时间序列的eview操作步骤
1.打开eviews软件，点击file-new-workfile，见对话框又三块空白处，选择时间序列dated-regular frequency。在date specification中选择monthly，start（起始时间）输入2005M11，end（终止时间）输入2008M6（eviews的时间序列没有间隔序列输入就将时间进行调整）。右下角为工作间取名字tmd。点击ok。
在所创建的workfile中点击object-new object，选择series，以及填写名字tmd，点击OK。将数据填写入内就生成了以tmd为名的数据集
2. 点击view-United root test，test type选择ADF检验，滞后阶数中lag length 选择SIC检验，点击ok得结果如下：
一阶差分：点击GENR命令按钮，在输入框中输入bod1=D(bod)，得到
一阶差分后的结果：
再对一阶差分后的数据同样进行平稳性检验（单根值检验）ADF
序列零均值化
①在命令窗口输入如下命令（如下图所示）：
Scalar m=@mean(tmd)
其中：Scalar命令在Eviews中表示生成标量数据（均值只是一个数，而不是序列）。
在tmd窗口下选择菜单操作方式：单击Genr在对话框中输入BOD1=BOD-m
得到零均值后的新序列tmd1与之前的数据完全不同。
3. 在工作区双击序列图标tmd1，再选用菜单操作方式：View
—>Correlogram，在出现的对话框点击OK。
4.估计模型中的未知参数
识别透明度这组时间序列适合的模型后，需要进一步的估计模型中的具体参数，下面就用eviews软件进行估计。
由前面的图形看出：自相关系数和偏相关系数具有相似的衰减特点：衰减快
，偏相关图中，2阶以后函数值趋于0，呈截尾性选AR(2)；而在自相关图中，在4阶以后函数值趋于0，呈拖尾性，因此可将q取3故可选MA(3)模型。
利用菜单操作建立ARMA模型。在主窗口选择Quick/Estimate Equation。进去方程定义对话框。在方程定义栏类似输入：fc2 ma(1) ar(1)
5. 先将样本量扩大，在命令窗口输入expand 2008m07 2009m12
在结果窗口点击“Forecast”，：
在Eviews中有两种预测方式：“Dynamic”和“Static”，前者是根据所选择的一定的估计区间，进行多步向前预测；后者是只滚动的进行向前一步预测，即每预测一次，用真实值代替预测值，加入到估计区间，再进行向前一步预测。我们首先用前者来估计2008年8月到2009年12月tmd1f，在“S ample range for forecast”空白栏中键入“2008M8 2009M12”（如上图所示），在“S.E.(optional)”空白栏中键入t2，选择“D ynamic”,点击“OK”，在表t2中得到预测结果。
在生成的表t2中可以得出下表（时间重新调整为间隔为两个月）
时间序列期末试题B卷
成都信息工程学院考试试卷 2012——2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 试卷形式：开卷□闭卷日 一、判断题（每题1分，正确的在括号内打"，错误的在括号内打x,共15分） 1?模型检验即是平稳性检验（）。 2.模型方程的检验实质就是残差序列检验（）。 3?矩法估计需要知道总体的分布（）。 4. ADF检验中：原假设序列是非平稳的（）。 5?最优模型确定准则：AIC值越小、SC值越大，说明模型越优（）。 6?对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势（）。 7?严平稳序列与宽平稳时序区分主要表现在定义角度不同（）。 8?某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线趋势（）9.时间序列平稳性判断方法中ADF检验优于序时图法和自相关图检验法（）10?时间序列的随机性分析即是长期趋势分析（）。 11 ? ARMA（ p,q ）模型是ARIMA（p,d,q）模型的特例（）。 12?若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的（）。 13.MA（2）模型的3阶偏自相关系数等于0（）。 14.ARMA（p,q）模型自相关系数p阶截尾，偏自相关系数拖尾（）。 15 ? MA（q）模型平稳的充分必要条件是关于后移算子B的q阶移动自回归系数多项式根的绝 对值均在单位圆内（）。 二、填空题。（每空2分，共20分） 1? X t 满足ARMA（ 1,2 ）模型即：X t = 0.43+0.34 X t/+；t + 0.8 “ - 0.2 ；t＜，则均值 = _______________________ ，片（即一阶移动均值项系数）二 _______________________ 。
Eviews时间序列分析实例
Eviews 时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式， 绍。通过第七章的学习，读者了解了什么是时间序列, 、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规 律，但确实存在某种前后关联的时间序列的短期预测。 由于其他很多分析方法都不具有这种 特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置。 (―)一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单， 甚至只要样本末期的 平滑值，就可以得到预测结果。 一次指数平滑的特点是： 能够跟踪数据变化。 这一特点所有指数都具有。 预测过程中添 加最新的样本数据后， 新数据应取代老数据的地位， 老数据会逐渐居于次要的地位， 直至被 淘汰。这样，预测值总是反映最新的数据结构。 一次指数平滑有局限性。第一，预测值不能反映趋势变动、季节波动等有规律的变动； 第二，这种方法多适用于短期预测， 而不适合作中长期的预测；第三， 由于预测值是历史数 据的均值，因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于平滑系数。 Eviews 提供两种确定指数平滑 系数的方法：自动给定和人工确定。 选择自动给定，系统将按照预测误差平方和最小原则自 动确定系数。如果系数接近 1，说明该序列近似纯随机序列，这时最新的观测值就是最理想 的预测值。 出于预测的考虑，有时系统给定的系数不是很理想， 用户需要自己指定平滑系数值。平 滑系数取什么值比较合适呢？ 一般来说，如果序列变化比较平缓，平滑系数值应该比较小， 比如小于0.1; 如果序列变化比较剧烈， 平滑系数值可以取得大一些， 如0.3?0.5。若平滑系 数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预 测。 ［例1］某企业食盐销售量预测。现在拥有最近连续 30个月份的历史资料(见表 I ), 试预测下一月份销售量。 表 某企业食盐销售量 单位：吨 解：使用对数据进行分析，第一步是建立工作文件和录入数据。有关操作在本 理和一些分析实例。本节的主要内容是说明如何使用 Eviews 软件进行分析。 本书第七章对它进行了比较详细的介 并接触到有关时间序列分析方法的原
eviews时间序列分析实验
实验一ARMA 模型建模 一、实验目的 学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 1平稳时间序列： 定义：时间序列｛zt｝是平稳的。如果｛zt｝有有穷的二阶中心矩，而且满足： (a)ut= Ezt =c; (b)r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称｛zt｝是平稳的。 2 AR 模型： AR 模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。 x t = 0 + 1x t-1 + 2x t-2 + + p x t- p + t p0 E(t) = 0，Var(t) = 2 ,E(t s) = 0,s t Ex = 0,s t 3 MA 模型： MA 模型也称为滑动平均模型。它的预测方式是通过过去的干扰值和现在的干扰值的线性组合预测。具有如下结构的模型称为Q 阶移动平均回归模型，简记为MA(q)。 x t= +t-1t-1 -2t-2 - -q t-q q0 E() = 0，Var( ) = 2, E( ) = 0, s t 4 ARMA 模型： ARMA模型：自回归模型和滑动平均模型的组合，便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA。具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。 x t= 0 + 1x t-1 + + p x t- p+ t- 1t-1 - - q t-q
2008-2009-01时间序列分析06级期末A卷答案
9. 条件异方差模型中，形如???? ? ???? ++==+=∑∑=-=---3 122121),,,(j j t j i i t i t t t t t t t t h h e h x x t f x εληωεε Λ 式中，),,,(21Λ--t t x x t f 为{t x }的回归函数，N(0,1)~i.i.d t e ，该模型简记为GARCH （2，3）模型； 10. Cox 和Jenkins 在1976年研究多元时间序列分析时要求输入序列与响应序列均要 _ 平稳 _，Engle 和Granger 在1987年提出了__协整 _关系，即当输入序列与响 应序列之间具有非常稳定的线性相关关系（回归残差序列平稳）。 二、（10分）试用特征根判别法或平稳域判别法检验下列四个AR 模型的平稳性。 （1）t 1-t t x 8.0x ε+-= （2）t 1-t t x 3.1x ε+= （3）t 2-t 1-t t x 6 1 x 61x ε++= （4）t 2-t 1-t t x 2x x ε++= 解： AR （p ）模型平稳性的特征根判别法要求所有特征根绝对值小于1； AR （1）模型平稳性的平稳域判别法要求1||1<φ， AR （2）模型平稳性的平稳域判别法要求：1,1||122<±<φφφ。 (1) 8.01-=λ 特征根判别法：平稳；18.0||1<=φ，平稳域判别法：平稳； (2) 3.11=λ 特征根判别法：非平稳；13.1||1>=φ，平稳域判别法：非平稳； (3) 特征方程为: 2 1 ,31,0)13)(12(016212=-==+-=--λλλλλλ即 由特征根判别法：平稳； 10,131 ,161||12122<=-<=+<=φφφφφ,平稳域判别法：平稳； (4) 特征方程为: 2,1,0)2)(1(02212=-==-+=--λλλλλλ即 由特征根判别法：非平稳； 11,13,12||12122不小于=->=+>=φφφφφ,平稳域判别法：非平稳。
eviews教程第25章时间序列截面数据模型
eviews教程第25章时间序列截面数据模型 (3) 对转换后变量使用OLS (X 包括常数项和回归 量x ) (25.12) 其中。 EViews在输出中给 出了由(3)得到的的参数估计。使用协方差矩阵的标准估计量计算 标准差。 EViews给出了随机影响的估计值。计算公式为： (25.13) 得到的是的最优线性无偏预测值。最后， EViews 给出了加权和不加权的概括统计量。加权统计量来自(3)中的 GLS 估计方程。未加权统计量来自普通模型的残差，普通模型中包括 (3)中的参数和估计随机影响： (25.14) 三、截面加权当残差具有截面异方差性和 同步不相关时最好进行截面加权回归： (25.15) EViews进行FGLS ，并且从一阶段Pool 最小 二乘回归得出。估计方差计算公式为： (25.16) 其中是OLS 的拟合值。估计系数值和协方差矩阵 由标准GLS 估计量给出。四、SUR 加权当残差具有截 面异方差性和同步相关性时，SUR 加权最小二乘是可行的GLS 估计量： (25.17) 其中是同步相关的对称阵： (25.18) 一般项，在所有的t 时为常 数。 EViews估计SUR 模型时使用的是由一阶段Pool 最小二乘回归得到： (25.19) 分母中的最大值函数是为了解决向下加权协方差项产 生的不平衡数据情况。如果缺失值的数目可渐进忽略，这种方法生成 可逆的的一致估计量。模型的参数估计和参数协方差矩阵计 算使用标准的GLS 公式。五、怀特（White ）协方差估计在Pool 估计中可计算怀特的异方差性一致协方差估计（除了SUR 和 随机影响估计）。EViews 使用堆积模型计算怀特协方差矩阵： (25.20) 其中K 是估计参数总数。这种方差估计量足以解释各截面 成员产生的异方差性，但不能解释截面成员间同步相关的可能。 * * 第二十五章时间序列/截面数据模型在经典计量经济学模型 中，所利用的数据（样本观测值）的一个特征是，或者只利用时间序
时间序列分析考试卷及答案
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，。 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）；
Eviews时间序列分析实例.
Eviews时间序列分析实例 时间序列是市场预测中经常涉及的一类数据形式，本书第七章对它进行了比较详细的介绍。通过第七章的学习，读者了解了什么是时间序列，并接触到有关时间序列分析方法的原理和一些分析实例。本节的主要内容是说明如何使用Eviews软件进行分析。 一、指数平滑法实例 所谓指数平滑实际就是对历史数据的加权平均。它可以用于任何一种没有明显函数规律，但确实存在某种前后关联的时间序列的短期预测。由于其他很多分析方法都不具有这种特点，指数平滑法在时间序列预测中仍然占据着相当重要的位置。 （－）一次指数平滑 一次指数平滑又称单指数平滑。它最突出的优点是方法非常简单，甚至只要样本末期的平滑值，就可以得到预测结果。 一次指数平滑的特点是：能够跟踪数据变化。这一特点所有指数都具有。预测过程中添加最新的样本数据后，新数据应取代老数据的地位，老数据会逐渐居于次要的地位，直至被淘汰。这样，预测值总是反映最新的数据结构。 一次指数平滑有局限性。第一，预测值不能反映趋势变动、季节波动等有规律的变动；第二，这种方法多适用于短期预测，而不适合作中长期的预测；第三，由于预测值是历史数据的均值，因此与实际序列的变化相比有滞后现象。 指数平滑预测是否理想，很大程度上取决于平滑系数。Eviews提供两种确定指数平滑系数的方法：自动给定和人工确定。选择自动给定，系统将按照预测误差平方和最小原则自动确定系数。如果系数接近1，说明该序列近似纯随机序列，这时最新的观测值就是最理想的预测值。 出于预测的考虑，有时系统给定的系数不是很理想，用户需要自己指定平滑系数值。平滑系数取什么值比较合适呢？一般来说，如果序列变化比较平缓，平滑系数值应该比较小，比如小于0.l；如果序列变化比较剧烈，平滑系数值可以取得大一些，如0.3～0.5。若平滑系数值大于0.5才能跟上序列的变化，表明序列有很强的趋势，不能采用一次指数平滑进行预测。 ［例1］某企业食盐销售量预测。现在拥有最近连续30个月份的历史资料（见表l），试预测下一月份销售量。 表1 某企业食盐销售量单位：吨 解：使用Eviews对数据进行分析，第一步是建立工作文件和录入数据。有关操作在本
时间序列分析期末考试
浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 图2 题号 一 二 三 四 五 得分 得分 评阅人 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题 得分
A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的 偏自相关函数图，请对原序列选择模型。( ) 图3 图4
A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+= C.k k -=ρρ D.)(?)1(?1k y k y t t +=+ 6.下图为对某时间序列的拟合模型进行显著性水平0.05α=的显著性检验，请选择 该序列的拟合模型 。 ( )
Eviews时间序列分析
时间序列分析实验指导 A
统计与应用数学学院
随着计算机技术的飞跃发展以及应用软件的普及，对高等院校的实验教学提出了越来越高的要求。为实现教育思想与教学理念的不断更新，在教学中必须注重对大学生动手能力的培训和创新思维的培养，注重学生知识、能力、素质的综合协调发展。为此，我们组织统计与应用数学学院的部分教师编写了系列实验教学指导书。 这套实验教学指导书具有以下特点： ①理论与实践相结合，书中的大量经济案例紧密联系我国的经济发展实际，有利于提高学生分析问题解决问题的能力。 ②理论教学与应用软件相结合，我们根据不同的课程分别介绍了SPSS SAS、MATLAB、EVIEWS等软件的使用方法，有利于提高学生建立数学模型并能正确求解的能力。 这套实验教学指导书在编写的过程中始终得到财经大学教务处、实验室管理处以及统计与应用数学学院的关心、帮助和大力支持，对此我们表示衷心的感谢！ 限于我们的水平，欢迎各方面对教材存在的错误和不当之处予以批评指正。 统计与数学模型分析实验中心 2007年2月
实验一EVIEWS中时间序列相关函数操作................. -1 -实验二确定性时间序列建模方法 ........................ -10 -实验三时间序列随机性和平稳性检验. (21) 实验四时间序列季节性、可逆性检验.................. -25 -实验五ARMA模型的建立、识别、检验................ -34 - 实验六ARMA模型的诊断性检验...................... -37 -实验七ARMA模型的预测............................ -38 -实验八复习ARMA建模过程 .......................... -40 -实验九时间序列非平稳性检验........................ -42 -
最新时间序列模型归纳总结复习
时间序列模型归纳总结复习随机时间序列分析的几个基本概念 一、随机过程(Stochastic Process) 定义 设（Ω,F,P ）是概率空间，T 是给定的参数集，如果对于任意t ∈T ，都有一定义在（Ω,F ,P ）上的随机变量X(t,ω)与之对应，则称随机变量族{X(t,ω),t ∈T}为随机过程。简记为{X(t,),t ∈T}或{X t ,t ∈T }或X T 离散参数的随机过程也称为随机序列或（随机）时间序列。 上述定义可简单理解成： 随机过程是一簇随机变量{X t ,t ∈T}，其中T 表示时间t 的变动范围，对每个固定的时刻t 而言，X t 是一普通的随机变量，这些随机变量的全体就构成一个随机过程。 当t={0,±1,±2,…}时，即时刻t 只取整数时，随机过程{X t ,t ∈T}可写成如下形式，{X t ,t=0,±1,±2,…}。此类随机过程X t 是离散时间t 的随机函数，称它为随机序列或时间序列。 对于一个连续时间的随机过程的等间隔采样序列，即{X t ,t=0,±1,±2,…}就是一个离散随机序列。 二、时间序列的概率分布和数值特征 1、时间序列的概率分布 一个时间序列便是一个无限维的随机向量。一个无限维随机向量X=(…,X-1,X0,X1,…)/的概率分布应当用一个无限维概率分布描述。根据柯尔莫哥夫定理，一个时间序列的概率分布可以用它有限维分布簇来描述。 时间序列所有的一维分布是：…，F-1(·)，F0(·)，F1(·),… 所有二维分布是：Fij(·，·)， i ，j=0,±1,±2,…,(i ≠j) 一个时间序列的所有有限维分布簇的全体，称为该序列的有限维分布簇。 2、时间序列的均值函数 一个时间序列的均值函数是指： () t t t EX XdF X μ∞ -∞ ==? 其中EXt 表示在t 固定时对随机变量Xt 的求均值，它只一维分布簇中的分布函数Ft(·)有关。 3、时间序列的协方差函数与自相关函数 与随机变量之间的协方差相似，时间序列的协方差函数定义为：
12-13时间序列分析期末试卷
诚信应考 考出水平 考出风格 浙江大学城市学院 2012— 2013学年第二学期期末考试试卷 《时间序列分析》 开课单位：计算学院 ；考试形式：闭卷；考试时间：2013年7月7日； 所需时间：120分钟 一．简答和计算题(本大题共9题，第1到5题每题5分，第6到9题每题7分，共53分。) 1. 写出(,,)ARIMA p d q 模型的结构。 2. 写出(,)ARMA p q 模型的传递形式和格林函数的递推式。 3. 写出(,)ARMA p q 模型的逆转形式和逆函数的递推式。 第1页共5页
4.计算模型120.5t t t t x x x ε--=--+的偏自相关系数。 5.判断模型121 0.80.5 1.1t t t t t x x x εε---=-++-的平稳性与可逆性。 6. 对于(1)AR 模型： 11()t t t x x μφμε--=-+，根据t 个历史观察值数据： ,10.1,9,6，已求 出?10μ=，1?0.3φ=，29εσ=，求： （1）之后3期的预测值及95%置信区间。 （2）假定获得新的观察值数据为110.5 t x +=，求之后2期的预测值及95%置信区间。 第2页共5页
7.已知某地区每年常住人口数量近似服从(3)MA 模型（单位：万人）： 21231000.80.60.2,25t t t t t x εεεεεσ---=+-+-= 最近3年的常住人口数量及一步预测数量如下： 年份 统计人数 预测人数 2002 104 110 2003 108 100 2004 105 109 请预测未来5年该地区常住人口的95%置信区间。 8. 使用指数平滑法得到 ?5t x =， 2? 5.26t x +=，已知序列观察值 5.25 t x =， 1 5.5 t x +=，求指数 平滑系数α。 9. 某一10期观察值序列为5.43, 6.19, 6.63, 7.18, 8.95, 10.14, 11.74, 12.60, 17.26, 21.07 （1）使用6期移动平均法预测12?x 。 （2）使用指数平滑法确定12?x ，其中平滑系数为0.4α= 第3页共5页
利用eviews实现时间序列的平稳性检验与协整检验
在对时间序列Y、X1进行回归分析时需要考虑Y与X1之间是否存在某种切实的关系，所以需要进行协整检验。 1.1利用eviews创建时间序列Y、X1： 打开eviews软件点击file-new-workfile，见对话框又三块空白处workfile structuretype处又三项选择，分别是非时间序列unstructured/undate，时间序列dated-regularfrequency，和不明英语balance panel。选择时间序列dated-regular frequency。在datespecification中选择年度，半年度或者季度等，和起始时间。右下角为工作间取名字和页数。 点击ok。 在所创建的workfile中点击object-new object，选择series，以及填写名字如Y，点击OK。 将数据填写入内。 1.2对序列Y进行平稳性检验： 此时应对序列数据取对数，取对数的好处在于可将间距很大的数据转换为间距较小的数据。 具体做法是在workfile y的窗口中点击Genr，输入logy=log(y),则生成y的对数序列logy。 再对logy序列进行平稳性检验。 点击view-United root test，test type选择ADF检验，滞后阶数中lag length 选择SIC检验，点击ok得结果如下： Null Hypothesis: LOGY has a unit root Exogenous: Constant
Lag Length: 0 (Automatic based on SIC, MAXLAG=1) t-StatisticProb.* Augmented Dickey-Fuller test statistic- 2." ."09959 Test critical values:1% level- 4."602226 5% level- 3."026225 10% level - 2."0013 当检验值Augmented Dickey-Fuller test statistic的绝对值大于临界值绝对值时，序列为平稳序列。 若非平稳序列，则对logy取一阶差分，再进行平稳性检验。直到出现平稳序列。假设Dlogy和DlogX1为平稳序列。 1.3对Dlogy和DlogX1进行协整检验 点击窗口quick-equation estimation，输入DLOGY C DLOGX1，点击ok，得到运行结果，再点击proc-make residual series进行残差提取得到残差序列，再对残差序列进行平稳性检验，若残差为平稳序列，则Dlogy与Dlogx1存在协整关系。
时间序列期末试题B卷
系名____________班级____________姓名____________学号____________ 密封线内不答题 成都信息工程学院考试试卷 2012——2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 一、判断题（每题1分，正确的在括号内打√，错误的在括号内打×，共15分） 1．模型检验即是平稳性检验（ ）。 2．模型方程的检验实质就是残差序列检验（ ）。 3．矩法估计需要知道总体的分布（ ）。 4．ADF 检验中：原假设序列是非平稳的（ ）。 5．最优模型确定准则：AIC 值越小、SC 值越大，说明模型越优（ ）。 6．对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势（ ）。 7．严平稳序列与宽平稳时序区分主要表现在定义角度不同（ ）。 8．某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线趋势（ ）。 9．时间序列平稳性判断方法中 ADF 检验优于序时图法和自相关图检验法（ ）。 10．时间序列的随机性分析即是长期趋势分析（ ）。 11．ARMA （p,q ）模型是ARIMA(p,d,q)模型的特例（ ）。 12．若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的（ ）。 13. MA(2)模型的3阶偏自相关系数等于0（ ）。 14．ARMA(p,q)模型自相关系数p 阶截尾，偏自相关系数拖尾（ ）。 15．MA(q)模型平稳的充分必要条件是关于后移算子B 的q 阶移动自回归系数多项式根的绝对值均在单位圆内（ ）。 二、填空题。（每空2分，共20分） 1．t X 满足ARMA （1,2）模型即：t X ＝0.43+0.341-t X +t ε＋0.81-t ε–0.22-t ε，则均值＝ ，1θ（即一阶移动均值项系数）＝ 。 2．设｛x t ｝为一时间序列，B 为延迟算子，则B 2 X t = 。 3．在序列y 的view 数据窗，选择 功能键，可对序列y 做ADF 检验。 4．若某平稳时序的自相关图拖尾，偏相关图1阶截尾，则该拟合 模型。
时间序列分析试卷及答案3套
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==。
eviews时间序列分析实验
实验一ARMA 模型建模 一、实验目的 学会检验序列平稳性、随机性。学会分析时序图与自相关图。学会利用最小二乘法等方法对ARMA 模型进行估计，以及掌握利用ARMA 模型进行预测的方法。学会运用Eviews 软件进行ARMA 模型的识别、诊断、估计和预测和相关具体操作。 二、基本概念 1 平稳时间序列： 定义：时间序列{zt}是平稳的。如果{zt}有有穷的二阶中心矩，而且满足： （a ）ut= Ezt =c; （b ）r(t,s) = E[(zt-c)(zs-c)] = r(t-s,0) 则称{zt}是平稳的。 2 AR 模型： AR 模型也称为自回归模型。它的预测方式是通过过去的观测值和现在的干扰值的线性组合预测。具有如下结构的模型称为P 阶自回归模型，简记为AR(P)。 ? ???? ??
11222 0()0(),()0,t t t t q t q q t t t s x E Var E s t εμεθεθεθεθεεσεε---?=+----? ≠??===≠?L ， 4 ARMA 模型： ARMA 模型：自回归模型和滑动平均模型的组合， 便构成了用于描述平稳随机过程的自回归滑动平均模型ARMA 。具有如下结构的模型称为自回归移动平均回归模型，简记为ARMA(p,q)。 ? ???? ??
时间序列分析期末考试2010B
. 浙江农林大学 2009 - 2010 学年第 二 学期考试卷（A 卷） 课程名称： 应用时间序列分析 课程类别： 必修 考试方式： 闭卷 注意事项：1、本试卷满分100分。 2、考试时间 120分钟。 一、单项选择题（在每小题的四个备选答案中，选出一个正确 答案，并将正确答案的选项填在题后的括号内。每小题2分，共12分） 1. 关于严平稳与（宽）平稳的关系，不正确的为 。 ( ) A. 严平稳序列一定是宽平稳序列 B. 当序列服从正态分布时，两种平稳性等价 C. 二阶矩存在的严平稳序列一定为宽平稳的 D. MA(p)模型一定是宽平稳的 2. 下图为某时间序列的相关检验图，图1为自相关函数图，图2为偏自相关函数图，请选择模型 。 ( ) 图1 学院： 专业班级： 姓名： 学号： 装 订 线 内 不 要 答 题
图2 A. AR(1) B. AR(2) C. MA(1) D. MA(2) 3. 下图中，图3为某序列一阶差分后的自相关函数图，图4为某序列一阶差分后的偏自相关函数图，请对原序列选择模型。( ) 图3
图4 A.ARIMA(4，1，0) B. ARIMA(0，2，1) C. ARIMA(0，1，2) D.ARI MA(0，1，4) 4. 记B 为延迟算子，则下列不正确的是 。 ( ) A. 0 1B = B. (1)k t t k t X X B X --=- C. 12t t BX X --= D. 11()t t t t B X Y X Y --±=± 5.对于平稳时间序列，下列错误的是 ( ) A.)(212εσεE = B.),(),(k t t k t t y y Cov y y Cov -+=
时间序列期末试题B卷
成都信息工程学院考试试卷 2012—— 2013学年第2学期 课程名称：《金融时间序列分析》 班级：金保111本01、02、03班 一、判断题（每题1分，正确的在括号内打错误的在括号内打 X,共15分） 1 .模型检验即是平稳性检验（）。 2. 模型方程的检验实质就是残差序列检验（） 3. 矩法估计需要知道总体的分布（）。 4. ADF检验中：原假设序列是非平稳的（）。 5. 最优模型确定准则：AIC值越小、SC值越大，说明模型越优 （）。 6. 对具有曲线增长趋势的序列，一阶差分可剔除曲线趋势 （）。
7. 严平稳序列与宽平稳时序区分主要表现在定义角度不同 8. 某时序具有指数曲线增长趋势时，需做对数变换，才能剔除曲线 趋势( )。 9 ?时间序列平稳性判断方法中ADF检验优于序时图法和自相关图 检验法( )。 10 .时间序列的随机性分析即是长期趋势分析( )。 11. ARMA(p,q )模型是ARIMA(p,d,q)模型的特例( )。 12 .若某序列的均值和方差随时间的平移而变化，则该序列是非平稳的( )0 13. MA(2)模型的3阶偏自相关系数等于0( ) 14. ARMA(p,q)模型自相关系数p阶截尾，偏自相关系数拖尾 ( )0 15. MA(q)模型平稳的充分必要条件是关于后移算子B的q阶移动自回归系数多项式根的绝对值均在单位圆内( )。 二、填空题。(每空2分，共20分) 1 . X t满足ARMA(1, 2 )模型即：X t = 0.43+0.34 X「+ t + 0.8 t 1 - 0.2 t 2，则均值= ___________________________ ， 1 (即一阶移
统计学期末考试试题(含答案)
统计学期末考试试题（一） 1、一个统计总体（ d ） A、只能有一个标志 B、只能有一个指标 C、可以有多个标志 D、可以有多个指标 2、调查某大学2000名学生学习情况，则总体单位是（ C ） A 、2000名学生B、2000名学生的学习成绩 C、每一名学生 D、每一名学生的学习成绩 3、某地进行国有商业企业经营情况调查，则调查对象是( b )。 A、该地所有商业企业 B、该地所有国有商业企业 C、该地每一国有商业企业 D、该地每一商业企业 4、以下哪种调查的报告单位与调查单位是一致的( C )。 A、工业普查 B、工业设备调查 C、职工调查 D、未安装设备调查 5、某市进行工业企业生产设备普查，要求在7月1日至7月10日全部调查完毕，则这一时间规定是( b )。 A、调查时间 B、调查期限 C、标准时间 D、登记期限 6、某连续变量分为5组：第一组为40——50，第二组为50——60，第三组为60——70，第四组为70——80，第五组为80以上，则（ B ） A、50在第一组，70在第四组 B、60在第三组，80在第五组 C、70在第四组，80在第五组 D、80在第四组，50在第二组 7、已知某局所属12个工业企业的职工人数和工资总额，要求计算该局职工的平均工资，应该采用( a ) A、简单算术平均法 B、加权算术平均法 C、加权调和平均法 D、几何平均法 8、用水平法检查长期计划完成程度，应规定( B ) A、计划期初应达到的水平 B、计划期末应达到的水平 C、计划期中应达到的水平 D、整个计划期应达到的水平 9、某地区有10万人，共有80个医院。平均每个医院要服务1250人，这个指标是（ C ）。 A、平均指标 B、强度相对指标 C、总量指标 D、发展水平指标 10、时间序列中，每个指标数值可以相加的是（ b ）。 A、相对数时间序列 B、时期数列 C、间断时点数列 D、平均数时间序列 11、根据时间序列用最小平方法配合二次曲线，所依据的样本资料的特点是（ b ）。
金融时间序列试卷(精品文档)_共4页
内蒙古财经学院2011——2012学年第1学期 《金融时间序列分析》试卷答案 一、填空题（1分*15空=15分） 1. ，。 q -t 1-t 1t p t p 2t 21-t 1t x x x x εθεθεφφφq ---++++=-- q θθφφφ、、，、 、 1p 212. 描述性； 3. ，0,1,0； t t t x x ε+=-1 4. 平稳性检验，纯随机性检验； 5. ?p x t =(1?B)p x t ，?k x t =(1?B k )x t ；6. 宽平稳，严平稳，宽平稳； 7. 自回归 二、不定项选择题（2分*5题=10分） 1、A C 2、A B D 3、A B 4、A B CD 5、A B D 三、判断并说明理由（2题*5分=10分） 1、如果一个时间序列宽平稳，则它肯定不是严平稳；如果一个时间序列严平稳，则它一定是宽平稳。 答：说法是错误的。（1分） 严平稳是一种条件比较苛刻的平稳性定义，该定义表明，一个序列的所有统计均平稳时，该序列才是平稳的。而宽平稳则是条件宽松的平稳性定义，即只要求序列的二阶矩平稳，则序列就是平稳的。由定义可知，在一般情况下，如果一个时间序列是宽平稳的，则它肯定不是严平稳的；如果一个时间序列是严平稳的，则它一定是宽平稳的。 （2分） 但两种情况各有例外，如多元正态分布，二阶矩包括所有统计性质，所以对于服从多元正态分布的序列，宽平稳也是严平稳；再比如柯西分布不存在二阶矩，因此如果一个序列服从柯西分布，且为严平稳，但却推不出其为宽平稳。确切的说应该是对于存在二阶矩的序列，严平稳才能推出宽平稳。（2分） 2、差分运算的实质是使用自回归的方式提取确定性信息 答：说法是正确的。（5分） 四、简答题：（25分） 1、简述平稳序列的建模步骤（7分） 答：（1）时间序列分析的第一步是获得观察值序列，然后对这个序列进行平稳性检验，对平稳的序列进行纯随机性检验，如果是纯随机序列，分析结束；如果不是纯随机序列，选择模型拟合该序列； （2）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。 （3）根据平稳非纯随机序列的自相关图和偏自相关图，选择阶数适当的ARMA （p,d ）模型进行拟合； （4）利用一定的方法估计模型中的参数，即模型估计； （5）检验模型的有效性。如果拟合模型通不过检验，转向步骤（2），重新选择模型再拟合。 （6）模型优化。在通过检验的模型中选择相对最有模型，即模型优化； （7）利用相对最优模型对序列未来值进行预测。 2、答：（1）wold 分解定理：对于任何一个离散平稳过程它都可以分解为两个不相关的平稳序列之}{t x 和，其中一个为确定性的，另一个为随机性的，不妨记作 t t t V x ξ+=
(整理)8章 时间序列分析练习题参考答案.
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