应用时间序列分析实验指导书
应用时间序列分析 实验指导书
目录SAS基本操作实验一时间序列的SAS基本操作1使用DATA步创建SAS数据集1.1创建临时数据集..1.2创建永久数据集，21.3查看数据集..2.32时间序列数据集的处理，2.1时间间隔函数的使用.32.2序列变换，.42.3子集52.4缺失值插值5实验二时间序列的预处理6.61绘制时序图2平稳性与纯随机性检验.72.1平稳性检验.2.2纯随机性检验..9实验三平稳时间序列分析.9.15实验四非平稳时间序列随机分析1拟合ARIMA模型..152拟合Auto-Regressive模型.182.1建立数据集，绘制时序图..182.2因变量关于时间的回归模型..19.222.3延迟因变量回归模型..3拟合GARCH模型.24实验五非平稳时间序列确定性分析.291拟合线性趋势.292拟合非线性趋势.303X—11过程...33.354Forecost过程..38Eviews基本操作..1
1 目录 SAS 基本操作 .1 实验一 时间序列的 SAS 基本操作 .1 1 使用 DATA 步创建 SAS 数据集 .1 1.1 创建临时数据集.1 1.2 创建永久数据集.2 1.3 查看数据集.2 2 时间序列数据集的处理 .3 2.1 时间间隔函数的使用.3 2.2 序列变换.4 2.3 子集.5 2.4 缺失值插值.5 实验二 时间序列的预处理 .6 1 绘制时序图 .6 2 平稳性与纯随机性检验 .7 2.1 平稳性检验.7 2.2 纯随机性检验.9 实验三 平稳时间序列分析 .9 实验四 非平稳时间序列随机分析 .15 1 拟合 ARIMA 模型 .15 2 拟合 Auto-Regressive 模型 .18 2.1 建立数据集，绘制时序图.18 2.2 因变量关于时间的回归模型.19 2.3 延迟因变量回归模型.22 3 拟合 GARCH 模型 .24 实验五 非平稳时间序列确定性分析 .29 1 拟合线性趋势 .29 2 拟合非线性趋势 .30 3 X—11 过程.33 4 Forecost 过程.35 Eviews 基本操作 .38
实验一时间序列的预处理38.381建立数据集.2绘制时序图.403纯随机性检验.414单位根检验..42.44实验二平稳时间序列1建立数据集..442平稳性检验462.1绘制时序图..462.2单位根检验463模型识别.. 484.模型参数估计.505模型的显著性检验.536模型预测.55实验三ARIMA模型.581绘制时序图，.591.1建立数据集，.591.2平稳性检验..60.612差分序列，建立ARIMA模型.6533.12阶差分序列纯随机性检验，..653.2模型识别..663.3参数估计..67.683.4对残差序列进行检验..694模型优化5%模型预测.70实验四残差自回归模型（一）.71..721绘制时序图：.722因变量关于时间的Auto-Regressive模型，2.1拟合因变量关于时间的Auto-Regressive模型..72.732.2对残差序列拟合模型..773拟合延迟因变量的Auto-Regressive模型3.1拟合延迟因变量的Auto-Regressive模型..773.2拟合残差序列模型782
2 实验一 时间序列的预处理 .38 1 建立数据集 .38 2 绘制时序图 .40 3 纯随机性检验 .41 4 单位根检验 .42 实验二 平稳时间序列 .44 1 建立数据集 .44 2 平稳性检验 .46 2.1 绘制时序图.46 2.2 单位根检验.46 3 模型识别 .48 4 模型参数估计 .50 5 模型的显著性检验 .53 6 模型预测 .55 实验三 ARIMA 模型 .58 1 绘制时序图 .59 1.1 建立数据集.59 1.2 平稳性检验.60 2 差分序列 .61 3 建立 ARIMA 模型 .65 3.1 2 阶差分序列纯随机性检验 .65 3.2 模型识别.66 3.3 参数估计.67 3.4 对残差序列进行检验.68 4 模型优化 .69 5 模型预测 .70 实验四 残差自回归模型（一） .71 1 绘制时序图 .72 2 因变量关于时间的 Auto-Regressive 模型 .72 2.1 拟合因变量关于时间的 Auto-Regressive 模型.72 2.2 对残差序列拟合模型.73 3 拟合延迟因变量的 Auto-Regressive 模型 .77 3.1 拟合延迟因变量的 Auto-Regressive 模型.77 3.2 拟合残差序列模型.78
实验五残差自回归模型（二）791绘制时序图..792建立因变量关于时间的线性回归模型803检验残差序列的相关性与异方差性，.80.813.1自相关性检验.3.2异方差性检验.814残差自回归模型，.83.845条件异方差模型，..86实验六确定性模型，1X-11季节模型..861.1建立数据集.861.2使用X-11过程进行季节调整..872构建X-12-ARIMA模型.89.903模型预测903.1简单指数平滑预测..923.2两参数指数平滑预测3.3Holt-Winters三参数指数平滑预测.94实验七季节模型.951简单季节模型.971.1绘制时序图。.971.2差分平稳化。.97.991.3模型拟合.2乘积季节模型.103106实验八协整分析1绘制时序图，107单位根检验。.1082福2.1x的单位根检验1082.2y的单位根检验..109.1103建立协整模型.1103.1协整检验3.2建立协整模型.112参考文献113
3 实验五 残差自回归模型（二） .79 1 绘制时序图 .79 2 建立因变量关于时间的线性回归模型 .80 3 检验残差序列的相关性与异方差性 .80 3.1 自相关性检验.81 3.2 异方差性检验.81 4 残差自回归模型 .83 5 条件异方差模型 .84 实验六 确定性模型 .86 1 X-11 季节模型.86 1.1 建立数据集.86 1.2 使用 X-11 过程进行季节调整.87 2 构建 X-12-ARIMA 模型 .89 3 模型预测 .90 3.1 简单指数平滑预测.90 3.2 两参数指数平滑预测.92 3.3 Holt-Winters 三参数指数平滑预测 .94 实验七 季节模型 .95 1 简单季节模型 .97 1.1 绘制时序图.97 1.2 差分平稳化.97 1.3 模型拟合.99 2 乘积季节模型 .103 实验八 协整分析 .106 1 绘制时序图 .107 2 单位根检验 .108 2.1 x 的单位根检验 .108 2.2 y 的单位根检验 .109 3 建立协整模型 .110 3.1 协整检验.110 3.2 建立协整模型.112 参考文献 .113
SAS基本操作实验一时间序列的SAS基本操作一、实验目的：了解时间序列分析的基本步骤，熟悉SAS/ETS软件使用方法。二、实验内容：使用DATA步创建SAS数据集，时间序列数据集的处理。三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。四、实验时间：1小时。五、实验软件：SAS系统。六、实验步骤1使用DATA步创建SAS数据集1.1创建临时数据集data examplel_l;input timemonyy7.price;formattime monyy5.;cards;5101jan200582feb200566mar200535apr2005may200531jun20057"run;实验结果：timeprice1JANO5101FEBO5822MAR0566335APRO54315MAY0576JUNO5实验分析：提交这个程序开始运行，运行结束后一个名为exampl_1的临时数1
1 SAS 基本操作 实验一 时间序列的 SAS 基本操作 一、实验目的：了解时间序列分析的基本步骤，熟悉 SAS/ETS 软件使用方法。 二、实验内容：使用 DATA 步创建 SAS 数据集，时间序列数据集的处理。 三、实验要求：了解时间序列分析的基本步骤，注意各种语句的输出结果。 四、实验时间：1 小时。 五、实验软件：SAS 系统。 六、实验步骤 1 使用 DATA 步创建 SAS 数据集 1.1 创建临时数据集 data example1_1; input time monyy7. price; format time monyy5. ; cards; jan2005 101 feb2005 82 mar2005 66 apr2005 35 may2005 31 jun2005 7 ; run; 实验结果： 实验分析：提交这个程序开始运行，运行结束后一个名为 examp1_1 的临时数
据集就建立了，在本次SAS运行中，我们可以随时调用这个数据集，该数据集在本次SAS系统运行中始终存在，而一旦退出本次操作，该库中的数据集将被全部删除。SAS会自动的把所有缺省数据库名的数据集存在work数据库中。1.2创建永久数据集data sasuser examplel_l;input time monyy7.price;formattime monyy5.;cards;jan200510182feb200566mar2005apr200535may200531jun20057;run;proc print data=examplel_l;run;实验结果：timeprice1011JANO52FEBOS8266MAR05354APROSSMAY053176JUNOS实验分析：该程序的到了一个名为sasuser.examplel1的永久数据集。所谓的永久数据库就是指在该库建立的数据集不会因为我们退出SAS系统而丢失，它会永久的保存在该数据库中，我们以后进入SAS系统还可以从该库中调用该数据集。1.3查看数据集data examplel l;input time monyy7. price;format time monyy5.;cards;jan2005 101feb2005822
2 据集就建立了，在本次 SAS 运行中，我们可以随时调用这个数据集，该数据集在 本次 SAS 系统运行中始终存在，而一旦退出本次操作，该库中的数据集将被全部 删除。SAS 会自动的把所有缺省数据库名的数据集存在 work 数据库中。 1.2 创建永久数据集 data sasuser example1_1; input time monyy7. price; format time monyy5. ; cards; jan2005 101 feb2005 82 mar2005 66 apr2005 35 may2005 31 jun2005 7 ; run; proc print data=example1_1; run; 实验结果： 实验分析：该程序的到了一个名为 sasuser.example1_1 的永久数据集。所谓 的永久数据库就是指在该库建立的数据集不会因为我们退出 SAS 系统而丢失，它 会永久的保存在该数据库中，我们以后进入 SAS 系统还可以从该库中调用该数据 集。 1.3 查看数据集 data example1_1; input time monyy7. price; format time monyy5. ; cards; jan2005 101 feb2005 82
mar200566apr2005351may2005311jun20057"run;proc printdata=examplel_l;run;实验结果：Obstimeprice12345101JAN0588597FEB05MAR05APR05MAY05coJUN05实验分析：使用print程序查看数据集。交建立好一个数据集后，我们可以使用print程序查看这个数据集的结果。命令格式为：procprintdata=数据库名.数据集名；在原程序中添加如下命令可以查看临时数据集examplel1的内容。2时间序列数据集的处理2.1时间间隔函数的使用data examplel_2;input price;time=intnx('month',"01jan2005'd,_n_-1);format time monyy.;cards;3.413.453.423.533.45;procprintdata=examplel2;run;实验结果：3
3 mar2005 66 apr2005 35 may2005 31 jun2005 7 ; run; proc print data=example1_1; run; 实验结果： 实验分析：使用 print 程序查看数据集。建立好一个数据集后，我们可以使用 print 程序查看这个数据集的结果。命令格式为：proc print data=数据库名.数据集 名；在原程序中添加如下命令可以查看临时数据集 example1_1 的内容。 2 时间序列数据集的处理 2.1 时间间隔函数的使用 data example1_2; input price; time=intnx('month','01jan2005'd,_n_-1); format time monyy.; cards; 3.41 3.45 3.42 3.53 3.45 ; proc print data=example1_2; run; 实验结果：
Obstimeprice1283:4JAN05FEB053.42MAR0543.53APR0553.45MAY05实验分析：time=intnx（‘month，‘01jan2005d，_n_-1)；指定用intnx函数给时间变量time赋值。具体操作是以2005年1月1日为起始时间，以月为时间间隔，从起始时刻2005年1月1日开始每读入一个price的数据，就自动产生一个time的时间数据。Intnx函数包括三个参数：第一个参数是指定等时间间隔，本例中指定等时间间隔为月‘month；第二个参数是指定参照时间，本例的参照时间是01jan2005'd；第三个参数是n-k，这个参数主要是调整开始观测指针。2.2序列变换dataexamplel_3;input price;logprice=log(price);time=intnx('month',"01jan2005'd,_n_-1);formattimemonyy.;cards;3.413.453.423.533.45;proc print data=examplel 3;run;实验结果：Obspricelogpricetime29:1JAN051.22671:41.23837FEB058.42MAR051.22964I3.531.26130APR05L3.451.23837MAY05实验分析：在时间序列分析中，我们得到的是观测值序列xt，但是需要分析的可能是这个观察值序列的某个函数变换，例如对数序列Inxt。在建立数据集时，我们可以通过简单的赋值命令实现这个变换。再该程序中，logprice=log（price）；是一个简单的赋值语句，将price的对数函数值赋值给一个新的变量logprice，即建立了一个新的对数序列。4
4 实验分析：time=intnx（‘month’，‘01jan2005’d，_n_-1）；指定用 intnx 函数 给时间变量 time 赋值。具体操作是以 2005 年 1 月 1 日为起始时间，以月为时间 间隔，从起始时刻 2005 年 1 月 1 日开始每读入一个 price 的数据，就自动产生一 个 time 的时间数据。Intnx 函数包括三个参数：第一个参数是指定等时间间隔， 本例中指定等时间间隔为月‘month’；第二个参数是指定参照时间，本例的参照 时间是‘01jan2005’d；第三个参数是_n_-k，这个参数主要是调整开始观测指针。 2.2 序列变换 data example1_3; input price; logprice=log(price); time=intnx('month','01jan2005'd,_n_-1); format time monyy.; cards; 3.41 3.45 3.42 3.53 3.45 ; proc print data=example1_3; run; 实验结果： 实验分析：在时间序列分析中，我们得到的是观测值序列 xt，但是需要分析 的可能是这个观察值序列的某个函数变换，例如对数序列 lnxt。在建立数据集时， 我们可以通过简单的赋值命令实现这个变换。再该程序中，logprice=log（price）； 是一个简单的赋值语句，将 price 的对数函数值赋值给一个新的变量 logprice，即 建立了一个新的对数序列
2.3子集data examplel_4;set examplel_3;keep time logprice;wheretime>='0lmar2005'd;procprintdata=examplel_4;run;实验结果：Obstimelogprice-201.22964MAR051.26130APR05MAY051.23837实验分析：当我们只需要分析一个时间序列中的部分序列值时，这时可以在data步中建立一个子集。例如在本例中，我们只需要分析数据集examplel_3中2005年3-5月的对数价格序列，建立相应的子集examplel_4。“dataexample1_4”告诉系统要建立一个名为examplel_4的临时数据集；“setexamplel_3”是说数据集examplel_4是数据集examplel_3的子集。注意example1_3数据集要在本次SAS运行中已经存在；“keeptimelogprice”告诉系统数据集examplel_4中只需要保留两个变量：一个是time，一个是logprice。“wheretime>=01mar2005”d”指令系统只将数据集example1_3中的时间大于等于2005年3月1日的那些数据输入数据集examplel_4。2.4缺失值插值data examplel_5;input price;time=intnx('month',01jan2005'd,_n_-1);format time date.icards;3.413.45.....3.533.45;proc expandddata=examplel_5out=examplel_6;id time;5
5 2.3 子集 data example1_4; set example1_3; keep time logprice; where time>='01mar2005'd; proc print data=example1_4; run; 实验结果： 实验分析：当我们只需要分析一个时间序列中的部分序列值时，这时可以在 data 步中建立一个子集。例如在本例中，我们只需要分析数据集 example1_3 中 2005 年 3-5 月的对数价格序列，建立相应的子集 example1_4。“data example1_4” 告诉系统要建立一个名为 example1_4 的临时数据集；“set example1_3”是说数 据集 example1_4 是数据集 example1_3 的子集。注意 example1_3 数据集要在本 次 SAS 运行中已经存在；“keep time logprice”告诉系统数据集 example1_4 中只 需要保留两个变量：一个是 time，一个是 logprice。“where time>=‘01mar2005’ d”指令系统只将数据集 example1_3 中的时间大于等于 2005 年 3 月 1 日的那些 数据输入数据集 example1_4。 2.4 缺失值插值 data example1_5; input price; time=intnx('month','01jan2005'd,_n_-1); format time date.; cards; 3.41 3.45 . 3.53 3.45 ; proc expand data=example1_5 out=example1_6; id time;
procprint data=examplel_5;proc print data=examplel_6;run;实验结果：ObstimepriceObstimeprice123.4101JAN05128401JAN053.410003.4501FEB0501FEB053.45000100401MAR0501MAR053.506933.5301APR0501APR053.5300053.4501MAY0501MAY053.45000实验分析：有时观察值序列会有缺失值，这会影响我们的分析。这时可以使用expand过程，使用插值方法补全缺失值。在本例子中2005年3月1日price的观察值缺失，故我们使用以上程序对缺失值进行补插，在该程序中“procexpanddata=examplel5out=examplel6”指令系统将数据集example15中的所有缺失值用插值的方法补全，并将补全后的数据集另存为数据集examplel_6。实验二，时间序列的预处理一、实验目的：掌握时间序列预处理方法。二、实验内容：绘制时序图，平稳性和纯随机性检验。三、实验要求：熟悉时间序列分析预处理的基本语句。四、实验时间：1小时。五、实验软件：SAS系统。六、实验步骤1绘制时序图data example2 l;input pricel price2;time=intnx('month',01jul2004d,_n_-1);format time date.;cards;12.8515.2113.2914.2312.41 14.6915.21 13.2714.2316.756
6 proc print data=example1_5; proc print data=example1_6; run; 实验结果： 实验分析：有时观察值序列会有缺失值，这会影响我们的分析。这时可以使 用 expand 过程，使用插值方法补全缺失值。在本例子中 2005 年 3 月 1 日 price 的观察值缺失，故我们使用以上程序对缺失值进行补插，在该程序中“proc expand data=example1_5 out=example1_6”指令系统将数据集 example1_5 中的所有缺失 值用插值的方法补全，并将补全后的数据集另存为数据集 example1_6。 实验二 时间序列的预处理 一、实验目的：掌握时间序列预处理方法。 二、实验内容：绘制时序图，平稳性和纯随机性检验。 三、实验要求：熟悉时间序列分析预处理的基本语句。 四、实验时间：1 小时。 五、实验软件：SAS 系统。 六、实验步骤 1 绘制时序图 data example2_1; input price1 price2; time=intnx('month','01jul2004'd,_n_-1); format time date.; cards; 12.85 15.21 13.29 14.23 12.41 14.69 15.21 13.27 14.23 16.75