ARIMA模型与ARIMA-GARCH模型预测时间序列

上世纪 70 年代初,Ljung 等人提出 ARIMA 模型,又称求和自回归移动平均模型。其思想 是针对于非平稳时间序列进行数学建模,将其通过差分运算后 进行相关数据刻画 ,变为一个平稳的新序列,进而进行相关数据的刻画。
1982 Engle 提出了 ARCH 过程后,Boller⁃ slev 在1 986 年提 出 了 ARCH 模 型的 一 种 重要
推广模型,被称为 GARCH 模型。
ARIMA模型与ARIMA-GARCH模型是计量经济学中的常见模型,用于预测时间序列。
接下来使用上述模型分析汇率序列,序列如下图所示:

建模步骤

1.时间序列相关性检验

构建ARIMA模型前,我们需要对原始时间序列数据进行平稳性检验,如果原序列为单整的不平稳序列,我们就需要进行调整让其平稳。

2.ARIMA(p,d,q)模型识别

由上述ADF检验,我们得到一个平稳序列△Y,所以d=1;至于p,q的选取我们可以参考序列的自相关图

ARIMA模型的p,d,q可以通过算法遍历来实现:

3.ARIMA模型预测

4.ARIMA-GARCH模型建模

建模之前需要对时间序列进行ARCH效应检验,该模型可以处理ARIMA模型残差的异方差性,进而提高模型的预测准确度。

  • 9
    点赞
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

马尔可夫宽

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值