第一章习题答案
略
第二章习题答案
(1)非平稳
(2)
(3)典型的具有单调趋势的时间序列样本自相关图
(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
(1)自相关系数为:
(2)平稳序列
(3)白噪声序列
,序列不能视为纯随机序列。LB=,LB统计量对应的分位点为,P值为。显着性水平=0.05
(1)时序图与样本自相关图如下
(2)非平稳
(3)非纯随机
(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 ()0t E x =,2
1
() 1.9610.7
t Var x ==-,220.70.49ρ==,220φ= 1715φ=,2115
φ=
()0t E x =,10.15
() 1.98(10.15)(10.80.15)(10.80.15)
t Var x +=
=--+++
10.8
0.7010.15
ρ=
=+,210.80.150.41ρρ=-=,3210.80.150.22ρρρ=-=
1110.70φρ==,2220.15φφ==-,330φ=
10c -<<, 1121,1,2
k k k c c k ρρρρ--?=?
-??=+≥?
证明:
该序列的特征方程为:32--c 0c 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。证毕。
(1)错 (2)错 (3)对 (4)错 (5)
该模型有两种可能的表达式:11
2
t t t x εε-=-和12t t t x εε-=-。
将123100.50.8t t t t t x x C εεε---=++-+等价表达为
()23
23223310.82010.510.8(10.50.50.5)t t
t
B CB x B B CB B B B εε-+-=-=-+++++L 展开等号右边的多项式,整理为
2233
4423243
4
10.50.50.50.50.80.80.50.80.50.5B B B B B B B CB CB +++++--?-?-+++L L L
合并同类项,原模型等价表达为
2
330
20[10.50.550.5(0.50.4)]k k t t k x B B C B ε∞
+=-=+-+-+∑
当30.50.40C -+=时,该模型为(2)MA 模型,解出0.275C =。
()0t E x =,22
()10.70.4 1.65t Var x =++=
10.70.70.40.591.65ρ--?=
=-,20.4
0.241.65
ρ==,0,3k k ρ=≥
(1)证明:因为22()lim(1)t k Var x kC εσ→∞
=+=∞
,所以该序列为非平稳序列。
(2)
11
(1)t t t t t y x x C εε--=-=+-,该序列均值、方差为常数,
()0t E y =,22
()1(1)t Var y C ε
σ??=+-??
自相关系数只与时间间隔长度有关,与起始时间无关
121
,0,2
1(1)k C k C ρρ-=
=≥+-
所以该差分序列为平稳序列。
(1)非平稳,(2)平稳,(3)可逆,(4)不可逆,(5)平稳可逆,(6)不平稳不可逆
01G =,11010.60.30.3G G φθ=-=-=,11
11110.30.6,2k k k k G G G k φφ---===?≥
所以该模型可以等价表示为:10
0.30.6k
t t t k k x εε
∞
--==+?∑
0123
121110.25
φμφφ=
==---+
证明:已知112φ=
,11
4
θ=,根据(1,1)ARMA 模型Green 函数的递推公式得: 01G =,2110110.50.25G G φθφ=-=-=,1111111,2k k k k G G G k φφφ-+-===≥
01ρ=
5
223211
1
1
1
22
450
111111424
22(1)
11112
01
1
170.27126111
j j
j j j j j
j j G G
G
φφφ
φφφφφρφφφφφ∞
∞
++==∞
∞
+==++
--+=
=
====-+++-∑∑∑∑ ()
1
1
1
1
1122200
,2j
j k
j
j k j
j k j j j k k j
j
j
j j j G G G G
G G
k G
G
G
φρφφρ∞
∞
∞
++-+-===-∞
∞
∞====
=
==≥∑∑∑∑∑∑
(1)成立 (2)成立 (3)成立 (4)不成立
(1)95%置信区间为(,)
(2)更新数据后95%置信区间为(,)
(1)平稳非白噪声序列 (2)AR(1)
(3) 5年预测结果如下:
(1)平稳非白噪声序列 (2)AR(1)
(3) 5年预测结果如下:
(1)平稳非白噪声序列 (2)MA(1)
(3) 下一年95%的置信区间为(,)
(1)平稳非白噪声序列 (2)ARMA(1,3)序列
(3)拟合及5年期预测图如下:
第四章习题答案 3T x -的系数为116, 1T x -的系数为516
解下面的方程组,得到0.4α=
5.255(1)
5.26 5.5(1)t t χααααχ=+-??
=+-?
%% (1) (2) (3)0.40.240.16b a -=-=
根据指数平滑的定义有(1)式成立,(1)式等号两边同乘(1)α-有(2)式成立
23
23
(1)(1)(2)(1)(2)(1)(1)
(1)(1)(1)(1)(2)(1)(2)
t t x t t t t x t t t αααααααααααααα=+--+--+--+-=
-+--+--+%L %L
(1)-(2)得
2
2(1)(1)(1)(1)1t t x t x t t ααααααααα
α
=-----=------=-
%L %L
则1lim lim 1t
t t t x t t α
α→∞→∞-??- ?
== ?
??
?
%。
该序列为显着的线性递增序列,利用本章的知识点,可以使用线性方程或者holt 两参数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
该序列为显着的非线性递增序列,可以拟合二次型曲线、指数型曲线或其他曲线,也能使
用holt 两参数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
本例在混合模型结构,季节指数求法,趋势拟合方法等处均有多种可选方案,如下做法仅是可选方法之一,结果仅供参考
(1)该序列有显着趋势和周期效应,时序图如下
(2)该序列周期振幅几乎不随着趋势递增而变化,所以尝试使用加法模型拟合该序列:t t t t x T S I =++。(注:如果用乘法模型也可以)
首先求季节指数(没有消除趋势,并不是最精确的季节指数)
消除季节影响,得序列t t t y x S x =-,使用线性模型拟合该序列趋势影响(方法不唯一):
97.70 1.79268t T t =-+,1,2,3,t =L
(注:该趋势模型截距无意义,主要是斜率有意义,反映了长期递增速率) 得到残差序列t t t t t I x S x y T =-=-,残差序列基本无显着趋势和周期残留。
预测1971年奶牛的月度产量序列为()
mod 12?,109,110,,120t t t x T S x t =+=))L
得到
(3)该序列使用x11方法得到的趋势拟合为
趋势拟合图为
这是一个有着曲线趋势,但是有没有固定周期效应的序列,所以可以在快速预测程序中用曲线拟合(stepar )或曲线指数平滑(expo )进行预测(trend=3)。具体预测值略。
第五章习题
拟合差分平稳序列,即随机游走模型 -1=+t t t x x ε,估计下一天的收盘价为289 拟合模型不唯一,答案仅供参考。
拟合ARIMA(1,1,0)模型,五年预测值为:
12(1,1,0)(1,1,0)ARIMA ?
(1)AR(1), (2)有异方差性。最终拟合的模型为
-12
-1=7.472+=-0.5595+=
=11.9719+0.4127t t
t
t t t t t
t
t x v
v h e h v εεε????
??? (1)非平稳
(2) 取对数消除方差非齐,对数序列一节差分后,拟合疏系数模型AR(1,3)所以拟合模型为
ln ~((1,3),1,0)x ARIMA
(3)预测结果如下:
原序列方差非齐,差分序列方差非齐,对数变换后,差分序列方差齐性。
第六章习题
单位根检验原理略。
例 原序列不平稳,一阶差分后平稳
例 原序列不平稳,一阶与12步差分后平稳 例 原序列带漂移项平稳 例 原序列不带漂移项平稳
例 原序列带漂移项平稳(=0.06)α,或者显着的趋势平稳。
(1)两序列均为带漂移项平稳
(2)谷物产量为带常数均值的纯随机序列,降雨量可以拟合AR (2)疏系数模型。 (3)两者之间具有协整关系
(4)23.55210.775549t t =+谷物产量降雨量
(1)掠食者和被掠食者数量都呈现出显着的周期特征,两个序列均为非平稳序列。但是掠食者和被掠食者延迟2阶序列具有协整关系。即-2{-}t t y x β为平稳序列。
(2)被掠食者拟合乘积模型:5(0,1,0)(1,1,0)ARIMA ?,模型口径为:
551
=
1+0.92874t t
x B
ε?? 拟合掠食者的序列为: -2-1=2.9619+0.283994+-0.47988t t t t y x εε 未来一周的被掠食者预测序列为:
Forecasts for variable x
Obs Forecast Std Error 95% Confidence Limits
49 50 51 52 53 54 55 56 57 58 59 60 61 62
掠食者预测值为:
Forecasts for variable y
Obs Forecast Std Error 95% Confidence Limits
49 50 51 52 53 54
55 56 57 58 59 60 61 62
(1)进出口总额序列均不平稳,但对数变换后的一阶差分后序列平稳。所以对这两个序列取对数后进行单个序列拟合和协整检验。
(2)出口序列拟合的模型为ln ~(1,1,0)t x ARIMA ,具体口径为:
1
ln =0.14689+
1-0.38845t t x B
ε?
进口序列拟合的模型为ln ~(1,1,0)t y ARIMA ,具体口径为:
1
ln =0.14672+
1-0.36364t t y B
ε?
(3)ln t y 和ln t x 具有协整关系
(4)协整模型为:-1ln =0.99179ln +-0.69938t t t t y x εε (5)误差修正模型为:-1ln =0.97861ln -0.22395ECM t t t y x ??