应用时间序列分析_课后答案

时间序列分析课后习题答案TPMK standardization office【 TPMK5AB- TPMK08- TPMK2C- TPMK18】第9章 时间序列分析课后习题答案第10章（1）30× 31.06×21.05= 30×1.3131 = 39.393（万辆）（2117.11%= （3）设按7.4%的增长速度n 年可翻一番则有 1.07460/302n ==所以 n = log2 / log1.074 = 9.71（年）故能提前0.29年达到翻一番的预定目标。

第11章 （1）以1987年为基期，2003年与1987年相比该地区社会商品零售额共增长：（2）年平均增长速度为1%)8.61(%)2.81(%)101(15555-+⨯+⨯+=0.0833=8.33%（3） 2004年的社会商品零售额应为509.52)0833.01(307=+⨯（亿元）第12章 （1）发展总速度%12.259%)81(%)101(%)121(343=+⨯+⨯+ 平均增长速度=%9892.91%12.25910=-（2）8.561%)61(5002=+⨯（亿元）（3）平均数∑====415.142457041j j y y （亿元），2002年一季度的计划任务：625.1495.142%105=⨯（亿元）。

第13章(1)用每股收益与年份序号回归得^0.3650.193t Y t =+。

预测下一年(第11年)的每股收益为488.211193.0365.0ˆ11=⨯+=Y 元(2)时间数列数据表明该公司股票收益逐年增加，趋势方程也表明平均每年增长0.193元。

是一个较为适合的投资方向。

第14章 （1）移动平均法消除季节变动计算表（2）t T t ⨯+=63995.09625.8ˆ（3）趋势剔出法季节比例计算表（一）上表中，其趋势拟合为直线方程t T t ⨯+=63995.09625.8ˆ。

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 -0.0940.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.0660.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118（2）平稳序列（3）白噪声序列2.4LB=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=0.05α，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 解：1()0.7()()t t t E x E x E ε-=⋅+3.2 解：对于AR （2）模型：解得：⎩⎨⎧==15/115/721φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E3.4 解：原模型可变形为：时，模型平稳。

由此可知c即当－1<c<0时，该AR(2)模型平稳。

3.5证明：已知原模型可变形为：不论c 取何值，都会有一特征根等于1，因此模型非平稳。

3.6 解：（1（2（3 （4（5）错，3.7MA(1)3.8解法1：则解法2展开等号右边的多项式，整理为合并同类项，原模型等价表达为3.9解：3.10解法1：（1显然模型的AR 部分的特征根是1，模型非平稳。

第一章习题答案略第二章习题答案2.1答案：（1）不平稳，有典型线性趋势（2）1-6阶自相关系数如下（3）典型的具有单调趋势的时间序列样本自相关图2.2答案：（1）不平稳（2）延迟1-24阶自相关系数（3）自相关图呈现典型的长期趋势与周期并存的特征2.3答案：（1）1-24阶自相关系数（2）平稳序列（3）非白噪声序列2.4计算该序列各阶延迟的Q统计量及相应P值。

由于延迟1-12阶Q统计量的P值均显著大于0.05，所以该序列为纯随机序列。

2.5答案（1）绘制时序图与自相关图（2）序列时序图显示出典型的周期特征，该序列非平稳（3）该序列为非白噪声序列2.6答案（1）如果是进行平稳性图识别，该序列自相关图呈现一定的趋势序列特征，可以视为非平稳非白噪声序列。

如果通过adf检验进行序列平稳性识别，该序列带漂移项的0阶滞后P值小于0.05，可以视为平稳非白噪声序列（2）差分后序列为平稳非白噪声序列2.7答案（1）时序图和自相关图显示该序列有趋势特征，所以图识别为非平稳序列。

（2）单位根检验显示带漂移项0阶延迟的P值小于0.05，所以基于adf检验可以认为该序列平稳（3）如果使用adf检验结果，认为该序列平稳，则白噪声检验显示该序列为非白噪声序列如果使用图识别认为该序列非平稳，那么一阶差分后序列为平稳非白噪声序列2.8答案（1）时序图和自相关图都显示典型的趋势序列特征（2）单位根检验显示该序列可以认为是平稳序列（带漂移项一阶滞后P值小于0.05）（3）一阶差分后序列平稳第三章习题答案 3.10101()0110.7t E x φφ===--（） 221112() 1.96110.7t Var x φ===--（） 22213=0.70.49ρφ==（）12122221110.490.7=0110.71ρρρφρρ-==-（4） 3.21111222211212(2)7=0.515111=0.30.515AR φφφρφφφρφρφφφ⎧⎧⎧=⎪=⎪⎪⎪--⇒⇒⎨⎨⎨⎪⎪⎪=+=+⎩⎩⎪⎩模型有：,2115φ=3.312012(1)(10.5)(10.3)0.80.15()01t t t t t tt B B x x x x E x εεφφφ----=⇔=-+==--,22121212()(1)(1)(1)10.15=(10.15)(10.80.15)(10.80.15)1.98t Var x φφφφφφ-=+--+-+--+++=（）1122112312210.83=0.70110.150.80.70.150.410.80.410.150.70.22φρφρφρφρφρφρ==-+=+=⨯-==+=⨯-⨯=（） 1112223340.70.15=0φρφφφ====-（）3.41211110011AR c c c c c ⎧<-<<⎧⎪⇒⇒-<<⎨⎨<±<⎪⎩⎩（） （）模型的平稳条件是 1121,21,2k k k c c k ρρρρ--⎧=⎪-⎨⎪=+≥⎩（） 3.5证明:该序列的特征方程为：320c c 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。

第二幸习题答案 2. 1 (1) 非平稳 (2) 0.01730.7000.4120. 148-0.079(3) 典型的具有单调趋彷的时间序列样本自相关图Autocorrelat i ons2.2(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趁势序列的样本自相 关图1.00000il|iils iHtin aHinipf|iqi0.70000 0山 »1/ »1» 山山 »1» »1> •”』»1» »1> «1> 心 仃・0^仃・仃<|««|«<|e<|• <|««|«f|«0.41212 • EE 用用EE 示示 ■0.14848 ■出榊• -.07879 •删■-.25758 ■qi•-.37576■ 1 >i 1 >11 • al* > 1 >i f >11 >ti>B-1 9 S 7 6 5 4 3 2 1 0 1 2 3 4 5 6 7 8 9 1T marks two standard errors-0. 258-0. 376Cor reI at ionAutocorrelat ionsCorrelation -1987654321012345678911.00000 •ljir|*l|ll|l ljlf|*l|lin 伍0.90751 ■ihHjdiih ibHfdiih ihHfdiih ihH|diih ibHf QI0.72171 •qiijiqifji qir|ii|ii|i ipip0.51252 ■•X»• 1»• 1 ••!»• !>• 1 •0.349820.24690<!•0.20309 榊榊•0.21021 榊榊■0.26429 ibHfiliHf di0.36433 ijir[ii|iiji qirpi|i .0.48472 ■Hjihdiih ihH|diih ihib0.58456 ■qirPi|ii|i qif|ii|ii|i qinif|iiji0.60198 ■• 1»• 1»• 1 • • 1»•1»• 1»il»• 1 •0.51841 qirpi|i<|i qirpi|ii|i i|if|i .0.36856 •1»• 1»• 1 • •!»0.20671 榊榊・0.08138 出捲t0.00135-.03248-.02710 ・农0.011240.08275 艸：0.17011 脚布・0.24320 • In为0.25252qirpi|ii|i ip .marks two standard errors2.3(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 0.3160. 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2.4LB=4. 83, LB统计董对应的分位点为0. 9634, P值为0.0363。

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 Var49.00212==ρφρ 022=φ3.2 解：对于AR （2）模型：⎩⎨⎧=+=+==+=+=-3.05.02110211212112011φρφρφρφρρφφρφρφρ 解得：⎩⎨⎧==15/115/721φφ3.3 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+-=--2115.08.02212122)1)(1)(1(1)(σφφφφφφ-+--+-=t x Var2)15.08.01)(15.08.01)(15.01()15.01(σ+++--+==1.98232σ⎪⎩⎪⎨⎧=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ⎪⎩⎪⎨⎧=-====015.06957.033222111φφφρφ 3.4 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。

河南大学:姓名:汪宝班级:七班学号:1122314451 班级序号:685: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 6282864653 65994 67207 66207 65859 67295 69172 7049972538 74542 76368 78534 80671 82992 85229 8717789211 90859 92420 93717 94974 96259 97542 98705100072 101654 103008 104357 105851 107507 109300 111026112704 114333 115823 117171 118517 119850 121121 122389123626 124761 125786 126743 127627 128453 129227 129988130756 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,…,60E(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。

2:进行线性模型拟合：proc autoreg data=wangbao4_5;model x=time;output out=out p=wangbao4_5_cup;run;proc gplot data=out;plot x*time=1 wangbao4_5_cup*time=2/overlay ;symbol2c=red v=none i=join w=2l=3;run;分析：由上面输出结果可知：两个参数的p值明显小于0.05，即这两个参数都是具有显著非零，4：模型检验又因为Regress R-square=total R-square=0.9931,即拟合度达到99.31%所以用这个模型拟合的非常好。