时间参考资料序列实验指导书正文.docx
《时间参考资料序列实验指导书正文.docx》由会员分享，可在线阅读，更多相关《时间参考资料序列实验指导书正文.docx（13页珍藏版）》请在冰点文库上搜索。
时间参考资料序列实验指导书正文
实验一平稳性与纯随机性检验
一、实验目的
通过本实验，使学生
（1）掌握时序图的绘制方法；
（2）能够判断时间序列的平稳性；
（3）能够检验时间序列的纯随机性。
二、实验要求
根据数据作图，采用时序图检验和自相关图直观判断序列是否平稳，利用LB统计量检验时间序列是否为纯随机性序列，并按具体的题目要求完成实验报告。
三、实验内容
实验题目：
1945-1950年费城月度降雨量数据如下（单位：
mm），见下表。
69.380.040.974.984.6101.1225.095.3100.648.3144.5128.3
38.452.368.637.1148.6218.7131.6112.881.831.047.570.1
96.861.555.6171.7220.5119.463.2181.673.964.8166.948.0
137.780.5105.289.9174.8124.086.4136.931.535.3112.3143.0
160.897.080.562.5158.27.6165.9106.792.263.226.277.0
52.3105.4144.349.5116.154.1148.6159.385.367.3112.859.4
（1）计算该序列的样本自相关系数
（k=1,2,……,24）。
（2）判断该序列的平稳性。
（3）判断该序列的纯随机性。
实验步骤：
第一步：
编程建立SAS数据集。
第二步：
利用Gplot程序对数据绘制时序图。
第三步：
从时序图中利用平稳时间序列的定义判断是否平稳。
第四步：
利用ARIMA程序对数据进行分析，根据输出的Identify语句中的样本自相关图，由平稳时间序列的特性判断是否平稳。
第五步：
根据输出的Identify语句中的纯随机检验结果，利用LB统计量和白噪声特性检验时间序列是否为纯随机序列。
实验二ARMA模型的应用
一、实验目的
通过本实验，使学生能够运用SAS统计软件，对给出实际问题的平稳时间序列通过模型识别、参数估计、模型检验、模型优化等过程，建立符合实际的时间序列模型，并预测将来。
二、实验要求
处理数据，掌握平稳时间序列的ARMA模型的建模过程和方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
某地区连续74年的谷物产量（单位：
千吨）如下：
0.970.451.611.261.371.431.321.230.840.891.18
1.331.210.980.910.611.230.971.100.740.800.81
0.800.600.590.630.870.360.810.910.770.960.93
0.950.650.980.700.861.320.880.680.781.250.79
1.190.690.920.860.860.850.900.540.321.401.14
0.690.910.680.570.940.350.390.450.990.840.62
0.850.730.660.760.630.320.170.46
（1）判断该序列的平稳性与纯随机性。
（2）选择适合模型拟合该序列的发展。
（3）利用拟合模型，预测该地区未来5年的谷物产量。
实验步骤：
第一步：
编程建立SAS数据集。
第二步：
利用Gplot程序对数据绘制时序图。
第三步：
从时序图中利用平稳时间序列的定义判断是否平稳？
利用ARIMA程序对数据进行分析，根据输出的Identify语句中的样本自相关图，由平稳时间序列的特性判断是否平稳？
第四步：
根据输出的Identify语句中的纯随机检验结果，利用LB统计量和白噪声特性检验时间序列是否为纯随机序列？
第五步：
在序列判断为平稳非白噪声序列后，求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值。
第六步：
根据样本自相关系数和偏自相关系数的性质，选择阶数适当的ARMA（p,q）模型进行拟合。
第七步：
估计模型中未知参数的值。
第八步：
检验模型的有效性。
如果拟合模型通不过检验，转向步骤6，重新选择模型再拟合。
第九步：
模型优化。
如果拟合模型通过检验，仍然转向步骤2，充分考虑各种可能建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。
第十步：
利用最优拟合模型，预测序列的将来走势。
实验三时间序列的线性与非线性趋势拟合
一、实验目的
通过本实验，使学生能够利用SAS统计软件，对给出实际问题的非平稳时间序列进行分析，掌握非平稳时间序列的确定性部分的分离方法，建立合适的某一类确定性模型。
二、实验要求
处理数据，掌握非平稳时间序列的确定性模型的识别的方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
爱荷华州1948—1979年非农产品季度收入数据如表4—8所示。
601604620626641642645655682678692707
736753763775775783794813823826829831
830838854872882903919937927962975995
100110131021102810271048107010951113114311541173
117811831205120812091223123812451258127812941314
132313361355137714161430145514801514154515891634
166917151760181218091828187118921946198320132045
204820972140217122082272231123492362244224792528
257126342684279028902964308531593237335834893588
362437193821393440284129420543494463459847254827
49395067523154085492565358285965
通过分析数据，选择适当模型拟合该序列长期趋势。
实验步骤：
第一步：
编程建立SAS数据集。
第二步：
调用Gplot程序对数据绘制时序图。
第三步：
从时序图中观察时间序列是否有趋势，有何种趋势，选择适当的趋势模型分离数据中的确定性部分。
实验四ARIMA模型
一、实验目的
通过本实验，使学生能够利用SAS统计软件，对给出实际问题的非平稳时间序列进行分析，通过平稳性检验、差分运算、白噪声检验、拟合ARMA模型，建立ARIMA模型，在此基础上进行预测。
二、实验要求
处理数据，掌握非平稳时间序列的ARIMA建模方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
某城市连续14年的月度婴儿出生率数据如下表所示：
26.66323.59826.93124.74025.80624.36424.47723.901
23.17523.22721.67221.87021.43921.08923.70921.669
21.75220.76123.47923.82423.10523.11021.75922.073
21.93720.03523.59021.67222.22222.12323.95023.504
22.23823.14221.05921.57321.54820.00022.42420.615
21.76122.87424.10423.74823.26222.90721.51922.025
22.60420.89424.67723.67325.32023.58324.67124.454
24.12224.25222.08422.99123.28723.04925.07624.037
24.43024.66726.45125.61825.01425.11022.96423.981
23.79822.27024.77522.64623.98824.73726.27625.816
25.21025.19923.16224.70724.36422.64425.56524.062
25.43124.63527.00926.60626.26826.46225.24625.180
24.65723.30426.98226.19927.21026.12226.70626.878
26.15226.37924.71225.68824.99024.23926.72123.475
24.76726.21928.36128.59927.91427.78425.69326.881
26.21724.21827.91426.97528.52727.13928.98228.169
28.05629.13626.29126.98726.58924.84827.54326.896
28.87827.39028.06528.14129.04828.48426.63427.735
27.13224.92428.96326.58927.93128.00929.22928.759
28.40527.94525.91226.61926.07625.28627.66025.951
26.39825.56528.86530.00029.26129.01226.99227.897
（1）选择适当模型拟和该序列的发展
（2）使用拟合模型预测下一年度该城市月度婴儿出生率
实验步骤：
第一步：
编程建立SAS数据集；
第二步：
调用Gplot程序对数据绘制时序图；
第三步：
从时序图中利用平稳时间序列的定义判断是否平稳？
调用ARIMA程序对数据进行分析，根据输出的Identify语句中的样本自相关图，由平稳时间序列的特性判断是否平稳；
第四步：
若不满足平稳性，则可利用差分运算是否能使序列平稳？
重复第三步步骤；
第五步：
根据输出的Identify语句中的纯随机检验结果，利用LB统计量和白噪声特性检验最后处理的时间序列是否为纯随机序列？
第六步：
在序列判断为平稳非白噪声序列后，求出该观察值序列的样本自相关系数（ACF）和样本偏自相关系数（PACF）的值，选择阶数适当的ARIMA（p,d,q）模型进行拟合，并估计模型中未知参数的值。
第七步：
检验模型的有效性。
如果拟合模型通不过检验，转向步骤6，重新选择模型再拟合。
第八步：
模型优化。
如果拟合模型通过检验，仍然转向步骤6，充分考虑各种可能建立多个拟合模型，从所有通过检验的拟合模型中选择最优模型。
第九步：
利用最优拟合模型，预测下一年度该城市月度婴儿出生率。
实验五Auto-Regressive模型
一、实验目的
通过本实验，使学生能够利用SAS统计软件，对给出实际问题的非平稳时间序列进行分析，通过确定性因素分解方法提取序列中主要的确定性信息、对残差序列拟合自回归模型，建立Auto-Regressive模型。
二、实验要求
处理数据，掌握非平稳时间序列的Auto-Regressive建模方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
1952—1988年中国农业实际国民收入指数数据如下表所示。
100.0101.6103.3111.5116.5120.1120.3
100.683.684.788.798.9111.9122.9
131.9134.2131.6132.2139.8142140.5
153.1159.2162.3159.1155.1161.2171.5
168.4180.4201.6218.7247253.7261.4
273.2279.4
通过分析数据，选择适当Auto-Regressive模型拟合该序列。
实验步骤：
第一步：
编程建立SAS数据集；
第二步：
调用Gplot程序对数据绘制时序图。
第三步：
从时序图中是否显示有明显的随时间线性增长的趋势，同时又有一定规律的波动？
调用AUTOREG程序对数据进行分析，建立因变量关于时间的回归模型和延迟因变量回归模型。
第四步：
分别检验以上两种模型残差序列的自相关性，如果检验结果显示残差序列具有显著自相关性，建立残差自回归模型。
并比较这两种残差自回归模型的优劣。
实验六GARCH模型
一、实验目的
通过本实验，使学生能够利用SAS统计软件，对给出实际问题的非平稳时间序列进行分析，对异方差序列拟合GARCH模型。
二、实验要求
处理数据，掌握异方差序列的GARCH建模方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
某金融时间序列的数据如下表所示。
143.1140.3139.4140.7139.6140.4141.2140.9141.3141.7142.8144.7
144.4140.9139.5140.8138.7139140140.4141.6142.3143.4145.7
145.7142.8141.8143.5141.8142.4142.8142.7144.3145.7147.6150.5
150.2146.9146148145.8146.2146.4145.8146.9148.4150.2153.3
153.6150.1149.3151.5149.3151.4151.3150.9152.5154.4156.7159
159.4155.4154.6156.8154.2155.5157.1157159.4161.3163.1166.4
166.9161.9161.5164.2160.3162.2163.5162.8165.6168.2169.9174.4
175.6170.3170.4174.1169.6171.7171170172.7173.4174.6178.6
178.4173.4174.6176.6174.1177.4179.1179181.7183.9185.7190.3
189184.9185.4189.3186.5190.2191.9191.4193.9196.3199.6204.8
205.9199.3199.8203.6199.4202.3203.3201.5203.2205207211.4
212.9204205.5210.1206.2208.9210.1210212.8214.4216.7222.2
222.6216.6218.6223.7221.1225.2227.5225.9227.7229.1231.2236.9
237.5231.4234.2239.5234.7238.8241.8241.3244.5247250.5258.9
259.4251.2251.6257253.6259.3261.1258.6259.5261.4265.6273.3
271.8264.1266.5271.6266.3271.5273.5271272.6274.8278.8285.2
281.8273.3276.4281.4278.1286288286.3287.8288.5293.5299
296.8289291.4299.9295.1299.4302.3301302.5307309.7318.6
317.7309312.2322.7315.6321.7326.3324.3327.7332335.4344.1
343.4332334.9347.5342.4349.4353.9351.7357359.4362.9372.5
367.8356.4360.8376.2367.1376.7383.3381.9385.6387.7389.8398.6
390.7380.9382.4387.1377.8387.6394.8398.5404.9411416.1419.8
416.5405.7412.5431.3418.6423427.9426.1427.3429.8435.2447.2
448.7432.6435.8451.3441.1446.5449.6450456.4466474.5486
483474.2482.9498.7494.1503.7510.7508.5511.5517.4522.1533.4
530.4517.6524.2539.2530.8541.4543.3539542.5542.1549.6564.5
561.1551.9558.3575569.4585.2592594.8602.2605.5615.1633.5
626.8613.1624.6647.2645.7663.5674679.1685.2692.8709.5740.6
737.5717.1723.5752.5739.9744.4746.8745745.2753.7756765.9
764.7745752.1778.3763.8778.8785.6781.3780780.8787.1803.2
793772.3775.2791.3767.2773.8781.7777.4778.5784.5791.4811.9
802.4788.3796.2818797.3810.8812.9814.5818.9817.6826.1844.3
833.2823.4835852.9841.9857.8861.9864.2867.3875893.4916.8
918.1916.5
通过分析数据，选择适当GARCH模型拟合该序列。
实验步骤：
第一步：
编程建立SAS数据集；
第二步：
调用Gplot程序对数据绘制时序图。
第三步：
从时序图中是否显示有明显的随时间线性增长的趋势，同时又有一定规律的波动？
调用AUTOREG程序对数据进行分析，建立延迟因变量回归模型。
第四步：
检验残差序列的自相关性和异方差性，如果检验结果显示残差序列具有显著的异方差性，则建立条件异方差模型。
实验七综合实验
一、实验目的
通过本实验，使学生能够利用SAS统计软件，对给出实际问题的非平稳时间序列进行分析，通过确定性因素分解方法提取序列中主要的确定性信息，然后检验残差序列的自相关性，建立合适的Auto-Regressive模型；若存在异方差性，则建立合适的ARCH模型或GARCH模型。
二、实验要求
处理数据，掌握残差序列的建模方法，并根据具体的实验题目要求完成实验报告。
三、实验内容
实验题目：
1969年月——1994年9月澳大利亚储备银行2年期有价证券利率数据如下表：
4.99
5
5.03
5.03
5.25
5.26
5.3
5.45
5.49
5.52
5.7
5.68
5.65
5.8
6.5
6.45
6.48
6.45
6.35
6.4
6.43
6.43
6.44
6.45
6.48
6.4
6.35
6.4
6.3
6.32
6.35
6.13
5.7
5.58
5.18
5.18
5.17
5.15
5.21
5.23
5.05
4.65
4.65
4.6
4.67
4.69
4.68
4.62
4.63
4.9
5.44
5.56
6.04
6.06
6.06
8.07
8.07
8.1
8.05
8.06
8.07
8.06
8.11
8.6
10.8
11
11
11
9.48
9.18
8.62
8.3
8.47
8.44
8.44
8.46
8.49
8.54
8.54
8.5
8.44
8.49
8.4
8.46
8.5
8.5
8.47
8.47
8.47
8.48
8.48
8.54
8.56
8.39
8.89
9.91
9.89
9.91
9.91
9.9
9.88
9.86
9.86
9.74
9.42
9.27
9.26
8.99
8.83
8.83
8.83
8.82
8.83
8.83
8.79
8.79
8.69
8.66
8.67
8.72
8.77
9
9.61
9.7
9.94
9.94
9.94
9.95
9.94
9.96
9.97
10.83
10.75
11.2
11.4
11.54
11.5
11.34
11.5
11.5
11.58
12.42
12.85
13.1
13.12
13.1
13.15
13.1
13.2
14.2
14.75
14.6
14.6
14.45
14.5
14.8
15.85
16.2
16.5
16.4
16.4
16.35
16.1
13.7
13.5
14
12.3
12
14.35
14.6
12.5
12.75
13.7
13.45
13.55
12.6
12
11
11.6
12.05
12.35
12.7
12.45
12.55
12.2
12.1
11.15
11.85
12.1
12.5
12.9
12.5
13.2
13.65
13.65
13.5
13.45
13.35
14.45
14.3
15.05
15.55
15.65
14.65
14.15
13.3
12.65
12.7
12.8
14.5
15.1
15.15
14.3
14.25
14.05
14.7
15.05
14.05
13.8
13.25
13
12.85
12.6
11.8
13
12.35
11.45
11.35
11.55
10.85
10.9
12.3
11.7
12.05
12.3
12.9
13.05
13.3
13.
升级会员 