数学建模之时间序列分析

EverydayOneCat

海洋！

知识点

1.笔记

2.平稳性检验

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。

SAS代码：

data a;
input  sha@@;
year=_n_;
dif=dif(sha);
cards;
97 130 156.5 135.2 137.7 180.5 205.2 190 188.6 196.7
180.3 210.8 196 223 238.2 263.5 292.6 317 335.4 327
321.9 353.5 397.8 436.8 465.7 476.7 462.6 460.8
501.8 501.5 489.5 542.3 512.2 559.8 542 567
;
run;
proc gplot;
plot sha*year=1 dif*year=2;
symbol1 v=circle i=join c=black;
symbol2 v=star i=join c=red;
proc arima data=a;
identify var=sha nlag=22;
run;

此图没有明显周期，也没有明显趋势，基本可以判断是平稳的

延迟了1步之后，他的相关系数稳定接近于0，说明这个序列具有短期相关性。

2.纯随机性检验

纯随机序列也称为白噪声序列，标准正态白噪声序列时序图

1、首先判断是否平稳，平稳后才能判断是否纯随机

2、白噪声检验

3.平稳时间序列建模

选择合适的模型ARMA拟合1950年——1998年北京市城乡居民定期储蓄比例序列。

先进行平稳性检验：

data a;
input year prop;
cards;
1950	83.5
1951	63.1
1952	71
1953	76.3
1954	70.5
1955	80.5
1956	73.6
1957	75.2
1958	69.1
1959	71.4
1960	73.6
1961	78.8
1962	84.4
1963	84.1
1964	83.3
1965	83.1
1966	81.6
1967	81.4
1968	84
1969	82.9
1970	83.5
1971	83.2
1972	82.2
1973	83.2
1974	83.5
1975	83.8
1976	84.5
1977	84.8
1978	83.9
1979	83.9
1980	81
1981	82.2
1982	82.7
1983	82.3
1984	80.9
1985	80.3
1986	81.3
1987	81.6
1988	83.4
1989	88.2
1990	89.6
1991	90.1
1992	88.2
1993	87
1994	87
1995	88.3
1996	87.8
1997	84.7
1998	80.2
;
proc gplot;
plot prop*year=1;
symbol1 v=diamond i=join c=red;
proc arima data=a;
identify var=prop nlag=22;
run;

在0上下波动，说明此序列平稳。

白噪声检验：

拒绝原假设H0：p1=……=pi=0，说明序列之间有信息传递，是可以做一个ARMA模型的。

相对最优定阶方法：

为了尽量避免因个人经验不足导致的模型识别问题，SAS系统还提供了相对最优模型识别。只要在identify命令中加上一个可选命令minic，就可以获得一定范围内的最优模型定界。

修改代码：

identify var=prop nlag=22 minic p=(0:5)  q=(0:5);

说明p=4，q=0。推断出为AR模型

增加SAS代码：

estimate p=4 q=0;

发现2,3,4没通过t检验。修改p=1

可得出AR模型公式，类似于下图

残差需要接受白噪声检验。可以看出所有的都接受了原假设：残差序列为白噪声序列

编写预测代码：

forecast id=year lead=5 out=out;

编写代码画图：

proc gplot data=out;
plot prop*year=2 forecast*year=3 l95*year=4 u95*year=4/overlay;
symbol2 v=star i=none c=black ;
symbol3 v=none i=join c=red w=2;
symbol4 v=none i=join c=green l=2 ;

4.非平稳序列差分方式的选择

1、原序列时序图：

差不多呈线性，我们使用一阶差分，差分后序列时序图：

2、原序列时序图：