arima基本原理_单变量的ARIMA预测

一、

在经济分析工作中使用ARIMA模型进行预测的意义。

ARIMA英文auto-regressive integrated moving average

process的缩写，意为"求合自回归滑动平均过程"。与其他预测分析方法(如计量经济模型预测)相比，此方法具有以下特点：

(一)

ARIMA模型预测只考虑预测序列本身历史数据反映和包容的信息，几乎不直接考虑其他相关指标的信息。

经济现象是十分复杂的，各种经济现象间存在着广泛而普遍的联系，几乎所有经济变量都是在这种错综复杂的关系中，随着其他经济变量的变化而变化的，在经济领域，根本不存在孤立的宏观运动。既然如此，仅仅根据预测指标本身历史数据进行预测的ARIMA方法还有什么实际意义呢？这里有两点必要说明。

第一，

ARIMA方法不直接考虑其他相关经济变量的变化，不等于完全忽视这些因素的影响。因为预测指标的历史数据正是在各种相关因素的宏观作用下形成的，对预测指标历史数量变动规律的概括，正是对其他因素关于预测指标影响规律的概括，根据历史数据进行预测，正是由这种变动规律出发对指标的未来数值作推算。

第二，

由于各种经济变量的相对稳定性，在一个较短的时期内，可以大致认为各经济因素对预测指标的影响规律及这些经济因素本身的变动趋势是不变的，因此，只要外推时间不长，利用预测指标历史数据进行预测也能够保证一定的预测精度。

(二)

根据ARIMA预测方法的第一个特点，我们不难发现它的第二个特点：即主要适用于短期预测。

(三)

由于ARIMA预测模型不直接考虑其他