基于时间序列arma模型的分析(完整资料).doc
《基于时间序列arma模型的分析(完整资料).doc》由会员分享,可在线阅读,更多相关《基于时间序列arma模型的分析(完整资料).doc(61页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、基于时间序列arma模型的分析(完整资料)(可以直接使用,可编辑 优秀版资料,欢迎下载)针对乳制品月产量数据的时间序列分析摘要:随着经济的发展,乳制品产业对国民健康水平的影响逐渐加大。该文从乳制品行业月产量的角度出发,采用时间序列数据分析方法,对我国自1990年至2010年以来的乳制品行业月产量进行了建模分析,并在得到模型后对其进行了预测。从分析结果来看,我国的乳制品产量在200年发生突变,特定的月份也会对其产生影响,并且在不同的时间,影响会发生变化。关键词:乳制品;月份特征;产量突变;产量预测;背景:纵观自1949年发展至今,整个行业可以分为四个发展阶段:1、缓慢发展阶段(14197):这段
2、时期,我国乳产业受国家经济状况制约发展缓慢。2、迅速扩张阶段(1978199):由于开始实行多种所有制进行奶牛饲养与奶制品加工,原奶与乳品的产量、种类、质量都有明显的提高3、结构调整阶段(199398):1993年开始,乳品供给增长明显快于消费增长速度,产能出现比较严重的过剩,乳粉出现滞积,部分乳品企业发展艰难。4、高速增长阶段(1999至今):99年起,乳制品产业经过产品结构大力调整,经济效益明显提高,随着消费需求的迅速增长,乳制品产量也连年增长,乳产业已经从一个传统产业摇身一变成为一个朝阳产业。从市场格局上看,乳制品企业可以分为4类:1、以伊利、蒙牛为代表的全国性企业;2、以光明、三鹿、维
3、维等为代表的区域性企业;、以北京三元、济南佳宝为代表的本省省会企业;4、以雀巢为代表的外资企业.在行业中,企业之间的竞争非常激烈,特别地,在近十年中市场竞争引起了市场格局的极大改变。本文将选取1993年1月起到2010年6月的月产量数据进行时间序列分析,尝试建立该时序的时间序列模型及其详细的建立过程,并对模型结果给出必要的经济意义解释。建立模型过程:1、建模过程使用eis软件,将190年月到20年6月总计246个月度数据输入eiws中,t即是产量月度序列,现作出散点图如下:通过观察上图,认为不同时间下的Y的数值差异过大,并且波动程度也差别过大,故先将序列作取对数处理,作出散点图如下:通过观察上
4、图,认为该序列是一个典型的结构突变的过程,突变位置始于2003年12月。故需要加入突变虚拟变量进行检测。从图中我们观察到,突变过程精确来说应属于渐进式的突变,但在突变区间内只有3个月份,相对于20多个月份来说可以忽略,故在选择突变类型时认为是水平突变,即从23年2月开始水平突变.由于不知是否存在斜率突变,故我们一齐将水平突变变量与斜率突变变量加入检验。、即建立模型:,检验结果如下:VariabeoefficintStd. t-StatiicProb。C。4300344219.41100.00REND(1989M2)06800。00035727.440.00DL2760610.06174433.
5、26.0000DL*TREND(2032)002085。0181。3340。091R-suar0。91355Man dependent var2。554138AjtedR-suaed0.81123S。D pede va1.63146S.oregresso0.2148Akakeinciton0136897umred esi15861cwarz crterion-0。0789g lkelihood。83828Hannanunn cite.-。1346F-taistc4245。683Dubi-Waonstat0.838ro(-tatitic)0。00000可以看到,常数项、时间趋势项及水平突变三个变
6、量均显著,而斜率突变并不显著。故我们将其舍去,接着用模型再做一次回归:现在可以看出,三个变量均显著。即现在认为我们正确的加入趋势项和水平突变变量。3、考虑到OGY是一个月度数据,并且从散点图上也可以明显观察到存在着季节特征,故我们为了研究其十二个月的特征,我们继续加入11个虚拟变量(当月份为i时等于1,否则为)继续回归,结果如下:可以看到,只有d1 ,2 ,三个月度变量在的水平下是显著的,所以我们剔除不显著变量再回归一次:现在得到的这个模型,常数项、趋势项、水平突变变量及月度变量均显著。4、所以接下来我们要讨论的就是这个突变过程究竟是随机趋势过程还是趋势平稳过程,所以我们将采用Perro检验进
7、行检验,即我们用该模型退势后的残差序列进行单位根检验:突变点在20年1月,即大概在整个序列的2/的位置,根据Perron检验表查得在%水平下临界值应位于70-376之间,故我们明显可以拒绝原假设即认为该残差序列是一个平稳过程,即LGY是一个趋势平稳序列。所以,当确定O是一个可以避免很多诸如虚假回归等问题的趋势平稳序列后,我们可以放心继续修正模型。5、现在,我们开始研究模型中是否存在AMA成分,故作出GY退势后的残差序列的自相关偏相关图如下:从图中可以看到,残差序列是一个平稳的ARM过程,可能存在A(1)、R()、A(1)、A(2)、MA(),故我们继续将这五个RM成分加入模型中:发现常数项开始
8、不显著,AR(3)显著性并不好,MA(3)很不显著,但由于常数项并非关键成分,故我们将其剔除继续尝试:现在,A(3)与M()的显著性在5的水平下完全可以拒绝,故我们将其剔除,余下变量即模型:继续回归:可以看到,现在的模型中,加入的AA成分都显著,接下来我们看看残差序列的自相关与偏相关图:从图中,我们观察到该模型的残差序列已经接近白噪声,即我们认为我们已经加入了正确的RMA成分。所以现在的模型为;其中是白噪声。从回归结果中我们可以看出,无论是系数的显著性,还是模型的拟合度,都令人满意。另外经过检验,没有发现有异方差、序列相关、多重共线性等问题的存在。6、 模型的最终调整:经过尝试预测,我们发现一
9、个不容忽视的问题,即往往月的产量往往被低估,而6月份的产量的季节特征似乎又消失了,故我们怀疑是否D1的系数在序列后期已发生变化,而同时D是否开始变得不显著。解决方案:所以我们新生成一个DN1序列,D与D1的区别就在于2003年12月前均为0,其余不变;新生成一个序列D_6,在2003年月前,D_与6一样,后期其余均为.我们在原来模型中加入DN1,用D_6代替D进行回归:从结果发现,月度特征果然发生了变化,1月虚拟变量的系数果然需要被调高。102,而6月的季节特征在00年后就不再显著。从而验证了我们的猜想。经过尝试预测检测,没有出现比较异常的拟合值,故认为已经得到目前最好的模型,即:模型解释:经
10、过层层分析,我们得到最后的模型,即使一个带有结构突变、季节虚拟变量、ARMA成分的模型:1、 首先对于时间趋势项t,其系数为017,证明logt是有一个稳定的时间增长趋势,对于其它条件保持不变,下一月的产量相对于本月将增加0。017个百分点(可看做一个增长模型),说明我国的乳产业多年来一直保持向上增长的势头.并且由于log的线性增长,Yt将呈现指数增长。2、 季节虚拟变量、D2、的系数分别为0。258、-0.154、0.95,经过查验资料表明,1月、2月是产奶淡季,这时候奶牛的产量会因为气候因素而降低,但是降低的程度在0年1月以后会减弱;而6月是一个产奶旺季,而且此时社会对乳制品的订单会迅速增
11、加,这反过来也会刺激产量提升,但这个特征会在203年12月以后消失。即在03年以前,保持其他条件不变,1月会降低产量的0.258个百分点,月会降低产量的054个百分点,6月会增加0.095个百分点;在203年12月以后,1月会发生改变,只会降低产量的0。19个百分点,6月份的季节特征会消失。3、 对水平突变变量DL,说明从0年左右开始,乳制品产量出现了一个短时间内的飞跃,这与乳产业经历数年滞积与低迷后发生迅速的行业调整有着紧密的关系。蒙牛企业就是在04年占有的市场份额迅速增加。4、 至于模型预测:1、样本内预测:我们采用静态方法进行样本内预测,下图为预测值和真实值的点线图及误差结果:其中,lo
12、gY为实际值,ogYF为预测值。我们可以看到,采用样本内静态预测得到的预测值十分接近实际值,误差比较理想。下图是取了反函数得到Y的预测值与真实Y的值:2、接下来我们采用静态预测方法进行样本外一期预测(左序列为预测值,右序列为真实值):预测值为18.通过近一年的真实数据和预测值的比较,我们发现预测值的吻合度还是相当高的,预测误差基本控制在5%以内.通过网上查阅资料,发现21年7月的产量17吨,预测误差为(18417)19=0。7,即。7的预测误差。故可以认为我们得到一个预测效果很好的模型。课程设计任务书学生姓名: 专业班级:电子科学与技术070班指导教师:刘金根工作单位: 信息工程学院题 目:基
13、于ATAB的连续时间系统的频域分析初始条件:TLB5 微机要求完成的主要任务:深入研究连续时间信号和系统时域分析的理论知识.利用MTLAB强大的图形处理功能、符号运算功能以及数值计算功能,实现连续时间系统频域分析.1.利用ATLB分析系统的频率特性;2用TLA实现连续时间信号的采样及重构;3. 撰写MAL应用实践课程设计说明书。时间安排:学习ATLA语言的概况 第天学习MAL语言的基本知识 第2、3天学习MATLAB语言的应用环境,调试命令,绘图能力 第4、天课程设计 第9天答辩 第1天指导教师签名: 年 月 日系主任(或责任教师)签名: 年 月 日目 录摘 要。绪 论12.对课题内容的分析2
14、1连续时间信号概述22.2采样定理22。3总体思路23MATLAB的仿真实现31利用MATLAB分析系统的频率特性33。1。1低通滤波器的频率特性3。1.高通滤波器的频率特性43。13全通滤波器的频率特性6.1。4帯通滤波器的频率特性63.2用MAAB实现连续时间信号的采样及重构6.。1过采样73.2.2等采样33欠采样84.心得体会15。参考文献11附录12摘要本文介绍了基于MTLB的连续时间系统的频域分析。首先利用MTLAB分析了系统的频率特性,分别分析了基于连续时间系统的低通滤波器、高通滤波器、带通滤波器、全通滤波器的频域特性,并依次做出了它们的时域冲激响应波形、频域内幅频特性波形、相频
15、特性波形。在编程过程中分别用到了y=abs()、angle()、h=feqs(b,a, ) 等函数。然后用MAL实现了连续时间信号的采样及重构,并以f(t)=S(t)为例,分别以过采样、等采样、欠采样三种情况,绘出原信号、采样信号、重构信号的时域波形图.关键词:连续时间系统;频特性;采样;重构bstctsarticl introuced bsd n te MTAB run-on iesystm frqencyang analyssFirst has aalyzed the sysem reuencycharcteistic usgMAL, anlyzeeparay bd on herunont
16、essm low pass filer, has pss th fer,e bndpass fitegh,all passhefiltr thefreen ge chaacteristic, an hs n tun made i their ti domai impulseresponse pie, the euency rangethe mlitude-requecy hcteistic profl, th rqenycharacteriscprofi.sed y=abs seprtelynthe programmig poces (),yangl (), h=freq (b,a,w) ns
17、on tfunctons.hn s relized the run-on tim signl samplg nd resructing wihATLAB, adke(t)=Sa(t) s thexamle, rspctivlybyt samling,nd so the sping, ha owed he samlinghee kdosituation, daws th orignalsnal, tsping ga, heretructurigsign ime dominosilogam。K wrd:Runon tiestem;Frqency chacteristc; Saplig; Restr
18、uturing 绪论ATAB是国际上公认的优秀科技应用软件,它的基本功能是数值计算、符号运算、图形控制,它的出现给“信号与系统”课程的计算机辅助教学带来了福音,使利用计算机辅助学生完成“信号与系统”课程的数值计算、信号与系统分析的可视化建模及仿真调试成为可能。该软件由公司于是1984 年推出,经过十几年的发展与完善,目前已成为科技界最流行的应用软件。它的主要特点是:()高效的数值计算及符号计算功能,能使用户从繁杂的数学运算分析中解脱出来.(2)完备的图形处理功能,实现计算结果和编程的可视化。(3)友好的用户界面及接近数学表达式的自然化语言,使学者易于学习和掌握。()功能丰富的应用工具箱(如信号
19、处理工具箱),为用户提供了大量方便实用的处理工具。运用MATLAB 对信号与线性系统进行分析与实现的具体方法和过程,其目的在于:(1) 让学生在学习“信号与系统”课程的同时,掌握MATAB的应用,对MATL语言在低年级学生中的推广应用起到促进作用。() 学会应用MALA 的数值计算功能,将学生从繁琐的数学运算中解脱出来,从而将便多的时间留于对信号与系统的基本分析方法和应用的理解与思考。()让学生将课程中的重点、难点及部分课后练习用MLA 进行形象、直观的可视化计算机模拟与仿真实现,从而加深对信号与系统基本原理、方法及应用的理解,以培养学生主动获取知识和独立解决问题的能力,为学习后继专业课打下坚
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 时间 序列 arma 模型 分析 完整 资料
限制150内