应用时间序列分析课程设计

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

课程设计报告

课程:应用时间序列分析学号:

姓名:

班级:

教师:

《应用时间序列分析》

课程设计指导书

一、课程设计的目的

随着社会经济的不断发展,越来越多的集体甚至个人都参与到股票的投资当中,希望在保值的前提下使得财富增值。但因股票的波动性和风险性,因而股市中股票价格的形成机制是个很具吸引力的研究课题。时间序列分析是预测股票价格走势的方法之一,应用数理统计方法加以处理,以预测股价未来的走势。

课程设计运用专业课程《应用时间序列分析》的知识,对青岛海尔股票在2012年1月4日至2013年12月16日收盘情况运用minitab统计软件对数据进行分析,时序图和自相关图的平稳性检验,对原序列进行差分运算,再对差分序列进行平稳性检验,然后对平稳厚的差分序列进行白噪声检验,对平稳非白噪声差分序列的ARIMA模型拟合,模型检验,以及模型预测。

二、设计名称:

青岛海尔股票收盘价的分析与预测

三、设计要求

对青岛海尔股票在2012年1月4日至2013年12月16日的共456个数据,建立模型模型,并对其后五日收盘价格进行预测。

四、设计过程

1、画出时间序列的时序图,根据所画的时序图粗略判别序列是否平稳;

2、根据序列的自相关图判别序列是否平稳;

3、利用单位根检验方法,判别序列的平稳性;

4、模型识别。根据自相关系数和偏自相关系数的性质和特点,判别模型属于哪种类型;

5、参数估计。根据选定的模型类别进行模型的参数估计;

6、进行相应的检验。包括模型的稳定性、可逆性的判定;参数的显著性检验;残差的白噪声检验等;

7、模型优化。对所建立的多个模型,根据AIC准则等进行优化选择;

9、预测。应用所建立的模型,进行未来5期的预测;

10、模型的评价。应用相关的评价准则,对所选择的模型进行评价。11、撰写设计报告。报告一律要求用Word文档纂写,内容及要求见指导书。

五、设计细则

六、说明

课程设计任务书

姓名学号班级

课程名称应用时间序列分析课程性质专业必修设计时间2013年12月8 日——2013 年12 月20日设计名称青岛海尔股票收盘价的分析与预测

设计要求

对青岛海尔股票在2012年1月4日至2013年12月16日的共456个数据,建立模型模型,并对其后五日收盘价格进行预测。

设计思路

设计过程

1、画出时间序列的时序图,根据所画的时序图粗略判别序列是否平稳;

2、根据序列的自相关图判别序列是否平稳;

3、利用单位根检验方法,判别序列的平稳性;

4、模型识别。根据自相关系数和偏自相关系数的性质和特点,判别模型属于哪种类型;

5、参数估计。根据选定的模型类别进行模型的参数估计;

6、进行相应的检验。包括模型的稳定性、可逆性的判定;参数的显著性检验;残差的白噪声检验等;

7、模型优化。对所建立的多个模型,根据AIC准则等进行优化选择;

9、预测。应用所建立的模型,进行未来5期的预测;

10、模型的评价。应用相关的评价准则,对所选择的模型进行评价。

11、撰写设计报告。报告一律要求用Word文档纂写,内容及要求见指导书。

计划与进度 12月8日到10日确定课题,寻找整理数据,12月14

日到20日分析数据

任课教师

意见

说明

设计名称:青岛海尔股票收盘价的分析与预测

日期:2013年12月8 日——2013 年12 月20日

设计内容:股票收盘价的分析与预测

设计目的与要求:

对青岛海尔股票在2012年1月4日至2013年12月16日的共456个数据,建立模型模型,并对其后五日收盘价格进行预测。

设计环境或器材、原理与说明:

设计环境和器材:minitab 软件

设计原理与说明: 时序图检验

根据平稳时间序列均值、方差为常数的性质,平稳序列的时序图应该显示出该序列始终在一个常数值附近随机波动,而且波动的范围有界、无明显趋势及周期特征

自相关图检验

平稳序列通常具有短期相关性。该性质用自相关系数来描述就是随着延迟期数的增加,平稳序列的自相关系数会很快地衰减向零 纯随机序列也称为白噪声序列,它满足如下两条性质

差分方法是一种非常简便、有效的确定性信息提取方法

Cramer 分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息 差分运算的实质是使用自回归的方式提取确定性信息

模型简介:

自回归移动平均模型(Auto-regressive moving-average model,简称ARMA 模型)。它是一种精度相当高的短期预测方法,而且不需要事先假定数据存在着一定的结构或模式,而是从数据本身出发来寻找可以较好描述数据的模式,从而可以保证模型与数据拟合较好。

若时间序列为它的当前和前期的误差、随机项以及前期值的线性函数,可以表示为:

设计过程(步骤)或程序代码:

整理出2012年1月4日—2013年12月16日青岛海尔收盘价格序列。详见excel

文件时间序列课程设计数据

T s t s

t s t s t T t EX t ∈∀⎩⎨⎧≠==∈∀=,,,0,),()2(,)1(2σγμ∑

=--=

-=∇d i i t i d i t d t d x C x B x 0)1()1(

一、平稳性检验 1、时序图的平稳性检验

年月日2013

2012

三月

一月十一月

九月七月五月三月111111120.0

17.5

15.0

12.5

10.0

收盘价

收盘价 的时间序列图

时序图较为清晰的显示了收盘价有趋势性和季节性趋势,显然该序列不是平稳序列。

2、自相关图的平稳性检验

为了进一步确定序列的平稳性,利用平稳性判别理论自相关图来判别序列的平稳性。根据收盘价格数据求出序列的自相关系数如图所示。

相关文档
最新文档