当前位置：文档库 › 时间序列分析习题库

时间序列分析习题库

说明：答案请答在规定的答题纸或答题卡上，答在本试卷册上的无效。

一、填空题（本题总计25分）

1. 常用的时间序列数据，有年度数据、（）数据和（）数据。另外，

还有以（）、小时为时间单位计算的数据。

2. 自相关系数j ρ的取值范围为（）；j ρ与j -ρ之间的关系是（）；0ρ=（）。

3.判断下表中各随机过程自相关系数和偏自相关系数的截尾性，并用记号√（具有截尾

t t t Y εμ+= 的数学期望为；j 不等于0时，j 阶自协方差等于，j 阶自相关系数等于。因此，是一个随机过程。

1.（2分）时间序列分析中，一般考虑时间（）的（）的情形。

3. （6分）随机过程{}t y 具有平稳性的条件是：

（1）（）和（）是常数，与（）无关。

（2）（）只与（）有关，与（）无关。

1.白噪音{}t y 的性质是：t y 的数学期望为，方差为；t y 与j -t y 之间的协方差为。

1.（4分）移动平均法的特点是：认为历史数据中（）的数据对未来的数值有影响，其权数为（），权数之和为（）；但是，（）的数据对未来的数值没有影响。

2. 指数平滑法中常数α值的选择一般有2种：

（1）根据经验判断，α一般取。

（2）由确定。

3. （5分）下述随机过程中，自相关系数具有拖尾性的有（），偏自相关系数具有拖尾性的有（）。

①平稳AR(2) ②MA(1) ③平稳ARMA(1,2) ④白噪音过程

4.（5分）下述随机过程中，具有平稳性的有（），不具有平稳性的有（）。 ①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程

④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+

2.（3分）白噪音{}t ε的数学期望为（）；方差为（）；j 不等于0时，j 阶自协方差等于（）。

（2）自协方差与（）无关，可能与（）有关。

3. （5分）下述随机过程中，自相关系数具有截尾性的有（），偏自相关系数具有截尾性的有（）。

①平稳AR(1) ②MA(2) ③平稳ARMA(1,2) ④白噪音

4.（4分）设滞后演算子为L 。

（1）()=-c L 51（）（c 为常数）；

（2）=?t s Y （）t Y 。一般地，当数据为季度数据时，s 取值（），数据为月份数据时，s 取值（）。

5.（3分）平稳时间序列模型识别时应遵循的原则是（）原则，即（）。

6.（4分）随机过程{}t y 的自协差生成函数)(z g y 等于（），谱密度)(w S y 等于（）。（写出定义式或计算公式）

4．（2分）利用自相关系数进行模型的识别时，检验方法有：

（1）（）检验；（2）（）检验；（3）Ljun g -Box 检验。

7. （3分）GNP 等很多经济时间序列更接近于（）的形式。所以，一般先将数据（），从而变换为（）趋势后再进行分析。

7. （3分）自相关系数j ρ的取值范围是。另外，=0ρ ，j ρ与j -ρ之间的关系是。

8. （1分）当时，可以利用以下公式：

() ++++=--33221L L L 1L 1λλλλ

6. 利用一组变量t X 预测1+t Y 时，可以证明，使均方误差最小的预测，等于。

4.（6分）随机过程{}t y 具有平稳性的条件是：

（1）（）和（）是常数，与（）无关。

（2）（）只与（）有关，与（）无关。

二、证明题（本题总计15分，每小题5分）

3. 下述系统是否稳定？为什么？

61+-=+t t Y Y

1. 当随机过程{}t Y 平稳时，证明：2)(μγ+=-j j t t Y Y E 。

2. 设随机过程{}t Y 平稳，t t Z Y α=。证明：随机过程{}t Z 平稳。

3.设t 1X z t ??=????，()???

? ??=μ1X t E ，??? ??'t t E X X 的逆矩阵为 ??

????--+112

22μμσμσ 证明：在t X 上预测常数C 时，预测值仍然是C 。

3. 设??????=t t x Z 1，()???

? ??=μ1t Z E ，t x 的方差为2σ， ??? ??'?t t Z Z E 的逆矩阵为： ??

????--+112

22μμσμσ 证明：在t Z 上预测t x 时，其预测值仍为t x 。

()()()()1

1s s 1. L 1L ,

L 1L L φφφ--+ψ=-ψ??=-????设证明：

2.证明：白噪音{}t ε具有平稳性。

2.证明：当{}t y 平稳性时，t y 和t j y -之间的相关系数可以写为

3.证明：当随机过程{}t Y 满足t t Y 12.5ε=+时，证明其谱密度为221σπ。提示：谱密度的计算公式为：iwj y j j 1S (w)e 2γπ∞-=-∞=∑ 3.证明：当随机过程{}t Y 满足t t Y 2.5ε=+时，证明其谱密度为221σπ

。 1. 移动平均法的计算公式为

[]1211+---++++=

N t t t t t Y Y Y Y N

M 证明：[]N t t t t Y Y N M M ---+=11 1. 指数平滑法的计算公式为

()∑∞=--=01j j t j

t Y S αα

()j t t j 0

Corr y ,y γγ-=

证明：[]11---+=t t t t S Y S S α。

1. 证明下述模型不具有平稳性：

t t t y y ε+=-1 （00=y ）

3. 证明：当1≥φ时，1阶差分系统 t t t w Y Y +=-1φ 不具有稳定性。

3. 随机过程{}t Y 的谱密度为

????????+=∑

∞=)cos(221)(10wj w S j j y γγπ 证明：{}t Y 为白噪音时，谱密度等于221σπ

。 3. 当随机过程{}t Y 为白噪音时，证明其谱密度为221σπ。

1. 用滞后算子L ，证明指数平滑法的2个公式等值：

()∑∞

=-+-==011?j j

t j t t Y S Y αα []11---+=t t t t S Y S S α

其中，10<<α。

2. 设t 1X z t ??=????，()???

? ??=01X t E ，()2z var σ=t 。证明：（1）t X 的方差为??

????2001σ （2）在t X 上预测常数C 时，预测值仍然是C 。

三、简答题（本题总计20分，每小题5分）

4. 简要解释：谱密度)(w S y 的取值范围，对称性，及与自协方差生成函数)(z g y 的关系。

5．设??????=1x 1X t ，()???? ??=μ1X t E ，()

2221x E σμ+= ??? ??'?t t E X X 的逆矩阵为??

????--+11222μμσμσ 在t X 上预测1x 时，其预测值是什么？为什么？

1.j j γγ-和之间的关系是什么？为什么？（可举例说明）

1. 移动平均法和指数平滑法的主要区别是什么？

2. 自相关系数与相关系数之间的关系是什么？自相关系数的取值范围是什么？

1. 下述随机过程中，具有平稳性的过程有哪些？（不必证明或解释原因）

（1）白噪音（过程）；（2）随机漂移过程

（3）时间序列具有长期趋势的过程

（4）t t Y εμ+=（其中，t ε为白噪音）。

2.下述随机过程中，具有平稳性的有那些？不具有平稳性的有哪些？

（不需要证明或解释原因）

①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程

④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+

3．解释概念：ARIMA(p,d,q)模型。

4.设有时间序列数据12T Y ,Y ,,Y 。简述利用这些数据，进行时间序列分析的基本

方法。

3．解释MA 模型的可逆性。MA(1)的可逆性条件是什么？

2.指数平滑法的主要特点是什么？

3. 因为谱密度的定义为()iwj y j j 1S w e 2γπ∞-=-∞=∑，所以可以说()y S w 一般取复数值

吗？为什么？

1.移动平均法的特点是什么？

2．随机过程的平稳性需要满足什么条件？

3.解释概念：①自协差生成函数，②谱密度

4．设??????=t x 1X t ，()???

? ??=μ1X t E ，??? ??'?t t E X X 的逆矩阵为 ??

????--+112

22μμσμσ 在t X 上预测常数C 时，其预测值是什么？为什么？

3. 简单说明：判断时间序列是否平稳的基本方法。

1. 什么是自相关系数？其取值范围是什么？

2. 解释概念：时间序列的平稳性。

4. 简要解释：MA 模型的特点。

4. 简要解释：分析平稳时间序列的基本步骤。

1. 什么是动态系统的稳定性？下述系统是否具有稳定性？

t t t w Y Y +-=-12.1

4. 设Y 的谱密度为： ??

????+=∑∞=10)c o s (221)(j j Y wj

w S γγπ （1）写出Y 的自协差生成函数

（2）谱密度是w 的什么函数？

（3）谱密度的取值范围是什么？

（4）谱密度具有什么样的对称性？

5. 已知：AR(p)的Yule －Walker 方程为

p j j j j ---+++=ρρ?ρ?ρ 2211

说明：用矩估计法估计AR(2)中总体参数的方法。

四、计算题（本题总计40分，每小题10分）

1. 设有二阶差分方程：t t t t w Y Y Y ++=-116.06.0。

（1）计算1λ、2λ；

（2）根据上述结果，写出动态系数的计算公式；

（3）判断该差分方程系统的稳定性，并说明理由。

2. 设有AR(1)过程：

t t t Y Y ε++=-18.03

其中, t ε为白噪音，其方差为20σ。

（1）计算t Y 的数学期望和方差；

（2）计算j=1时Y 的自协方差和自相关系数；

（3）判断该过程是否具有平稳性，并说明理由。

3. 设有MA(1)过程：

12.13--+=t t t Y εε

其中，t ε为白噪音，其方差为20σ。

（1）计算t Y 的数学期望和方差；

（2）计算j=1,2时的t Y 的自协方差；（3）判断该过程是否具有平稳性，并说明理由。

4. 设有随机过程：18.012--+=t t t Y εε。求Y 的自协差生成函数和谱密度。

4. 某大型国有企业根据历年的利润总额，估计出下述模型：

t t t Y Y ε++=-17.01500

如果2008年该企业的利润总额为4500万元，预测2009年、2010年和2011年该企业的利润总额。从这些结果中，你能看出这种预测有什么特点吗？

时间序列分析习题

第8章时间序列分析一、填空题： 1．平稳性检验的方法有__________、__________和__________。 2．单位根检验的方法有：__________和__________。 3．当随机误差项不存在自相关时，用__________进行单位根检验；当随机误差项存在自相关时，用__________进行单位根检验。 4．EG检验拒绝零假设说明______________________________。 5．DF检验的零假设是说被检验时间序列__________。 6．协整性检验的方法有__________和__________。 7．在用一个时间序列对另一个时间序列做回归时，虽然两者之间并无任何有意义的关系，但经常会得到一个很高的2R的值，这种情况说明存在__________问题。 8．结构法建模主要是以______________________________来确定计量经济模型的理论关系形式。 9．数据驱动建模以____________________作为建模的主要准则。 10．建立误差校正模型的步骤为一般采用两步：第一步，____________________；第二步，____________________。二、单项选择题：

1. 某一时间序列经一次差分变换成平稳时间序列，此时间序列称为（）。 A．1阶单整 ??? B．2阶单整??? C．K阶单整 ?? ?D．以上答案均不正确 2.? 如果两个变量都是一阶单整的，则（）。 A．这两个变量一定存在协整关系 B．这两个变量一定不存在协整关系 C．相应的误差修正模型一定成立 D．还需对误差项进行检验 3．当随机误差项存在自相关时，进行单位根检验是由（）来实现。 A DF检验 B．ADF检验 C．EG检验 D．DW检验 4．有关EG检验的说法正确的是（）。 A．拒绝零假设说明被检验变量之间存在协整关系 B．接受零假设说明被检验变量之间存在协整关系 C．拒绝零假设说明被检验变量之间不存在协整关系 D．接受零假设说明被检验变量之间不存在协整关系

统计基础知识第五章时间序列分析习题及答案

第五章时间序列分析一、单项选择题 1.构成时间数列的两个基本要素是( C )（2012年1月） A.主词和宾词 B.变量和次数 C.现象所属的时间及其统计指标数值 D.时间和次数 2．某地区历年出生人口数是一个( B )（2011年10月） A．时期数列 B.时点数列 C.分配数列 D.平均数数列 3.某商场销售洗衣机，2008年共销售6000台，年底库存50台，这两个指标是( C ) （2010年10） A.时期指标 B.时点指标 C.前者是时期指标，后者是时点指标 D.前者是时点指标，后者是时期指标 4.累计增长量( A ) （2010年10） A.等于逐期增长量之和 B.等于逐期增长量之积 C.等于逐期增长量之差 D.与逐期增长量没有关系 5.某企业银行存款余额4月初为80万元，5月初为150万元，6月初为210万元，7月初为160万元，则该企业第二季度的平均存款余额为（ C ）（2009年10）万元万元万元万元 6.下列指标中属于时点指标的是( A ) （2009年10） A.商品库存量 B.商品销售量 C.平均每人销售额 D.商品销售额 7.时间数列中，各项指标数值可以相加的是( A ) （2009年10） A.时期数列 B.相对数时间数列 C.平均数时间数列 D.时点数列 8.时期数列中各项指标数值（ A ）（2009年1月） A.可以相加 B.不可以相加 C.绝大部分可以相加 D.绝大部分不可以相加 10.某校学生人数2005年比2004年增长了8%，2006年比2005年增长了15%，2007年比2006年增长了18%，则2004-2007年学生人数共增长了（ D ）（2008年10月）％+15％+18％％×15％×18％ C.（108％+115％+118％）-1 ％×115％×118％-1 二、多项选择题 1.将不同时期的发展水平加以平均而得到的平均数称为( ABD )（2012年1月） A.序时平均数 B.动态平均数 C.静态平均数 D.平均发展水平 E.一般平均数2．定基发展速度和环比发展速度的关系是( BD )（2011年10月） A．相邻两个环比发展速度之商等于相应的定基发展速度 B.环比发展速度的连乘积等于定基发展速度

第章时间序列分析课后习题答案

第9章时间序列分析课后习题答案第10章（1）30× 31.06×2 1.05= 30× = （万辆）（2117.11%== （3）设按%的增长速度n 年可翻一番则有 1.07460/302n == 所以 n = log2 / = （年）故能提前年达到翻一番的预定目标。第11章（1）以1987年为基期，2003年与1987年相比该地区社会商品零售额共增长： %86.2313186.213186.31%)8.61(%)2.81(%)101(555==-=-+?+?+ （2）年平均增长速度为 1%)8.61(%)2.81(%)101(15 555-+?+?+==% （3） 2004年的社会商品零售额应为 509.52)0833.01(307=+?（亿元）第12章（1）发展总速度%12.259%)81(%)101(%)121(3 43=+?+?+ 平均增长速度= %9892.91%12.25910 =- （2） 8.561%)61(5002 =+?（亿元）（3）平均数∑====415 .1424570 41j j y y （亿元）， 2002 年一季度的计划任务： 625.1495.142%105=?（亿元）。第13章 (1)用每股收益与年份序号回归得 ^ 0.3650.193t Y t =+。预测下一年(第11年)的每股收益为488.211193.0365.0? 11=?+=Y 元 (2)时间数列数据表明该公司股票收益逐年增加，趋势方程也表明平均每年增长元。是一个较为适合的投资方向。第14章（1）移动平均法消除季节变动计算表

（2）t T t ?+=63995.09625.8 上表中，其趋势拟合为直线方程t T t ?+=63995.09625.8。根据上表计算的季节比率，按照公式KL t t t S T Y -?=计算可得： 2004年第一季度预测值： 7723.21097301.1)1763995.09625.8(???11717=??+=?=S T Y

应用时间序列分析试卷一

应用时间序列分析试卷一 Document number【980KGB-6898YT-769T8CB-246UT-18GG08】

应用时间序列分析（试卷一）一、填空题 1、拿到一个观察值序列之后，首先要对它的平稳性和纯随机性进行检验，这两个重要的检验称为序列的预处理。 2、白噪声序列具有性质纯随机性和方差齐性。 3、平稳AR （p ）模型的自相关系数有两个显着的性质：一是拖尾性；二是呈负指数衰减。 4、MA(q)模型的可逆条件是：MA(q)模型的特征根都在单位圆内，等价条件是移动平滑系数多项式的根都在单位圆外。 5、AR （1）模型的平稳域是{}11<<-φφ。AR （2）模型的平稳域是 {}11,12221<±<φφφφφ且，二、单项选择题 1、频域分析方法与时域分析方法相比（D ） A 前者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 B 后者要求较强的数学基础，分析结果比较抽象，不易于进行直观解释。 C 前者理论基础扎实，操作步骤规范，分析结果易于解释。 D 后者理论基础扎实，操作步骤规范，分析结果易于解释。 2、下列对于严平稳与宽平稳描述正确的是（D ） A 宽平稳一定不是严平稳。 B 严平稳一定是宽平稳。 C 严平稳与宽平稳可能等价。 D 对于正态随机序列，严平稳一定是宽平稳。 3、纯随机序列的说法，错误的是（B ）

A时间序列经过预处理被识别为纯随机序列。 B纯随机序列的均值为零，方差为定值。 C在统计量的Q检验中，只要Q 时，认为该序列为纯随机序列，其中m为延迟期数。 D不同的时间序列平稳性检验，其延迟期数要求也不同。 4、关于自相关系数的性质，下列不正确的是（D） A. 规范性； B. 对称性； C. 非负定性； D. 唯一性。 5、对矩估计的评价，不正确的是（A） A. 估计精度好； B. 估计思想简单直观； C. 不需要假设总体分布； D. 计算量小（低阶模型场合）。 6、关于ARMA模型，错误的是（C） A ARMA模型的自相关系数偏相关系数都具有截尾性。 B ARMA模型是一个可逆的模型 C 一个自相关系数对应一个唯一可逆的MA模型。 D AR模型和MA模型都需要进行平稳性检验。 7、MA（q）模型序列的预测方差为下列哪项（B） A、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?< ? =? > ?? 22 1-1 22 1q （1++...+）（1++...+） B、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q （1++?+）（1++?+） C、 []2 q 2 , Va() , t l l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1 （1++?+）（1++?+） D、 []2 2 , Va() , l t l q r e l l q ξ ξ θθσ θθσ ?≤ ? =? > ?? 22 1-1 22 1q-1 （1++?+）（1++?+）

时间序列分析实验报告

《时间序列分析》课程实验报告

一、上机练习（P124） 1.拟合线性趋势程序： data xiti1; input x@@; t=_n_; cards; ; proc gplot data=xiti1; plot x*t; symbol c=red v=star i=join; run; proc autoreg data=xiti1; model x=t; output predicted=xhat out=out; run; proc gplot data=out; plot x*t=1 xhat*t=2/overlay; symbol2c=green v=star i=join; run; 运行结果：分析：上图为该序列的时序图，可以看出其具有明显的线性递增趋势，故使用线性模型进行拟合：x t=a+bt+I t,t=1,2,3,…,12 分析：上图为拟合模型的参数估计值，其中a=,b=，它们的检验P值均小于，即小于显著性水平，拒绝原假设，故其参数均显著。从而所拟合模型为：x t=+. 分析：上图中绿色的线段为线性趋势拟合线，可以看出其与原数据基本吻合。 2.拟合非线性趋势程序： data xiti2; input x@@; t=_n_;

cards; ; proc gplot data=xiti2; plot x*t; symbol c=red v=star i=none; run; proc nlin method=gauss; model x=a*b**t; parameters a= b=; =b**t; =a*t*b**(t-1); output predicted=xh out=out; run; proc gplot data=out; plot x*t=1 xh*t=2/overlay; symbol2c=green v=none i=join; run; 运行结果：分析：上图为该时间序列的时序图，可以很明显的看出其基本是呈指数函数趋势慢慢递增的，故我们可以选择指数型模型进行非线性拟合：x t=ab t+I t,t=1,2,3,…,12 分析：由上图可得该拟合模型为：x t=*+I t 分析：图中的红色星号为原序列值，绿色的曲线为拟合后的拟合曲线，可以看出原序列值与拟合值基本上是重合的，故该拟合效果是很好的。 3.X—11过程 40777 41778 43160 45897 41947 44061 44378 47237 43315 43396 44843 46835 42833 43548 44637 47107 42552 43526 45039 47940 43740 45007 46667 49325 44878 46234 47055 50318 46354 47260 48883 52605 48527 50237 51592 55152 50451 52294 54633 58802 53990 55477 57850 61978 程序： data xiti3;

时间序列分析--习题库

说明：答案请答在规定的答题纸或答题卡上，答在本试卷册上的无效。一、填空题（本题总计25分） 1. 常用的时间序列数据，有年度数据、（）数据和（）数据。另外，还有以（）、小时为时间单位计算的数据。 2. 自相关系数j ρ的取值范围为（）；j ρ与j -ρ之间的关系是（）；0ρ=（）。 3.判断下表中各随机过程自相关系数和偏自相关系数的截尾性，并用 2. 如果随机过程{}t ε为白噪音，则 t t Y εμ+= 的数学期望为；j 不等于0时，j 阶自协方差等于，j 阶自相关系数等于。因此，是一个随机过程。 1.（2分）时间序列分析中，一般考虑时间（）的（）的情形。 3. （6分）随机过程{}t y 具有平稳性的条件是：（1）（）和（）是常数，与（）无关。（2）（）只与（）有关，与（）无关。 7. 白噪音的自相关系数是：

1.白噪音{}t y 的性质是：t y 的数学期望为，方差为；t y 与j -t y 之间的协方差为。 1.（4分）移动平均法的特点是：认为历史数据中（）的数据对未来的数值有影响，其权数为（），权数之和为（）；但是，（）的数据对未来的数值没有影响。 2. 指数平滑法中常数α值的选择一般有2种：（1）根据经验判断，α一般取。（2）由确定。 3. （5分）下述随机过程中，自相关系数具有拖尾性的有（），偏自相关系数具有拖尾性的有（）。 ①平稳(2) ②(1) ③平稳(1,2) ④白噪音过程 4.（5分）下述随机过程中，具有平稳性的有（），不具有平稳性的有（）。 ①白噪音 ②t t y 1.23t+ε=+ ③随机漂移过程 ④t t t 1y 16 3.2εε-=++ ⑤t t y 2.8ε=+ 2.（3分）白噪音{}t ε的数学期望为（）；方差为（）；j 不等于0时，j 阶自协方差等于（）。（2）自协方差与（）无关，可能与（）有关。 3. （5分）下述随机过程中，自相关系数具有截尾性的有（），偏自相关系数具有截尾性的有（）。

时间序列分析上机操作题电子教案

20.1971年9月—1993年6月澳大利亚季度常住人口变动（单位：千人）情况如下表。问题：（1）判断该序列的平稳性与纯随机性。（2）选择适当模型拟合该序列的发展。（3）绘制该序列拟合及未来5年预测序列图。针对问题一：将以下程序输入SAS编辑窗口，然后运行后可得图1. data example3_1; input x@@; time=_n_;

cards; 63.2 67.9 55.8 49.5 50.2 55.4 49.9 45.3 48.1 61.7 55.2 53.1 49.5 59.9 30.6 30.4 33.8 42.1 35.8 28.4 32.9 44.1 45.5 36.6 39.5 49.8 48.8 29 37.3 34.2 47.6 37.3 39.2 47.6 43.9 49 51.2 60.8 67 48.9 65.4 65.4 67.6 62.5 55.1 49.6 57.3 47.3 45.5 44.5 48 47.9 49.1 48.8 59.4 51.6 51.4 60.9 60.9 55.8 58.6 62.1 64 60.3 64.6 71 79.4 59.9 83.4 75.4 80.2 55.9 58.5 65.2 69.5 59.1 21.5 62.5 170 -47.4 62.2 60 33.1 35.3 43.4 42.7 58.4 34.4 ; proc gplot data=example3_1; plot x*time=1; symbol1c=red I=join v=star; run;

图1 该序列的时序图由图1可读出：除图中170和-47.4这两个异常数据外，该时序图显示澳大利亚季度常住人口变动一般在在60附近随机波动，没有明显的趋势或周期，基本可视为平稳序列。再接着输入以下程序运行后可输出五方面的信息。具体见表1-表5. proc arima data= example3_1; identify Var=x nlag=8; run; 表1 分析变量的描述性统计从表1可读出分析变量的名称、该序列的均值；标准差及观察值的个数（样本容量）。表2 样本自相关图由表2可知：样本自相图延迟3阶之后，自相关系数都落入2倍标准差范围

时间序列分析试卷及答案

时间序列分析试卷1 一、填空题（每小题2分,共计2０分） 1. ARMA(p, q)模型＿_＿___＿____＿___＿＿____＿______＿___＿，其中模型参数为＿＿ ___＿___＿_＿＿_＿__＿＿＿。 2. 设时间序列{}t X ，则其一阶差分为____＿___＿___＿＿_＿__＿__＿＿__。 3. 设AR ＭA (２， 1)： 1210.50.40.3t t t t t X X X εε---=++- 则所对应的特征方程为__＿＿_＿__＿_＿_＿_＿____＿_＿＿. 4. 对于一阶自回归模型A Ｒ（1)： 110t t t X X φε-=+＋,其特征根为_________，平稳域是___＿___＿＿__＿______＿_＿__. 5. 设ARM Ａ（2, 1）：1210.50.1t t t t t X X aX εε---=++-,当ａ满足_______＿_时，模型平稳。 6. 对于一阶自回归模型ＭA(1）： 10.3t t t X εε-=-,其自相关函数为__＿____________＿__＿___. 7. 对于二阶自回归模型AR （2）： 120.50.2t t t t X X X ε--=++ 则模型所满足的Yule-Wal ｋer 方程是______________＿__＿＿_＿_。 8. 设时间序列{}t X 为来自A ＲMA （p,q)模型: 1111t t p t p t t q t q X X X φφεθεθε----=++++++ 则预测方差为＿____＿___＿＿＿＿＿_＿＿＿_。 9. 对于时间序列{}t X ，如果_＿_＿＿____＿_____＿__＿,则()~t X I d 。 10. 设时间序列{}t X 为来自GARCH （p ，q ）模型，则其模型结构可写为＿______＿＿____。二、（１0分）设时间序列{}t X 来自()2,1ARMA 过程,满足 ()()2 10.510.4t t B B X B ε-+=+,

时间序列分析试题

第九章时间序列分析一、单项选择题 1、乘法模型是分析时间序列最常用的理论模型。这种模型将时间序列按构成分解为（）等四种成分，各种成分之间( )，要测定某种成分的变动，只须从原时间序列中（）。 A. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；减去其他影响成分的变动 B. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；减去其他影响成分的变动 C. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；除去其他影响成分的变动 D.长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；除去其他影响成分的变动答案：C 2、加法模型是分析时间序列的一种理论模型。这种模型将时间序列按构成分解为（）等四种成分，各种成分之间( )，要测定某种成分的变动，只须从原时间序列中（）。 A. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；减去其他影响成分的变动 B. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；减去其他影响成分的变动 C. 长期趋势、季节变动、循环波动和不规则波动；保持着相互依存的关系；除去其他影响成分的变动 D.. 长期趋势、季节变动、循环波动和不规则波动；缺少相互作用的影响力量；除去其他影响成分的变动答案：B 3、利用最小二乘法求解趋势方程最基本的数学要求是（）。 A. ∑=-任意值2)?(t Y Y B. ∑=-min )?(2t Y Y C. ∑=-max )?(2t Y Y D. 0)?(2 ∑=-t Y Y 答案：B 4、从下列趋势方程t Y t 86.0125?-=可以得出（）。 A. 时间每增加一个单位，Y 增加0.86个单位 B. 时间每增加一个单位，Y 减少0.86个单位 C. 时间每增加一个单位，Y 平均增加0.86个单位 D. 时间每增加一个单位，Y 平均减少0.86个单位答案：D. 5、时间序列中的发展水平（）。 A. 只能是绝对数 B. 只能是相对数 C.只能是平均数 D.上述三种指标均可以答案：D.

时间序列分析课后习题答案

第9章时间序列分析课后习题答案第10章（1）30× 31.06×2 1.05= 30× = （万辆）（2 117.11%== （3）设按%的增长速度n 年可翻一番则有 1.07460/302n == 所以 n = log2 / = （年）故能提前年达到翻一番的预定目标。第11章（1）以1987年为基期，2003年与1987年相比该地区社会商品零售额共增长： %86.2313186.213186.31%)8.61(%)2.81(%)101(5 5 5 ==-=-+?+?+ （2）年平均增长速度为 1%)8.61(%)2.81(%)101(15 555-+?+?+==% （3） 2004年的社会商品零售额应为 509.52)0833.01(307=+?（亿元）第12章（1）发展总速度%12.259%)81(%)101(%)121(3 43=+?+?+ 平均增长速度=%9892.91%12.25910 =- （2） 8.561%)61(5002 =+?（亿元）（3）平均数∑====41 5 .1424570 41j j y y （亿元）， 2002 年一季度的计划任务： 625.1495.142%105=?（亿元）。第13章 (1)用每股收益与年份序号回归得 ^ 0.3650.193t Y t =+。预测下一年(第11年)的每股收益为488.211193.0365.0? 11=?+=Y 元 (2)时间数列数据表明该公司股票收益逐年增加，趋势方程也表明平均每年增长元。是一个较为适合的投资方向。第

（2）t T t ?+=63995.09625.8

应用时间序列分析习题答案

第二章习题答案 2.1 （1）非平稳（2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下（2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图

2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列（3）白噪声序列 2.4 ，序列LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平=0.05 不能视为纯随机序列。 2.5 （1）时序图与样本自相关图如下

（2）非平稳（3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)）（2）差分序列平稳，非纯随机第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .021102112 12112011φρφρφρφρρφφρφρφρ 解得：???==15 /115/721φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0

应用时间序列分析习题答案解析说课材料

应用时间序列分析习题答案解析

2.3 （1）自相关系数为：0.2023 0.013 0.042 -0.043 -0.179 -0.251 -0.094 0.0248 -0.068 -0.072 0.014 0.109 0.217 0.316 0.0070 -0.025 0.075 -0.141 -0.204 -0.245 0.066 0.0062 -0.139 -0.034 0.206 -0.010 0.080 0.118 （2）平稳序列（3）白噪声序列 2.4 LB=4.83，LB统计量对应的分位点为0.9634，P值为0.0363。显著性水平，序列不能视为纯随机序列。 =0.05 2.5

（2）非平稳（3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)）（2）差分序列平稳，非纯随机第三章习题答案 3.1 解：1()0.7()()t t t E x E x E ε-=?+ 0)()7.01(=-t x E 0)(=t x E t t x ε=-）B 7.01( t t t B B B x εε)7.07.01()7.01(221 +++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .021102112 12112011φρφρφρφρρφφρφρφρ 解得：???==15/115/72 1φφ 3.3 解：根据该AR(2)模型的形式，易得：0)(=t x E 原模型可变为：t t t t x x x ε+-=--2115.08.0 2212122 ) 1)(1)(1(1)(σφφφφφφ-+--+-= t x Var 2) 15.08.01)(15.08.01)(15.01() 15.01(σ+++--+= =1.98232σ ?????=+==+==-=2209.04066.06957.0)1/(1221302112211ρφρφρρφρφρφφρ ??? ??=-====015.06957.033222111φφφρφ 3.4 解：原模型可变形为：

时间序列分析考试卷及答案

考核课程时间序列分析（B 卷）考核方式闭卷考核时间 120 分钟注：B 为延迟算子，使得1-=t t Y BY ；?为差分算子，。一、单项选择题（每小题3 分，共24 分。） 1. 若零均值平稳序列{}t X ，其样本ACF 和样本PACF 都呈现拖尾性，则对{}t X 可能建立（ B ）模型。 A. MA(2) B.ARMA(1,1) C.AR(2) D.MA(1) 2.下图是某时间序列的样本偏自相关函数图，则恰当的模型是（ B ）。 A. )1(MA B.)1(AR C.)1,1(ARMA D.)2(MA 3. 考虑MA(2)模型212.09.0--+-=t t t t e e e Y ，则其MA 特征方程的根是（ C ）。（A ）5.0,4.021==λλ （B ）5.0,4.021-=-=λλ （C ）5.2221==λλ，（D ） 5.2221=-=λλ， 4. 设有模型112111)1(----=++-t t t t t e e X X X θφφ，其中11<φ，则该模型属于（ B ）。 A.ARMA(2,1) B.ARIMA(1,1,1) C.ARIMA(0,1,1) D.ARIMA(1,2,1) 5. AR(2)模型t t t t e Y Y Y +-=--215.04.0，其中64.0)(=t e Var ，则=)(t t e Y E （ B ）。 A.0 B.64.0 C. 1 6.0 D. 2.0 6.对于一阶滑动平均模型MA(1): 15.0--=t t t e e Y ，则其一阶自相关函数为( C )。 A.5.0- B. 25.0 C. 4.0- D. 8.0 7. 若零均值平稳序列{}t X ?，其样本ACF 呈现二阶截尾性，其样本PACF 呈现拖尾性，则可初步认为对{}t X 应该建立（ B ）模型。 A. MA(2) B.)2,1(IMA C.)1,2(ARI D.ARIMA(2,1,2) 8. 记?为差分算子，则下列不正确的是（ C ）。 A. 12-?-?=?t t t Y Y Y B. 212 2--+-=?t t t t Y Y Y Y C. k t t t k Y Y Y --=? D. t t t t Y X Y X ?+?=+?） ( 二、填空题（每题3分，共24分）；

时间序列分析-王燕-习题4答案

6、方法一：趋势拟合法 income<-scan('习题4.6数据.txt') ts.plot(income) 由时序图可以看出，该序列呈现二次曲线的形状。于是，我们对该序列进行二次曲线拟合： t<-1:length(income) t2<-t^2 z<-lm(income~t+t2) summary(z) lines(z$fitted.values, col=2) 方法二：移动平滑法拟合选取N=5 income.fil<-filter(income,rep(1/5,5),sides=1) lines(income.fil,col=3)

7、（1） milk<-scan('习题4.7数据.txt') ts.plot(milk) 从该序列的时序图中，我们看到长期递增趋势和以年为固定周期的季节波动同时作用于该序列,因此我们可以采用乘积模型和加法模型。在这里以加法模型为例。 z<-scan('4.7.txt')

ts.plot(z) z<-ts(z,start=c(1962,1),frequency=12) z.s<-decompose(z,type='additive') //运用加法模型进行分解z.1<-z-z.s$seas //提取其中的季节系数，并在z中减去（因为是加法模//型）该季节系数 ts.plot(z.1) lines(z.s$trend,col=3) z.2<-ts(z.1) t<-1:length(z.2) t2<-t^2 t3<-t^3 r1<-lm(z.2~t) r2<-lm(z.2~t+t2) r3<-lm(z.2~t+t2+t3) summary(r1)

第五章时间序列的模型识别

第五章时间序列的模型识别前面四章我们讨论了时间序列的平稳性问题、可逆性问题，关于线性平稳时间序列模型，引入了自相关系数和偏自相关系数，由此得到ARMA(p, q)统计特性。从本章开始，我们将运用数据开始进行时间序列的建模工作，其工作流程如下：图5.1 建立时间序列模型流程图在ARMA(p,q)的建模过程中，对于阶数(p,q)的确定，是建模中比较重要的步骤，也是比较困难的。需要说明的是，模型的识别和估计过程必然会交叉，所以，我们可以先估计一个比我们希望找到的阶数更高的模型，然后决定哪些方面可能被简化。在这里我们使用估计过程去完成一部分模型识别，但是这样得到的模型识别必然是不精确的，而且在模型识别阶段对于有关问题没有精确的公式可以利用，初步识别可以我们提供有关模型类型的试探性的考虑。对于线性平稳时间序列模型来说，模型的识别问题就是确定ARMA(p,q)过程的阶数，从而判定模型的具体类别，为我们下一步进行模型的参数估计做准备。所采用的基本方法主要是依据样本的自相关系数（ACF）和偏自相关系数（PACF）初步判定其阶数，如果利用这种方法无法明确判定模型的类别，就需要借助诸如AIC、BIC 等信息准则。我们分别给出几种定阶方法，它们分别是（1）利用时间序列的相关特性，这是识别模型的基本理论依据。如果样本的自相关系数（ACF）在滞后q+1阶时突然截断，即在q处截尾，那么我们可以判定该序列为MA(q)序列。同样的道理，如果样本的偏自相关系数（PACF）在p处截尾，那么我们可以判定该序列为AR(p)序列。如果ACF和PACF 都不截尾，只是按指数衰减为零，则应判定该序列为ARMA(p,q)序列，此时阶次尚需作进一步的判断；（2）利用数理统计方法检验高阶模型新增加的参数是否近似为零，根据模型参数的置信区间是否含零来确定模型阶次，检验模型残差的相关特性等；（3）利用信息准则，确定一个与模型阶数有关

时间序列分析基于R——习题答案

第一章习题答案略第二章习题答案 2.1 （1）非平稳（2）0.0173 0.700 0.412 0.148 -0.079 -0.258 -0.376 （3）典型的具有单调趋势的时间序列样本自相关图 2.2 （1）非平稳，时序图如下（2）-（3）样本自相关系数及自相关图如下：典型的同时具有周期和趋势序列的样本自相关图

（2）非平稳（3）非纯随机 2.6 （1）平稳，非纯随机序列（拟合模型参考：ARMA(1,2)）（2）差分序列平稳，非纯随机第三章习题答案 3.1 ()0t E x =,2 1 () 1.9610.7 t Var x ==-,220.70.49ρ==,220φ= 3.2 1715φ=,2115 φ= 3.3 ()0t E x =,10.15 () 1.98(10.15)(10.80.15)(10.80.15) t Var x += =--+++ 10.8 0.7010.15 ρ= =+,210.80.150.41ρρ=-=,3210.80.150.22ρρρ=-= 1110.70φρ==,2220.15φφ==-,330φ= 3.4 10c -<<, 1121,1,2 k k k c c k ρρρρ--?=? -??=+≥? 3.5 证明: 该序列的特征方程为：32 - -c 0c λλλ+=，解该特征方程得三个特征根： 11λ=，2λ=3λ=

时间序列分析课后习题解答

第八章时间序列分析一、选择题 1.设（甲）代表时期数列；（乙）代表时点数列；（丙）代表几何序时平均数；（丁）代表“首末折半法”序时平均数。现已知1996～2000年某银行的年末存款余额，要求计算各年平均存款余额，需计算的是（ D ）。 A.甲、丙 B.乙、丙 C.甲、乙 D.乙、丁 2.某商业集团2000～2001年各季度销售资料如表8—1所示。表8—1资料中，是总量时期数列的有（ D ）。 A.1、2、3 B.1、3、4 C.2、4 D.1、3 3.某地区粮食增长量1990～1995年为12万吨，1996～2000年也为12万吨。那么，1990～2000年期间，该地区粮食环比增长速度（ D ）。 A.逐年上升 B.逐年下降 C.保持不变 D.不能做结论 4.利用第2题数据计算零售额移动平均数（简单，4项移动平均），2001年第二季度移动平均数为（ A ）。 A.47.5 B.46.5 C.49.5 D.48.4 5.利用第3题数据计算2000年商品季平均流转次数（=零售额/库存额）（ C ）。 A.1.885 B.1.838 C.1.832 D.1.829 二、判断题 1.连续12个月逐期增长量之和等于年距增长量。（×） 2.计算固定资产投资额的年平均发展速度应采用几何平均法。（×） 3.用移动平均法分析企业季度销售额时间序列的长期趋势时，一般应取4项进行移动平均。（√） 4.计算平均发展速度的水平法只适合时点指标时问序列。（×） 5.某公司连续四个季度销售收入增长率分别为9％、12％、20％和18％，其环比增长速度为0.14％。（×）三、计算题

1.某地区“九五”时期国内生产总值资料如表8—2所示。试计算该地区“九五”时期国内生产总值和各产业产值的平均发展水平。表8—2 单位：百万元解：国内生产总值和各产业产值均为时期指标，应采用时期指标序时平均数计算公式计算。计算公式：国内生产总值平均发展水平：第一产业平均发展水平：第二产业平均发展水平：第三产业平均发展水平： 2.某企业2000年8月几次员工数变动登记如表8—3所示。试计算该企业8月份平均员工数。表8—3 解：该题是现象发生变动时登记一次的时点序列求序时平均数，假设员工人数用Y来表示，则 ≈1260（人）该企业8月份平均员工数为1260人。 3.某企业2000年产品库存量数据如表8—4所示。试计算第一季度、第二季度、上半年、下半年和全年的平均库存量。表8—4 单位：件

时间序列分析习题

第九章时间序列分析习题一、填空题 1．时间序列有两个组成要素：一是，二是。 2．在一个时间序列中，最早出现的数值称为，最晚出现的数值称为。 3．时间序列可以分为时间序列、时间序列和时间序列三种。其中是最基本的序列。 4．绝对数时间序列可以分为和两种，其中，序列中不同时间的数值相加有实际意义的是序列，不同时间的数值相加没有实际意义的是序列。 5．已知某油田1995年的原油总产量为200万吨，2000年的原油总产量是459万吨，则“九五”计划期间该油田原油总产量年平均增长速度的算式为。 6．发展速度由于采用的基期不同，分为和两种，它们之间的关系可以表达为。 7．设i=1，2，3，…，n，a i为第i个时期经济水平，则a i/a0是发展速度，a i/a i-1是发展速度。 8．计算平均发展速度的常用方法有方程式法和. 9．某产品产量1995年比1990年增长了105%，2000年比1990年增长了306．8％，则该产品2000年比1995增长速度的算式是。 10．如果移动时间长度适当，采用移动平均法能有效地消除循环变动和。 11．时间序列的波动可分解为长期趋势变动、、循环变动和不规则变动。 12．用最小二乘法测定长期趋势，采用的标准方程组是。二、单项选择题 1．时间序列与变量数列( ) A都是根据时间顺序排列的B都是根据变量值大小排列的 C前者是根据时间顺序排列的，后者是根据变量值大小排列的 D前者是根据变量值大小排列的，后者是根据时间顺序排列的 2．时间序列中，数值大小与时间长短有直接关系的是( ) A平均数时间序列B时期序列C时点序列D相对数时间序列 3．发展速度属于( ) A比例相对数B比较相对数C动态相对数D强度相对数 4．计算发展速度的分母是( ) A报告期水平B基期水平C实际水平D计划水平则该车间上半年的平均人数约为( ) A 296人 B 292人 C 295 人 D 300人 6．某地区某年9月末的人口数为150万人，10月末的人口数为150．2万人，该地区10月的人口平均数为( ) A150万人B150．2万人C150．1万人D无法确定 7．由一个9项的时间序列可以计算的环比发展速度( ) A有8个B有9个C有10个D有7个 8．采用几何平均法计算平均发展速度的依据是( )

时间序列分析 习题库

最新时间序列分析期末考试B

时间序列分析习题

统计基础知识第五章时间序列分析习题及答案

第章时间序列分析课后习题答案

应用时间序列分析试卷一

时间序列分析实验报告

时间序列分析--习题库

时间序列分析上机操作题电子教案

时间序列分析试卷及答案

时间序列分析试题

时间序列分析课后习题答案

应用时间序列分析习题答案

应用时间序列分析习题答案解析说课材料

时间序列分析考试卷及答案

时间序列分析-王燕-习题4答案

第五章 时间序列的模型识别

时间序列分析基于R——习题答案

时间序列分析课后习题解答

时间序列分析习题

时间序列分析习题库

第五章时间序列的模型识别