时间序列分析基于R习题集答案解析.docx
《时间序列分析基于R习题集答案解析.docx》由会员分享,可在线阅读,更多相关《时间序列分析基于R习题集答案解析.docx(18页珍藏版)》请在冰豆网上搜索。
时间序列分析基于R习题集答案解析
第一章习题答案
第二章习题答案
2.1
(1)非平稳
(2)0.01730.7000.4120.148-0.079-0.258-0.376
(3)典型的具有单调趋势的时间序列样本自相关图
iulocorrelations
Correlation-196765432101251567991
1.00000
rJliPIniiiT'nirpfliirn>rpn'|rasiTi*wni
C.7QUU0
■
illiilli1.ill1L■illlllillll.-XaiXiiJllX'rn»Pni粵罚册甲rp-Ffi»]r•TBrr-Frrr
0.41212
■
吊鼻E♦niflpTiCB
0.14846
«
w*
-.07078
•
-.25758
■
-.37578
9咄榊臨酩”{事帛
1
markstwostarckrclerrors
2.2
(1)非平稳,时序图如下
(2)-(3)样本自相关系数及自相关图如下:
典型的同时具有周期和趋势序列的样本自相关图
AntogorreIalions
Correlation-133705^132********7891
markstwost^ndsirderrors
2.3
(1)
自相关系数为:
0.2023
0.013
0.042
-0.043
-0.179-0.251
-0.094
0.0248
-0.068
-0.072
0.014
0.109
0.217
0.316
0.0070
-0.025
0.075
-0.141
-0.204
-0.245
0.066
0.0062
-0.139
-0.034
0.206
-0.010
0.080
0.118
(2)平稳序列
(3)白噪声序列
2.4
LB=4.83,LB统计量对应的分位点为0.9634,P值为0.0363。
显著性水平=0.05,序列
不能视为纯随机序列。
2.5
(1)
时序图与样本自相关图如下
-10765432101284567891
(2)非平稳
(3)非纯随机
2.6
(1)平稳,非纯随机序列(拟合模型参考:
ARMA(1,2))
(2)差分序列平稳,非纯随机第三章习题答案
12
3.1
3.2
E(xt)0,Var(xt)21.96,20.70.49,220
10.72
7丄
1—,2—
1515
3.5证明:
该序列的特征方程为:
32
--cc0,解该特征方程得三个特征根:
11,2c,3c
无论c取什么值,该方程都有一个特征根在单位圆上,所以该序列一定是非平稳序列。
证毕。
3.6
(1)错
(2)错(3)对(4)错(5)
1
3.7该模型有两种可能的表达式:
xttt1和xtt2t1。
2
cc10.8B2CB3
20t
10.5B
10.8B2CB3(10.5B0.HB20.5‘B3L)t
展开等号右边的多项式,整理为
1
0.5B
0.52B2
0.53
B3
0.54
B4
L
0.8B2
0.8
0.5B3
0.8
0.52B4
L
CB30.5CB4L
合并同类项,原模型等价表达为
22
3.9E(xt)0,Var(xt)10.70.41.65
(2)ytXtXt1t(C1)t1,该序列均值、方差为常数,
E(yt)0,Var(yt)1(C1)22
自相关系数只与时间间隔长度有关,与起始时间无关
1(C1)2
k0,k2
所以该差分序列为平稳序列。
3.11
(1)非平稳,
(2)平稳,(3)可逆,(4)不可逆,(5)平稳可逆,(6)不平稳不可逆
3.13
110.25
1
丄,根据ARMA(1,1)模型Green函数的递推公式得:
4
3.17
(1)平稳非白噪声序列
(2)AR
(1)
(3)5年预测结果如下:
Forecastsforiaiilux
OtK
Forecast
StdError
95%ConfidenceLimits
S4
90.1BBS
22.7294
45-6075
134.7050
S5
833882
23.S363
37.1638
130.6065
66
si.aooa
23.3440
34,97&9
120.^76
S?
81.2029
23.9U?
94.3325
126.2332
81.0653
23,3558
34J329
126.(1377
3.18
(1)平稳非白噪声序列
(2)AR
(1)
(3)5年预测结果如下:
Forecistsforvarl&blex
Os
Forecasl
SidError
951ConfidanceL
imiIs
75
0.704E
O.?
771
0.1615
1.2476
?
G
0.795®
0.29E7
0.21S1
1,3751
77
0.0295
O.29C1
0.2452
1.1139
7S
0.5421
0.2995
0.2571
1.4271
79
0.94Ge
0.29GE
0.2G17
1.4319
3.19
(1)平稳非白噪声序列
(2)MA
(1)
(3)下一年95%的置信区间为(80.41,90.96)
第四章习题答案
4.1
1
xT3的系数为一,xT
1的系数为
5
16
16
4.2
解下面的方程组,得到
0.4
%
5.25
5(1
)
5.26
5.5
(1
)%
4.3
(1)11.04
(2)11.79277(3)b
a0.4
0.240.16
3.20
(1)平稳非白噪声序列
(2)ARMA(1,3)序列
(3)拟合及5年期预测图如下:
4.5该序列为显著的线性递增序列,利用本章的知识点,可以使用线性方程或者holt两参
数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
4.6该序列为显著的非线性递增序列,可以拟合二次型曲线、指数型曲线或其他曲线,也能
使用holt两参数指数平滑法进行趋势拟合和预测,答案不唯一,具体结果略。
4.7本例在混合模型结构,季节指数求法,趋势拟合方法等处均有多种可选方案,如下做法
仅是可选方法之一,结果仅供参考
(1)该序列有显著趋势和周期效应,时序图如下
(2)该序列周期振幅几乎不随着趋势递增而变化,所以尝试使用加法模型拟合该序
列:
人TtStIt。
(注:
如果用乘法模型也可以)
首先求季节指数(没有消除趋势,并不是最精确的季节指数)
0.9607220.9125751.0381691.0643021.1536271.116566
1.042920.9841620.9309470.9385490.9022810.955179
消除季节影响,得序列ytxtStX,使用线性模型拟合该序列趋势影响(方法不唯一)
Tt97.701.79268t,t1,2,3,L
(注:
该趋势模型截距无意义,主要是斜率有意义,反映了长期递增速率)
得到残差序列ItxtStXytTt,残差序列基本无显著趋势和周期残留。
20
10
0
j10
-20
30
01J删轴01J^N&Q01JAM真01J帥15401J^N5601J^N56
t
预测1971年奶牛的月度产量序列为XtT)tSmodti2X,t109,110,L,120
得到
(3)该序列使用x11方法得到的趋势拟合为
D12
FiralTrendC^cIb-
H&nderscnCurve
13-terni
MovingAverageAppliedI/C
RatioIs1.
153
Yesir
问
FEB
APR
JUN
1962
60GJ07
608.003
609.997
S12J72
Cl4,422
G1R.G2&
1963
613.300
62C.187
622.556
626.132
B30.D59
633.273
19G4
C45J71
U9..4BS
652.48G
S54.405
SF5.241
CE5.5E2
1965
672.427
673.544
673.923
673.773
S73.3I6
B72.721
19胡
CS4.192
C8S-4&2
G94.54b
GS9.150
709.204
708.735
19B7
726.303
727-237
728.1^14
729.3£3
730.844
732.615
740.451
74i.e^
743.154
?
44.442
745.92£
747.616
1顶
7&1.97K
762.171
758.671
758*280
753.858
78S.518
1970
771.350
771.5&7
772.2?
2
773.571
77S.Q89
779.771
燃
dsojoa
632.614
694*518
関比58B
688.761
701.926
D12Final
TrendCycle-HendersanOjh■&
13-tErinhloviAveraige
AppIied
1/CRatio
is1.159
Yeeir
JUL
m
SEP
OCT
MOV
DEC
Total
19B2
6W.744
62C-335
621.173
521.202
620.5:
91
619.771
7309.34
19叮
8S5JS1
83C-446
ea7.ooe
BS7.788
S99.993
642.155
7579.75
19E4
656.073
657.423
659.S03
663.338
667.075
70Q7.05
1985
(72.119
671JM
871.959
B73.029
S75.42?
479,219
80S9.21
198&
70S.832
713.173
716.547
713.787
722-887
724.859
8484.IS
1967
784J02
735.554
736,459
737.289
798.O7S
733.105
畀酝腮
136S
748.510
76L47C
752*880
7E3.495
7E3.29&
752.581
8976.47
1963
766.763
76S.2B6
770*681
77L206
771.284
771.268
8167.8E
1970
704.011
79L379
753.GG3
795.195
7BL97G
939!
.94
帥匸
702.380
704.8SO
706.44+
707.064
709.222
710.584
Toial;75?
4CMean;
76L9E
g.D・:
5C.792
趋势拟合图为
4.8这是一个有着曲线趋势,但是有没有固定周期效应的序列,所以可以在快速预测程序中用曲线拟合(stepar)或曲线指数平滑(expo)进行预测(trend=3)。
具体预测值略。
第五章习题
5.1拟合差分平稳序列,即随机游走模型xt=xt-1+t,估计下一天的收盘价为2895.2拟合模型不唯一,答案仅供参考。
拟合ARIMA(1,1,0)模型,五年预测值为:
Forecastsfor
ForecMt
StdError
959CConfidenceLimits
341444.4126
926998.9929
355SS4.9323
349921.8483
13413.404
323632.0566
鞋6211■闊麗
357040.3711
1S817.529
320153.2928
393922.G484
363454.0040
23594.!
S5
317210.1148
409G97.8938
3eS499.9SSl
27836.917
SU940.6341
42405S.3421
12345
66E6
5.3ARIMA(1,1,0)(1,1,0)12
xt=7.472+t
t=-0.5595t-1+vt
Vt=Jq
ht=11.9719+0.4127:
5.5
(1)非平稳
(2)取对数消除方差非齐,对数序列一节差分后,拟合疏系数模型AR(1,3)所以拟合
模型为
lnx~ARIMA((1,3),1,0)
(3)预测结果如下:
n
7.6214
0.0405
7.4420
7,8007
74
7.5401
(U眦
7.G733
P.5145
0.0909
7.3363
76
7.4943
D.IO鮎
7.2932
7.696S
77
7.4S1S
0.1101
7.265S
7.C974
78
0.1153
7.2595
7J115
U
r.4935
0.1203
7.2565
7.7305
5.6原序列方差非齐,差分序列方差非齐,对数变换后,差分序列方差齐性。
第六章习题
6.1单位根检验原理略。
例2.1原序列不平稳,一阶差分后平稳
例22原序列不平稳,一阶与12步差分后平稳
例2.3原序列带漂移项平稳
例2.4原序列不带漂移项平稳
例2.5原序列带漂移项平稳(=0.06),或者显著的趋势平稳。
6.2
(1)两序列均为带漂移项平稳
(2)谷物产量为带常数均值的纯随机序列,降雨量可以拟合AR
(2)疏系数模型。
(3)两者之间具有协整关系
(4)谷物产量t23.55210.775549降雨量t
6.3
(1)掠食者和被掠食者数量都呈现出显著的周期特征,两个序列均为非平稳序列。
但是掠食者和被掠食者延迟2阶序列具有协整关系。
即{yt-冷2}为平稳序列。
(2)被掠食者拟合乘积模型:
ARIMA(0,1,0)(1,1,0)5,模型口径为:
1
5Xt=5t
1+0・92874B5
拟合掠食者的序列为:
yt=2.9619+0.283994Xt_2+t-0.47988t-1
未来一周的被掠食者预测序列为:
Forecastsforvariablex
Obs
Forecast
StdError
95%ConfidenceLimits
49
70.7924
49.4194
-26.0678
167.6526
50
123.8358
69.8895
-13.1452
260.8167
51
195.0984
85.5968
27.3317
362.8651
52
291.6376
98.8387
97.9173
485.3579
53
150.0496
110.5050
-66.5363
366.6355
54
63.5621
122.5322
-176.5965
303.7208
55
80.3352
133.4800
-181.2807
341.9511
56
55.5269
143.5955
-225.9151
336.9690
57
73.8673
153.0439
-226.0932
373.8279
58
75.2471
161.9420
-242.1534
392.6475
59
70.0053
189.8525
-302.0987
442.1094
60
120.4639
214.1559
-299.2739
540.2017
61
184.8801
235.9693
-277.6112
647.3714
62
275.8466
255.9302
-225.7674
777.4606
掠食者预测值为:
Forecastsforvariabley
Obs
Forecast
StdError
95%ConfidenceLimits
49
32.7697
14.7279
3.9036
61.6358
50
40.1790
16.3381
8.1570
72.2011
51
42.3346
21.8052
-0.4028
85.0721
52
58.2993
25.9832
7.3732
109.2254
53
78.9707
29.5421
21.0692
136.8722
54
106.5963
32.7090
42.4879
170.7047
55
66.4836
35.5936
-3.2787
136.2458
56
41.9681
38.6392
-33.7634
117.6996
57
46.7548
41.4617
-34.5085
128.0182
58
39.7201
44.1038
-46.7218
126.1619
59
44.9342
46.5964
-46.3930
136.2614
60
45.3286
48.9622
-50.6356
141.2928
61
43.8411
56.4739
-66.8456
154.5279
62
58.1725
63.0975
-65.4964
181.8413
6.4
(1)进出口总额序列均不平稳,但对数变换后的一阶差分后序列平稳。
所以对这两个序列取对数后进行单个序列拟合和协整检验。
(2)出口序列拟合的模型为Inxt~ARIMA(1,1,0),具体口径为:
进口序列拟合的模型为lnyt~ARIMA(1,1,0),具体口径为:
(3)lnyt和lnxt具有协整关系
(4)协整模型为:
lnyt=0.99179lnxt+t-0.69938t-1
(5)误差修正模型为:
lnyt=0.97861
lnxt-0.22395ECM