经济计量模型分析及预测.pdf

经济计量模型分析及预测 中国科学院预测中心 2010年6月 目录目录  数据整理和分析数据整理和分析  ARMA  二元选择模模型  VAR模型 一、数据整理和分析数据整理和分析 （（11））  初步判断数据初步判断数据 （（画图看是否有指数增长趋势画图看是否有指数增长趋势、波动如何等等波动如何等等，是是 否有异常点之类）  若有指数增长趋势，就取对数。见下图： 一、数据整理和分析数据整理和分析 （（22 ））  季节性判断季节性判断 季节调整前 季节调整后 二二、ARMAARMA模型模型 （（11）） ARMA模型是模型是一类常用的随机时序模型类常用的随机时序模型，由博克斯由博克斯 （（Box ））、詹詹 金斯（Jenkins ）创立，亦称B-J方法。它是一种精度较高的时序短期 预测方法。其基本思想是：某些时间序列是依赖于时间t 的一族随机变 量，构成该时序的单个序列值虽然具有不确定性，但整个序列的变化 却有一定的规律性，可以用相应的数学模型近似描述。通过对该数学 模型的分析研究模型的分析研究，，能够更本质地认识时间序列的结构与特征能够更本质地认识时间序列的结构与特征，，达到最达到最 小方差意义下的最优预测。 （1）ARMA模型的类型 （（22 ））随机时间序列的特性分析随机时间序列的特性分析 （3 ）模型的识别与建立 二二、ARMAARMA模型模型 （（22 ）：）：类型类型  自回归自回归（（ARAR ：AutoAuto-regressive)regressive)模型模型  移动平均（MA ：Moving Average ）模型  自回归移动平均自回归移动平均（（ARMAARMA ：AAutto-regressiive MMoviing Average ）模型 二二、ARMAARMA模型模型 （（33 ））：ARAR模型模型 如果时间序列如果时间序列y ，y ，…，y ，的生成过程的形式为的生成过程的形式为： 1 2 T Y  Y  Y  Y e tt 11 tt 11 22 tt 22 pp tt pp tt ( ) 0,  cov( ) 0 其中e 为白噪声：E e 且s t 时 e e 。 t t t s 具有这种形式的随机过 程称为p 阶自回归过程，生成的 时间 y 序列 是它的前期值和白噪声 随机项的线性函数： t y  y  y  y e t 1 t 1 2 t 2 p t p t 则称该时间序列为自回则称该时间序列为自回 归序列归序列。 上式表示的模型为 p 阶自回归模型，缩写为 AR (p )。 、 、 1 2 2 