时间序列分析 第五章-非平稳序列的随机分析汇总

残差序列条件方差假定下95%的置信上限：Ucl_GARCH=1.96*sqrt(cev); 条件方差假定下，序列的95%的置信下限Lcl_p=p-1.96*sqrt(cev); 条件方差假定下，序列的95%的置信上限Ucl_p=p+1.96*sqrt(cev); 分别绘制两种拟合效果图，图（19）是针对残差序列的波动性拟合情况，及在方差齐性和非齐两种假定下的置信区间，绘制命令如下： plot residual*t=2 l95*t=3 Lcl_GARCH*t=4 u95*t=3 Ucl_GARCH*t=4/overlay; 图（19） 残差序列在两种方差假定下的置信区间效果图 图（21）是原序列的拟合情况，及在方差齐性和非齐两种假定下的置信区间，绘图命令如下： plot x*t=5 lcl*t=3 LCL_p*t=4 ucl*t=3 UCL_p*t=4/overlay; 图（21） 序列在两种方差假定下的置信区间效果图 13

图中，中间的波动曲线为残差序列或原序列，虚线为根据无条件方差得到的95%置信区间，而实线为根据条件方差得到的95%置信区间。

习题1

data example5_1; input x@@; difx=dif(x); t=_n_; cards;

304 303 307 299 296 293 301 293 301 295 284 286 286 287 284 282 278 281 278 277 279 278 270 268 272 273 279 279 280 275 271 277 278 279 283 284 282 283 279 280 280 279 278 283 278 270 275 273 273 272 275 273 273 272 273 272 273 271 272 271 273 277 274 274 272 280 282 292 295 295 294 290 291 288 288 290 293 288 289 291 293 293 290 288 287 289 292 288 288 285 282 286 286 287 284 283 286 282 287 286 287 292 292 294 291 288 289 ;

proc gplot; plot x*t;

symbol v=star c=black i=join; proc gplot;

plot x*t difx*t;

symbol v=star c=black i=join; proc arima;

identify var=x(1); estimate p=1;

forecast lead=5 id=t; run; 实验结果：

14

x31030029028027026001020304050t60708090100110 图1.1 序列时序图 由时序图可知，该序列不平稳，是一个非平稳序列。 x100-10-2001020304050time60708090100110 图1.2 序列difx时序图 差分运算的实质是使用自回归方式提取确定性信息，因此用1阶差分对序列的信息提取。该时序图没有明显的非平稳特征。 15

图1.3 序列difx模型拟合结果 根据检验结果显示，该序列延迟各阶的P值都大于显著性水平0.05，接受原假设，即股票的收盘价1阶差分序列为非白噪声序列。 图1.4预测结果 由上图可得，预测该股票下一天的收盘价为288.6812。 习题5 data example5_1; input x@@; difx=dif(x); t=_n_; cards; 2203 2360 2254 2165 2024 2078 2214 2292 2207 2119 2119 2137 2132 1955 1785 1747 1818 1909 1958 1892 1919 1853 1868 1991 2111 2119 1991 1859 1856 1924 1892 1916 1968 1928 1898 1850 16