时间序列分析习题
时间序列分析习题 Document number：BGCG-0857-BTDO-0089-2022
第8章时间序列分析
一、填空题：
1．平稳性检验的方法有__________、__________和__________。
2．单位根检验的方法有：__________和__________。
3．当随机误差项不存在自相关时，用__________进行单位根检验；当随机误差项存在自相关时，用__________进行单位根检验。
4．EG检验拒绝零假设说明______________________________。
5．DF检验的零假设是说被检验时间序列__________。
6．协整性检验的方法有__________和__________。
7．在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意义的关系，但经常会得到一个很高的2R的值，这种情况说明存在__________问题。
8．结构法建模主要是以______________________________来确定计量经济模型的理论关系形式。
9．数据驱动建模以____________________作为建模的主要准则。
10．建立误差校正模型的步骤为一般采用两步：第一步，
____________________；第二步，____________________。
二、单项选择题：
1. 某一时间序列经一次差分变换成平稳时间序列，此时间序列称为（）。
A．1阶单整 ??? B．2阶单整???
C．K阶单整 ?? ?D．以上答案均不正确
2.? 如果两个变量都是一阶单整的，则（）。
A．这两个变量一定存在协整关系
B．这两个变量一定不存在协整关系
C．相应的误差修正模型一定成立
D．还需对误差项进行检验
3．当随机误差项存在自相关时，进行单位根检验是由（）来实现。
A DF检验 B．ADF检验
C．EG检验 D．DW检验
4．有关EG检验的说法正确的是（）。
A．拒绝零假设说明被检验变量之间存在协整关系
B．接受零假设说明被检验变量之间存在协整关系
C．拒绝零假设说明被检验变量之间不存在协整关系
D．接受零假设说明被检验变量之间不存在协整关系
?
三、多项选择题：
1. 平稳性检验的方法有（）。
A.散点图?
B.自相关函数检验??
C.单位根检验?
D.?ADF检验
2．当时间序列是非平稳的时候（）。
A．均值函数不再是常数
B．方差函数不再是常数
C．自协方差函数不再是常数
D．时间序列的统计规律随时间的位移而发生变化3．随机游走序列是（）序列。
A．平稳序列
B．非平稳序列
C．统计规律不随时间的位移而发生变化的序列
D．统计规律随时间的位移而发生变化的序列4．下面可以做协整性检验的有（）。
A DF检验 B．ADF检验
C．EG检验 D．DW检验5．有关DF检验的说法正确的是（）。
A． DF检验的零假设是“被检验时间序列平稳”
B． DF检验的零假设是“被检验时间序列非平稳”
C． DF检验是单侧检验
D． DF检验是双侧检验
?
四、名词解释：
1．伪回归
2．平稳序列
3．协整
4．单整
?
五、简答题
1．结构法建模和数据驱动建模的区别。
2．引入随机过程和随机时间序列概念的意义。
3．简述DF检验和ADF检验的适用条件。
4．简述DF检验的步骤。
5．简述建立误差校正模型的步骤。
6．简述建立误差校正模型（ECM）的基本思路。
7．相互协整隐含的意义。
?
六、计算及推导
1．ADF法对居民消费总额时间序列进行平稳性检验。数据如下：
?
2．用1中数据，对居民消费总额时间序列进行单整性分析。 3．以t Q 表示粮食产量，t A 表示播种面积，t C 表示化肥施用量，经检验，它们取对数后都是)1(I 变量且互相之间存在)1,1(CI 关系。同时经过检验并剔除不显着的变量（包括滞后变量），得到如下粮食生产模型： t t t t t t C C A Q Q μααααα+++++=--1432110ln ln ln ln ln (1) ⑴ 写出长期均衡方程的理论形式； ⑵ 写出误差修正项ecm 的理论形式； ⑶ 写出误差修正模型的理论形式；
⑷ 指出误差修正模型中每个待估参数的经济意义。
4．固定资产存量模型t t t t t I I K K μαααα++++=--132110中，经检验，
)1(~),2(~I I I K t t ，试写出由该ADL 模型导出的误差修正模型的表达式。
一、填空题：
1．散点图，自相关函数检验?，单位根检验? 2．DF 检验，ADF 检验 3．DF 检验，ADF 检验
4．被检验变量之间存在协整关系
5．非平稳
6．EG检验，DW检验
7．伪回归
8．某种经济理论或对某种经济行为的认识
9．描述样本数据的特征
10．建立长期关系模型，建立短期动态关系即误差校正方程?
二、单项选择题：
1．A
2．D
3．B
4．A
?
三、多项选择题：
1．ABCD
2．ABCD
3．BD
4．CD
5．BC
?
四、名词解释：
1．伪回归：在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意义的关系，但经常会得到一个很高的2R 的值，这种情况说明存在伪回归问题。
2．平稳序列：
如果时间序列{t X }满足下列条件：
1）均值μ=)(t X E 与时间t 无关的常数； 2）方差2σ)var(=t X 与时间t 无关的常数；
3）协方差k k t t X X γ=+)cov( 只与时期间隔k 有关，与时间t 无关的常数。
则称该随机时间序列是平稳的。 3．协整：
若两个时间序列)(~d I y t ，)(~d I x t ，并且这两个时间序列的线性组合)(~21b d I x a y a t t -+，0≥≥b d ，则t y 和t x 被称为是),(b d 阶协整的。记为
t y ，),(~b d CI x t
4．单整：
若一个非平稳序列必须经过d 次差分之后才能变换成一个平稳序列，则称原序列是d 阶单整的，表示为I(d )。
?
五、简答题
1．结构法建模和数据驱动建模的区别。 答：
结构法建模主要是以某种经济理论或对某种经济行为的认识来确定计量经济模型的理论关系形式，并借此形式进行数据收集、参数估计以及模型检验的过程。
数据驱动建模以描述样本数据的特征作为建模的主要准则，在“让数据为自身说话”的信念之下分析序列本身的概率或随机性质。任何经济变量的观察值被认为是由随机数据生成过程生成，在建模中，首先应对这个生成过程作出假定，然后才能开展模型的参数估计及推断工作。
2．引入随机过程和随机时间序列概念的意义。 答：
有两个方面：一是在计量经济建模过程中，但所选变量的观察值为时间序列数据时，我们可以假定，这些变量时序列数据是由某个随机过程生成的。二是时间序列数据的若干统计特征，使得在计量经济模型的建模过程中有许多重要的研究成果问世，其中不少成果已经成熟，成为计量经济学新的组成部分。
3．简述DF 检验和ADF 检验的适用条件。
答：
在检验所设定的模型时，若随机误差项不存在自相关，则进行DF 检验；若随机误差项存在自相关，则进行DF 检验。 4．简述DF 检验的步骤。
在检验所设定的模型时，若随机误差项不存在自相关，则进行单位根检验用DF 检验法。DF 检验，按以下两步进行：
第一步：对t t t u y y +=?-1δ进行OLS 回归，得到常规的δt 统计值，
第二步:检验假设
0H ：0≥δ；1H ：0<δ
用上一步得到的δt 与检验查表得到的临界值比较。判别准则是，若τδ>t 则接受原假设0H ，即t y 非平稳，若τδ 5．简述建立误差校正模型的步骤。 答： 一般采用两步：第一步，建立长期关系模型。即通过水平变量和OLS 法估计出时间序列变量间的关系。若估计结果形成平稳的残差序列时，那么这些变量间就存在相互协整的关系，长期关系模型的变量选择是合理的，回归系数由经济意义。第二步，建立短期动态关系，即误差校正方程。将长期关系模型中各变量以一阶差分形式重新构造，并将长期关系模型所产生的残差序列作为解释变量引入，在一个从一般到特殊的检验过程中，对短期动态关系进行逐项检验，不显着的项逐渐被剔除，直到最恰当的表示方法被找到为止。 6．简述建立误差校正模型（ECM ）的基本思路。 答： 若变量间存在协整关系，即表明这些变量间存在着长期稳定的关系，而这种长期稳定的关系是在短期动态过程的不断调整下得以维持。 7．相互协整隐含的意义。 答： 即使所研究的水平变量各自都是一阶差分后平稳，受支配于长期分量，但这些变量的某些线性组合也可以是平稳的，即所研究变量中的长期分量相互抵消，产生了一个平稳的时间序列。 ? 六、计算及推导 1．解： 经过偿试，模型3取了3阶滞后： 321123.078.024.106.014.19585.894----?+?-?+-+-=?t t t t t X X X X T X （） ) （） DW 值为，可见残差序列不存在自相关性，因此该模型的设定是正确的。 从1-t X 的参数值看，其t 统计量的绝对值小于临界值绝对值，不能拒绝存在单位根的零假设。同时，由于时间T 的t 统计量也小于ADF 分布表中的临界值，因此不能拒绝不存在趋势项的零假设。需进一步检验模型2 。 经试验，模型2中滞后项取3阶： 321130.095.043.101.061.401----?+?-?++=?t t t t t X X X X X （） （） DW 值为,模型残差不存在自相关性，因此该模型的设定是正确的。从1-t X 的参数值看，其t 统计量为正值，大于临界值，不能拒绝存在单位根的零假设。同时，常数项的t 统计量也小于ADF 分布表中的临界值，因此不能拒绝不存常数项的零假设。需进一步检验模型1。 经试验，模型1中滞后项取3阶： 321135.002.153.101.0----?+?-?+=?t t t t t X X X X X （） DW 值为，残差不存在自相关性，因此模型的设定是正确的。从1-t X 的参数值看，其t 统计量为正值，大于临界值，不能拒绝存在单位根的零假设。 至此，可断定居民消费总额时间序列是非平稳的。 2．解： 利用ADF 检验，经过试算，发现居民消费总额是2阶单整的，适当的检验模型为： 13123471.0854.0--?+?-=?t t t X X X （） （） Correlogram-Q-Statistics 检验证明随机误差项已不存在自相关。从 12-?t X 的参数值看，其t 统计量绝对值大于临界值的绝对值，所以拒绝零 假设，认为居民消费总额的二阶差分是平稳的时间序列，即居民消费总额是2阶单整的。 3．解： ⑴ 长期均衡方程的理论形式为： t t t t C A Q εβββ+++=ln ln ln 210 ⑵ 误差修正项ecm 的理论形式为： t t t t C A Q ecm ln ln ln 210βββ---= ⑶ 误差修正模型的理论形式为： t t t t t ecm C A Q μλαα+-?+?=?-132ln ln ln ⑷ 误差修正模型中每个待估参数的经济意义为： 2α：播种面积对产量的短期产出弹性； 3α：化肥施用量对产量的短期产出弹性； λ：前个时期对长期均衡的偏离程度对当期短期变化的影响系 数。 4．解： t t t t t I I K K μαααα+++=---132011，令t t t D K K =--11α，则 ) )(()()(1320121121320113201--------+---?=+--+++=+-++=-=?t t t t t t t t t t t t t t t I D I D I I I D I I D D D ααααμααααμααα 即 t t t t t t t I K K I K K μαααααα++----?=-?----])()[()(1320211211 应用时间序列分析实验报告 单位根检验输出结果如下：序列x的单位根检验结果： 1967 58.8 53.4 1968 57.6 50.9 1969 59.8 47.2 1970 56.8 56.1 1971 68.5 52.4 1972 82.9 64.0 1973 116.9 103.6 1974 139.4 152.8 1975 143.0 147.4 1976 134.8 129.3 1977 139.7 132.8 1978 167.6 187.4 1979 211.7 242.9 1980 271.2 298.8 1981 367.6 367.7 1982 413.8 357.5 1983 438.3 421.8 1984 580.5 620.5 1985 808.9 1257.8 1986 1082.1 1498.3 1987 1470.0 1614.2 1988 1766.7 2055.1 1989 1956.0 2199.9 1990 2985.8 2574.3 1991 3827.1 3398.7 1992 4676.3 4443.3 1993 5284.8 5986.2 1994 10421.8 9960.1 1995 12451.8 11048.1 1996 12576.4 11557.4 1997 15160.7 11806.5 1998 15223.6 11626.1 1999 16159.8 13736.5 2000 20634.4 18638.8 2001 22024.4 20159.2 2002 26947.9 24430.3 2003 36287.9 34195.6 2004 49103.3 46435.8 2005 62648.1 54273.7 2006 77594.6 63376.9 2007 93455.6 73284.6 2008 100394.9 79526.5 run; proc gplot; plot x*t=1 y*t=2/overlay; symbol1c=black i=join v=none; symbol2c=red i=join v=none w=2l=2; run; proc arima data=example6_4; identify var=x stationarity=(adf=1); identify var=y stationarity=(adf=1); run; proc arima; identify var=y crrosscorr=x; estimate methed=ml input=x plot; forecast lead=0id=t out=out; proc aima data=out; identify varresidual stationarity=(adf=2); run; 河南大学: 姓名:汪宝班级:七班学号:1122314451 班级序号:68 5: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 62828 64653 65994 67207 66207 65859 67295 69172 70499 72538 74542 76368 78534 80671 82992 85229 87177 89211 90859 92420 93717 94974 96259 97542 98705 100072 101654 103008 104357 105851 107507 109300 111026 112704 114333 115823 117171 118517 119850 121121 122389 123626 124761 125786 126743 127627 128453 129227 129988 130756 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,…,60 E(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。 第2章 时间序列的预处理 拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。根据检验的结果可以将序列分为不同的类型，对不同类型的序列我们会采用不同的分析方法。 2.1 平稳性检验 2.1.1 特征统计量 平稳性是某些时间序列具有的一种统计特征。要描述清楚这个特征，我们必须借助如下统计工具。 一、概率分布 数理统计的基础知识告诉我们分布函数或密度函数能够完整地描述一个随 机变量的统计特征。同样，一个随机 变量族的统计特性也完全由它们的联 合分布函数或联合密度函数决定。 对于时间序列{t X ，t ∈T }，这样来定义它的概率分布： 任取正整数m ，任取m t t t ，， ，?21∈T ，则m 维随机向量（m t t t X X X ，，，?21）’的联合概率分布记为），，，（m t t t x x x F m ??21,,,21，由这些有限维分布函数构成的全体。 {），，，（m t t t x x x F m ??21,,,21，?m ∈正整数，?m t t t ，，，?21∈T } 就称为序列{t X }的概率分布族。 概率分布族是极其重要的统计特征描述工具，因为序列的所有统计性质理论上都可以通过 概率分布推测出来，但是概率分布族的重要 性也就停留在这样的理论意义上。在实际应 用中，要得到序列的联合概率分布几乎是不 可能的，而且联合概率分布通常涉及非常复 杂的数学运算，这些原因使我们很少直接使 用联合概率分布进行时间序列分析。 二、特征统计量 一个更简单、更实用的描述时间序列统计特征的方法是研究该序列的低阶矩，特别是均值、方差、自协方差和自相关系数，它们也被称为特征统计量。 尽管这些特征统计量不能描述随机序列全部的统计性质，但由于它们概率意义明显，易于计算，而且往往能代表随机 序列的主要概率特征，所以我们对时间序列进行分析，主要就是通过分析这些统计量的统计特性，推断出随机序列的性质。 1.均值 对时间序列{t X ，t ∈T }而言，任意时刻的序列值t X 都是一个随机变量，都有它自己的概率分布，不妨记为)(x F t 。只要满足条件 ∞ 时间序列分析作业 1、数据收集 通过长江证券金长江网上交易软件收集中信证券(600030)股价数据（2010-7-1~2011-5-9，共200组），保存文件，命名为“股价数据”。 2、工作表建立 打开eviews，点击file下拉菜单中的new项选择workfile项，弹出窗口如下： （1）、在datespecification中选择integer date。 （2）、在start和end中分别输入“1”“200” （3）、在wf项后面的框中输入工作表名称hr，点击ok。 窗口如下： 3、数据导入 在hr工作文件的菜单选项中选择pro，在弹出的下拉菜单中选择import，然后再下拉二级菜单中选择read text-lotus-excell，找到数据，双击弹出如下对话框： 默认date order，选择右边upper-left data cell下面的空格填写，输入excel中第一个有效数据单元格地址B6，在names for series or number if named in file 中输入序列名称，不妨设为s，点击ok，导入数据。 4、平稳性检验 点击s序列，选择菜单view/correlogram，弹出correlogram specification对话框，如下图，在对话框中默认level，lags to include 改为20（200/10），可得下图： 序列的自相关系数没有很快的趋近0，说明原序列是非平稳的序列。 5、对原序列做对数差分处理 A、在主窗口输入smpl 2 200，对样本数据进行选取， B、在主命令窗口输入series is=log(s)-log(s(-1)) 可以得到新的序列is 对is序列做同上的平稳性检验可以得到如下图： 时间序列分析试卷1 一、 填空题（每小题2分，共计20分） 1. ARMA(p, q)模型_________________________________，其中模型参数为 ____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)： 1210.50.40.3t t t t t X X X εε---=++- 则所对应的特征方程为_______________________。 4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是 _______________________。 5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。 6. 对于一阶自回归模型MA(1): 10.3t t t X εε-=-，其自相关函数为 ______________________。 7. 对于二阶自回归模型AR(2): 120.50.2t t t t X X X ε--=++ 则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型： 1111t t p t p t t q t q X X X φφεθεθε----=++++++L L 则预测方差为___________________。 9. 对于时间序列{}t X ，如果___________________，则()~t X I d 。 10. 设时间序列{}t X 为来自GARCH(p ，q)模型，则其模型结构可写为_____________。 二、（10分）设时间序列{}t X 来自()2,1ARMA 过程，满足 ()()2 10.510.4t t B B X B ε -+=+, 其中{}t ε是白噪声序列，并且()()2 t t 0,E Var εεσ==。 时间序列分析 一、 填空题（每小题2分，共计20分） 1. ARMA(p, q)模型_________________________________，其中模型参数为 ____________________。 2. 设时间序列{}t X ，则其一阶差分为_________________________。 3. 设ARMA (2, 1)： 1210.50.40.3t t t t t X X X εε---=++- 则所对应的特征方程为_______________________。 4. 对于一阶自回归模型AR(1): 110t t t X X φε-=+＋，其特征根为_________，平稳域是 _______________________。 5. 设ARMA(2, 1):1210.50.1t t t t t X X aX εε---=++-，当a 满足_________时，模型平稳。 6. 对于一阶自回归模型MA(1): 10.3t t t X εε-=-，其自相关函数为 ______________________。 7. 对于二阶自回归模型AR(2): 120.50.2t t t t X X X ε--=++ 则模型所满足的Yule-Walker 方程是______________________。 8. 设时间序列{}t X 为来自ARMA(p,q)模型： 1111t t p t p t t q t q X X X φφεθεθε----=++++++L L 则预测方差为___________________。 9. 对于时间序列{}t X ，如果___________________，则()~t X I d 。 10. 设时间序列{}t X 为来自GARCH(p ，q)模型，则其模型结构可写为_____________。 二、（10分）设时间序列{}t X 来自()2,1ARMA 过程，满足 ()()2 10.510.4t t B B X B ε -+=+, 其中{}t ε是白噪声序列，并且()()2 t t 0,E Var εεσ==。 （1） 判断()2,1ARMA 模型的平稳性。（5分） 第二十七章时间序列分析 一、单项选择题 1、以下关于发展水平的说法中，错误的是（）。 A、在绝对数时间序列中，发展水平是绝对数 B、在相对数时间序列中，发展水平表现为相对数 C、发展水平是时间序列中对应于具体时间的指标数值 D、平均数时间序列中，发展水平表现为绝对数 2、（）也称序时平均数或动态平均数，是对时间序列中各时期发展水平计算的平均数，它可以概括性描述现象在一段时期内所达到的一般水平。 A、发展水平 B、发展速度 C、平均发展水平 D、平均发展速度 我国2005—2017年平均每年第三产业就业人数是（）万人。 A、12 480 B、12 918 C、14 000 D、14 412 4、环比发展速度等于（）。 A、逐期增长量与其前一期水平之比 B、累计增长量与最初水平之比 C、报告期水平与最初水平之比 D、报告期水平与其前一期水平之比 5、已知一个序列的环比发展速度为102%、103%、105%，则该序列的定基发展速度为（）。 A、103% B、105% C、110% D、112% 6、以相对数形式表示的两个不同时期发展水平的比值是（）。 A、增长量 B、发展水平 C、增长速度 D、发展速度 7、已知某地区2012-2016年社会消费品零售总额的环比增长速度分别为5%、7%、10%、11%，则这一时期该地区社会消费品零售总额的定基增长速度为（）。 A、5%×7%×10%×11% B、（5%×7%×10%×11%）+1 C、105%×107%×110%×111% D、（105%×107%×110%×111%）-1 8、甲企业某种商品前11个月的实际销售量如下表所示。采用移动平均数法预测，取k＝3，则第 A、303 B、350 C、384 D、394 9、目前计算平均发展速度通常采用（）。 A、众数 B、几何平均法 C、算术平均法 D、增长1%的绝对值法 10、某企业2010年—2016年销售收入的年平均增长速度是27.6%，这期间相应的年平均发展速度是（）。 A、4.6% B、17.6% C、127.6% D、72.4% 11、平均增长速度与平均发展速度的数量关系是（）。 A、平均增长速度=1/平均发展速度 B、平均增长速度＝平均发展速度－1 C、平均增长速度＝平均发展速度＋1 D、平均增长速度＝1－平均发展速度 12、我们经常统计的城镇人口比重属于（）。 A、平均数时间序列 B、相对数时间序列 C、时期序列 D、时点序列 13、下列统计指标中，属于相对指标的是（）。 A、社会消费品零售总额 B、人口性别比 C、房屋建筑面积 D、城镇居民人均可支配收入 14、已知一个有关发展速度的时间序列的指标值是70%、80%、-5%、99%，其平均发展速度（）。 A、61% B、50% 考核课程 时间序列分析（B 卷） 考核方式 闭卷 考核时间 120 分钟 注：B 为延迟算子，使得1 -=t t Y BY ；?为差分算子，1--=?t t t Y Y Y 。 一、单项选择题（每小题3 分，共24 分。） 1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。 A. MA(2) B.ARMA(1,1) C.AR(2) D.MA(1) 2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。 A. )1(MA B.)1(AR C.)1,1(ARMA D.)2(MA 3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。 （A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ， （D ） 5.2221=-=λλ， 4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。 A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1) 5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。 A.0 B.64.0 C. 1 6.0 D. 2.0 6.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。 A.5.0- B. 25.0 C. 4.0- D. 8.0 7. 若零均值平稳序列{}t X ?，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。 A. MA(2) B.)2,1(IMA C.)1,2(ARI D.ARIMA(2,1,2) 8. 记?为差分算子，则下列不正确的是（ C ）。 A. 12-?-?=?t t t Y Y Y B. 212 2--+-=?t t t t Y Y Y Y C. k t t t k Y Y Y --=? D. t t t t Y X Y X ?+?=+?） ( 二、填空题（每题3分，共24分）； 1. 若{}t Y 满足： 1312112---Θ-Θ--=??t t t t t e e e e Y θθ， 则该模型为一个季节周期为 《时间序列分析与应用》 课程作业 地震数据（COP.BHZ-24）时间序列分析 一．前言 本次作业选取了第24号文件，共1440个数据。截取前1200个数据进行理分析，然后建立模型。之后再对数据进行预测，然后对1200之后的30个数据进行更新，将更新结果与原观测值进行比对分析，最后得出结论。 二．数据处理 1. 数据读取与画图 首先将文件“COP.BHZ.txt”保存到E盘根目录下，以便于读取。用scan()函数将数据读入，并保存到sugar2文件中。如图1所示。 图1 数据读取 然后，画出该时间序列图。横轴表示时间，单位是*10ms，纵轴表示高程，单位是um。代码及图示如图2、图3所示。 图2 时序图代码 图3 前1200个数据散点图 2. 平稳性检验 从图中看出，该组数据随时间变化基本平稳，仅有小幅波动。最高点与最低点相差也仅在250um之内。通过adf.test()函数可以验证该假设，可以看出该序列是平稳的（stationary）。如图4所示。然后用求平均函数mean()求出这1200个数据的平均值a，可以从图5看到结果。 图4 平稳性检验结果 图5 求平均值 然后，将原始数据减去平均值，得到一组零均值的新数据，命名为sugar3。 3. 数据建模分析 接下来绘制震前数据的自相关函数和偏自相关函数图像，初步判断其大概符合什么模型。图6为画出图像的代码，新序列sugar3的ACF、PACF图像如下所示。 图6 ACF、PACF、EACF图像代码 图7 ACF图 图8 PACF图 从ACF、PACF图可以看出，序列一阶之后相关性较强，虽然在第19阶滞后处有超限的情况，但从总体来看，两个图都是拖尾的情况。因此要借助于EACF 图来做进一步判断。扩展自相关函数EACF图如下。 图9 EACF图 3 模型识别 由EACF图可以看出此时间序列符合ARMA(0,1)或ARMA(2,2)，根据以上信息尚不能明确判断出具体的模型，要建立确定的模型，就需要排除上述模型中的一种，用模型诊断的方法可以实现。模型诊断，或模型评价，涉及检验模型的拟合优度，并且如果拟合程度很差，要给出适当的调整建议。模型诊断的方法有两种：分析拟合模型的残差和分析过度参数化的模型。下面先使用残差法。 3.1 ARMA(0,1)模型诊断 诚实考试吾心不虚 ，公平竞争方显实力， 考试失败尚有机会 ，考试舞弊前功尽弃。 上海财经大学《时间序列分析》课程考试卷 课程代码 课程序号 20 —20 学年第一学期 姓名 学号 班级 1. t X 的d 阶差分为 （a ）=d t t t k X X X -?- （b ）11 =d d d t t t k X X X ---??-? （c ）111=d d d t t t X X X ---??-? （d ）11 -12=d d d t t t X X X ---??-? 2. 记B 是延迟算子，则下列错误的是 （a ）01B = （b ）()1=t t t B c X c BX c X -??=? （c ）()11=t t t t B X Y X Y --±± （d ）()=1d d t t d t X X B X -?-=- 3. 关于差分方程1244t t t X X X --=-，其通解形式为 （a ）1222t t c c + （b ）()122t c c t + （c ）()122t c c - （ d ）2t c ? 4. 下列哪些不是MA 模型的统计性质 （a ）()t E X μ= （b ）()()22111q t Var X θθσ=+++L （c ）()(),,0t t t E X E με?≠≠ （d ）1,,0q θθ≠K 5. 上面左图为自相关系数，右图为偏自相关系数，由此给出初步的模型识别 ……………………………………………………………装 订 线 ………………………………………………… （a ）MA （1） （b ）ARMA （1, 1） （c ）AR （2） （d ）ARMA （2, 1） 二、填空题（每小题2分，共计20分） 1. 在下列表中填上选择的的模型类别 2. 时间序列模型建立后，将要对模型进行显著性检验，那么检验的对象为___________ ，检验的假设是___________。 3. 时间序列模型参数的显著性检验的目的是____________________。 4. 根据下表，利用AIC 和BIC 准则评判两个模型的相对优劣，你认为______模型优于 ______模型。 _______检验和_______检验。 三、（10分）设{}t ε为正态白噪声序列，()()2 t t 0,E Var εεσ==，时间 序列}{t X 来自 110.8t t t t X X εε--=+- 问模型是否平稳？为什么？ 四、（20分）设}{t X 服从ARMA(1, 1)模型： 110.80.6t t t t X X εε--=+- 其中1001000.3,0.01X ε==。 （1） 给出未来3期的预测值；（10分） （2） 给出未来3期的预测值的95%的预测区间（0.975 1.96u =）。（10分） 五、 （20分）下列样本的自相关系数和偏自相关系数是基于零均值的平稳 序列样本量为500计算得到的（样本方差为2.997） 第九章时间序列分析习题 一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。 二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( ) 第八章 时间数列分析 一、单项选择题 1.时间序列与变量数列( ) A 都是根据时间顺序排列的 B 都是根据变量值大小排列的 C 前者是根据时间顺序排列的，后者是根据变量值大小排列的 D 前者是根据变量值大小排列的，后者是根据时间顺序排列的 C 2.时间序列中，数值大小与时间长短有直接关系的是( ) A 平均数时间序列 B 时期序列 C 时点序列 D 相对数时间序列 B 3.发展速度属于( ) A 比例相对数 B 比较相对数 C 动态相对数 D 强度相对数 C 4.计算发展速度的分母是( ) A 报告期水平 B 基期水平 C 实际水平 D 计划水平 B 5.某车间月初工人人数资料如下： 则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 C 6.某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A 150万人 B 150．2万人 C 150．1万人 D 无法确定 C 7.由一个9项的时间序列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 A 8.采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 A 9.某企业的科技投入，2010年比2005年增长了58．6％，则该企业2006—2010年间科技投入的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 B 10.根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 D 11.在测定长期趋势的方法中，可以形成数学模型的是( ) A 时距扩大法 B 移动平均法 C 最小平方法 D 季节指数法 时间序列分析法原理及步骤 ----目标变量随决策变量随时间序列变化系统 一、认识时间序列变动特征 认识时间序列所具有的变动特征, 以便在系统预测时选择采用不同的方法 1》随机性:均匀分布、无规则分布,可能符合某统计分布(用因变量的散点图和直方图及其包含的正态分布检验随机性, 大多服从正态分布 2》平稳性:样本序列的自相关函数在某一固定水平线附近摆动, 即方差和数学期望稳定为常数 识别序列特征可利用函数 ACF :其中是的 k 阶自 协方差,且 平稳过程的自相关系数和偏自相关系数都会以某种方式衰减趋于 0, 前者测度当前序列与先前序列之间简单和常规的相关程度, 后者是在控制其它先前序列的影响后,测度当前序列与某一先前序列之间的相关程度。实际上, 预测模型大都难以满足这些条件, 现实的经济、金融、商业等序列都是非稳定的,但通过数据处理可以变换为平稳的。 二、选择模型形式和参数检验 1》自回归 AR(p模型 模型意义仅通过时间序列变量的自身历史观测值来反映有关因素对预测目标的影响和作用,不受模型变量互相独立的假设条件约束,所构成的模型可以消除普通回归预测方法中由于自变量选择、多重共线性的比你更造成的困难用 PACF 函数判别 (从 p 阶开始的所有偏自相关系数均为 0 2》移动平均 MA(q模型 识别条件 平稳时间序列的偏相关系数和自相关系数均不截尾,但较快收敛到 0, 则该时间序列可能是 ARMA(p,q模型。实际问题中,多数要用此模型。因此建模解模的主要工作时求解 p,q 和φ、θ的值,检验和的值。 模型阶数 实际应用中 p,q 一般不超过 2. 3》自回归综合移动平均 ARIMA(p,d,q模型 模型含义 模型形式类似 ARMA(p,q模型, 但数据必须经过特殊处理。特别当线性时间序列非平稳时,不能直接利用 ARMA(p,q模型,但可以利用有限阶差分使非平稳时间序列平稳化,实际应用中 d (差分次数一般不超过 2. 模型识别 平稳时间序列的偏相关系数和自相关系数均不截尾,且缓慢衰减收敛,则该时间序列可能是 ARIMA(p,d,q模型。若时间序列存在周期性波动, 则可按时间周期进 一、单项选择题 1．时间数列与变量数列() A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间数列中，数值大小与时间长短有直接关系的是() A平均数时间数列B时期数列C时点数列D相对数时间数列 3．发展速度属于() A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是() A报告期水平B基期水平C实际水平D计划水平5．某车间月初工人人数资料如下： 则该车间上半年的平均人数约为() A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为() A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间数列可以计算的环比发展速度( ) A 有8个 B 有9个 C 有10个 D 有7个 8．采用几何平均法计算平均发展速度的依据是( ) A 各年环比发展速度之积等于总速度 B 各年环比发展速度之和等于总速度 C 各年环比增长速度之积等于总速度 D 各年环比增长速度之和等于总速度 9．某企业的产值2005年比2000年增长了58．6％，则该企业2001—2005年间产值的平均发展速度为( ) A 5 %6.58 B 5%6.158 C 6 %6.58 D 6%6.158 10．根据牧区每个月初的牲畜存栏数计算全牧区半年的牲畜平均存栏数，采用的公式是( ) A 简单平均法 B 几何平均法 C 加权序时平均法 D 首末折半法 11、时间序列在一年内重复出现的周期性波动称为（ ） A 、长期趋势 B 、季节变动 C 、循环变动 D 、随机变动 1．C 2．B 3．C 4．B 5．C 6．C 7．A 8．A 9．B 10．D 11、B 二、多项选择题 1．对于时间数列，下列说法正确的有( ) A 数列是按数值大小顺序排列的 B 数列是按时间顺序排列的 C 数列中的数值都有可加性 D 数列是进行动态分析的基础 《时间序列分析》模拟试题 《时间序列分析》课程考试卷 一. 填空题(毎小题2分，共计20分) 匚口 1. ARMA(p, q)模型七=0()+気…+ ---- 4牡g ， 其 中模型参数为p, q 。 2.设时间序列{X,},则其一阶差分为▽七=科一兀_4。 3? 设 ARMA (2, 1) ： X] = O ?5X_] + 0.4X r _2 + 吕—O ?3￡_ 则所对应的特征方程为 22-0.52-0.4 = 0O 4.对于一阶自回归模型AR(1)： X, =1O+0X_+吕，其特征根为一 ° ，平稳域 是{01阀< 1} 注：平稳性判别：1)特征根判别法：特征根的绝对值小于1；该題中特征根等于°,故平 稳条件为仏“ I < 1}。(系数多项式的根在单位园外) 2)平稳域判别法：AR (1)模型：'讷<1} AR (2)模型：{处01岡<1，且0±0<1} _”|vl,“±0?5 方程是 P\ = P3\\ < 注：1. | = ^ii k = l [5 5 —=r^i ■*—0” 8 8 k = 2 41 5. [旷診说2 Pl _ Po p\ p\ A …Pk-\ Pk-2 Ai 如2 _pk-\ A-2 A). Pk =工0阳 2.由于AR 模型的 i 故对于AR (2)有 1, 】 k=0 进而 1-02 、0]Q Q +02 久-2' k>2 1, k=0 8， 0.5% +0?2%2，k22 9.设时间序列｛X,｝为来自ARMA(p.q)模型: x 『=0|X 『_] +??? + § X-p +吕+&G +… 畑［训)近 则预测方差为— i E (￡l )=O,Var (￡!)=a ；,E (￡l ￡ 10.对于时间序列{X,},如果 )=0, S H f ,则乙?/(d)。 注:AR IMA (p, d, q) ①(Bpg = O (B>f E (s t ) = 0,Var (￡, )= ,E (￡,￡s ) = 0,s t Ex s ￡t =0,Vs vf \P\= 00021 +P1022 [C =0021+0002 《应用时间序列分析》 实训报告 实训项目名称时间序列预处理 实训时间 2013年10月14日 实训地点实验楼309 班级统计1004班 学号 1004100415 姓名范瑛 《应用时间序列分析》 实训(实践) 报告 实训名称时间序列预处理 一、实训目的 目的：熟悉平稳性检验方法和纯随机性检验方法的相关理论和软件实现的过程，并对结果给出解释，加深对理论的理解，提高动手能力。 任务：Eviews软件的常用菜单方式和命令方式操作；时间序列的自相关函数计算；序列的初步分析，并序列进行平稳性和纯随性进行检验，并写出实训报告。 二、实训要求 1、掌握Eviews软件的工作文件建立方法； 2、对时间序列进行初步分析，总结特征； 3、学会用Eviews软件计算时间序列分析相关函数的； 4、对序列进行平稳性和纯随性检验； 5、在上完机后要写出实验报告。 三、实训内容 1、熟悉Eviews软件的菜单操作和命令操作，包括工作文件的建立、数据的输入 与编辑、新序列的产生、在工作文件窗口中删除、更名变量、序列的各种观察(线图、各种统计量)以及时间序列的差分运算和相关函数的计算。本部分主要由教师来演示介绍。 2、初步对序列进行观察，对序列进行观察分析，求出序列的自相关函数和Q-统 计量，并对序列进行平稳性检验和纯随机性检验。 四、实训分析与总结 第一题 根据Eviews分析所得时间序列图如图1所示： 图1：系列样本序列时序图 该时序图显示系列样本有明显的递增趋势，所以它一定不是平稳序列。 Autocorrelation Partial Correlation AC PAC Q-Stat Prob . |****** | . |****** | 1 0.729 0.729 12.293 0.000 . |**** | . | . | 2 0.511 -0.042 18.682 0.000 . |*** | . | . | 3 0.342 -0.033 21.712 0.000 . |**. | . | . | 4 0.215 -0.025 22.983 0.000 . |* . | . | . | 5 0.124 -0.016 23.435 0.000 . | . | . | . | 6 0.063 -0.008 23.560 0.001 . | . | . | . | 7 0.026 -0.002 23.584 0.001 . | . | . | . | 8 0.008 0.003 23.586 0.003 . | . | . | . | 9 0.001 0.005 23.586 0.005 . | . | . | . | 10 0.000 0.003 23.586 0.009 . | . | . | . | 11 0.000 -0.001 23.586 0.015 . | . | . | . | 12 0.000 -0.001 23.586 0.023 图2：系列样本序列自相关图 从图中我们发现序列的自相关系数递减到零的速度相当缓慢，在很长的延迟 时期里，自相关系数一直为正。这是具有单调趋势的非平稳序列的一种典型的自 相关图形式。这和该序列时序图显示的显著的单调递增性是一致的。 第二题 根据Eviews分析所得时间序列图如图3所示： 基于Excel的时间序列预测与分析 1 时序分析方法简介 1.1时间序列相关概念 1.1.1 时间序列的内涵以及组成因素 所谓时间序列就是将某一指标在不同时间上的不同数值，按照时间的先后顺序排列而成的数列。如经济领域中每年的产值、国民收入、商品在市场上的销量、股票数据的变化情况等，社会领域中某一地区的人口数、医院患者人数、铁路客流量等，自然领域的太阳黑子数、月降水量、河流流量等等，都形成了一个时间序列。人们希望通过对这些时间序列的分析，从中发现和揭示现象的发展变化规律，或从动态的角度描述某一现象和其他现象之间的内在数量关系及其变化规律，从而尽可能多的从中提取出所需要的准确信息，并将这些知识和信息用于预测，以掌握和控制未来行为。 时间序列的变化受许多因素的影响 ,有些起着长期的、决定性的作用 ,使其呈现出某种趋势和一定的规律性；有些则起着短期的、非决定性的作用，使其呈现出某种不规则性。在分析时间序列的变动规律时，事实上不可能对每个影响因素都一一划分开来，分别去作精确分析。但我们能将众多影响因素，按照对现象变化影响的类型，划分成若干时间序列的构成因素，然后对这几类构成要素分别进行分析，以揭示时间序列的变动规律性。影响时间序列的构成因素可归纳为以下四种: (1)趋势性(Trend),指现象随时间推移朝着一定方向呈现出持续渐进地上升、下降或平稳的变化或移动。这一变化通常是许多长期因素的结果。 (2)周期性(Cyclic)，指时间序列表现为循环于趋势线上方和下方的点序列并持续一年以上的有规则变动。这种因素是因经济多年的周期性变动产生的。比如，高速通货膨胀时期后面紧接的温和通货膨胀时期将会使许多时间序列表现为交替地出现于一条总体递增 地趋势线上下方。 (3)季节性变化(Seasonal variation)，指现象受季节性影响 ,按一固定周期呈现出的周期波动变化。尽管我们通常将一个时间序列中的季节变化认为是以1年为期的，但是季节因素还可以被用于表示时间长度小于1年的有规则重复形态。比如，每日交通量数据表现出为期1天的“季节性”变化，即高峰期到达高峰水平，而一天的其他时期车流量较小，从午夜到次日清晨最小。 诚实考试吾心不虚 ，公平竞争方显实力， 考试失败尚有机会 ，考试舞弊前功尽弃。 上海财经大学《时间序列分析》课程考试卷 课程代码 课程序号 20 —20 学年第一学期 姓名 学号 班级 一、 单项选择题（每小题4分，共计20分） 1. t X 的d 阶差分为 （a ）=d t t t k X X X -?- （b ）11=d d d t t t k X X X ---??-? （c ）111=d d d t t t X X X ---??-? （d ）11-12=d d d t t t X X X ---??-? 2. 记B 是延迟算子，则下列错误的是 （a ）01B = （b ）()1=t t t B c X c BX c X -??=? （c ）()11=t t t t B X Y X Y --±± （d ）()=1d d t t d t X X B X -?-=- 3. 关于差分方程1244t t t X X X --=-，其通解形式为 （a ）1222t t c c + （b ）()122t c c t + （c ）()122t c c - （d ）2t c ? 4. 下列哪些不是MA 模型的统计性质 （a ）()t E X μ= （b ）()()22111q t Var X θθσ=+++L （c ）()(),,0t t t E X E με?≠≠ （d ）1,,0q θθ≠K ……………………………………………………………装 订 线 ………………………………………………… 5.上面左图为自相关系数，右图为偏自相关系数，由此给出初步的模型识别 （a）MA（1）（b）ARMA（1, 1） （c）AR（2）（d）ARMA（2, 1） 二、填空题（每小题2分，共计20分） 1.在下列表中填上选择的的模型类别 2.时间序列模型建立后，将要对模型进行显著性检验，那么检验的对象为___________， 检验的假设是___________。 3.时间序列模型参数的显著性检验的目的是____________________。 4.根据下表，利用AIC和BIC准则评判两个模型的相对优劣，你认为______模型优于______ 模型。 5.时间序列预处理常进行两种检验，即为_______检验和_______检验。 三、（10分）设{} t ε为正态白噪声序列，()()2 t t 0, E Var εεσ ==，时间序列} { t X来自 11 0.8 t t t t X Xεε -- =+- 问模型是否平稳为什么 得 分 得 分多元时间序列建模分析
应用时间序列分析第4章答案
时间序列分析报告word版
时间序列分析作业
时间序列分析试卷及答案3套
时间序列分析模拟试卷2
时间序列分析练习题
时间序列分析考试卷及答案
时间序列分析作业讲解
时间序列分析模拟试题3
第九章 时间序列分析习题
(整理)8章 时间序列分析练习题参考答案.
时间序列分析法原理及步骤
时间序列习题(含答案)
应用时间序列分析模拟试题
时间序列的分析课后作业
数学建模时间序列分析
时间序列分析模拟试题3