χχχχ 因为 4.57Q =与LB=4.99 均介于4.40与5，23之间，故P 值约为0.96，显著大于显著性水平0.05。

所以不能拒绝纯随机的原假设，可以认为该序列为白噪声序列，即认为该序列为纯随机序列。

（注：计算在EXCEL 中进行）2.5 下表数据是某公司在2000-2003年期间每月的销售量。

——————————————————————————— 月份 2000年 2001年 2002年 2003年 1月 153 134 145 117 2月 187 175 203 178 3月 234 243 189 149 4月 212 227 214 178 5月 300 298 295 248 6月 221 256 220 202 7月 201 237 231 162 8月 175 165 174 1359月 123 124 119 12010月 104 106 85 9611月 85 87 67 9012月 78 74 75 63 —————————————————————————————（1）绘制该序列时序图及样本自相关图；（2）判断该序列的平稳性；（3）判断该序列的纯随机性。