基于灰色时间序列预测中国汽车销量_杨月英

应用时间序列分析习题答案解析整理

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(221Λ+++=-=- 229608.149 .011 )(εεσσ=-= t x Var 49.00212==ρφρ 022=φ 3.2 解：对于AR （2）模型： ?? ?=+=+==+=+=-3.05 .02110211212112011φρφρφρφρρφφρφρφρ 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

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++?+）

(时间管理)应用时间序列分析实验手册

应用时间序列分析 实验手册

目录 目录 (2) 第二章时间序列的预处理 (3) 一、平稳性检验 (3) 二、纯随机性检验 (9) 第三章平稳时间序列建模实验教程 (10) 一、模型识别 (10) 二、模型参数估计（如何判断拟合的模型以及结果写法） (14) 三、模型的显著性检验 (17) 四、模型优化 (18) 第四章非平稳时间序列的确定性分析 (19) 一、趋势分析 (19) 二、季节效应分析 (34) 三、综合分析 (38) 第五章非平稳序列的随机分析 (44) 一、差分法提取确定性信息 (44) 二、ARIMA模型 (57) 三、季节模型 (62)

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）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 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据

文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据

2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline；绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图

100 200300400 5006001960 1970198019902000 YEAR O U T P U T 图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上； 在Quick 菜单下选择自相关图，对Qiwen 原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析

第七章时间序列分析答案

第七章时间数列分析 一、填空题 1、时间指标数值 2、逐期增长量累计增长量 3、增长水平（或增长量）发展速度 4、本期水平去年同期水平 5、年距发展速度 1（或100%） 6、几何平均法方程法 7、同季（月）平均法趋势与季节模型法 8、平均季节比重法平均季节比率法 9、报告期水平基期水平 10、序时平均数（或动态平均数）平均数 11、和差 12、季节变动长期趋势 13、逐期增长量环比增长速度 14、长明显 1-5 A C C A D 6-10 A B A D B 三、多选题 1、CDE 2、ABDE 3、ABCE 4、ACDE 5、BDE 6、BD 7、ABCD 8、ACE 9、AE 10、ACE 四、简答题 1、序时平均数与一般平均数的异同。 答：（1）相同之处。二者都是将具体数值抽象化，用一个代表性的数指来代表总体的一般水平。 （2）不同之处。①计算的依据不同。一般平均数是根据变量数列计算的，而序时平均数则是 根据时间数列计算的；②对比的指标不同。一般平均数是总体标志总量与总体单位总量对比的结果， 而序时平均数则是时间数列各期发展水平的总和与时期项数对比的结果；③说明的问题不同。一般 平均数说明现象在同一时间、不同空间上所达到的一般水平，而序时平均数则说明现象在同一空间、 不同时间上所达到的一般水平。 2、时期数列与时点数列的区别。 答：①时期数列中的指标值为时期数，时点数列中的指标值为时点数；②时期数列中的指标值 具有可加性，而时点数列中的指标值则不具有可加性；③时期数列中指标值的大小与时间间隔的长 短有直接关系，而时点数列中指标值的大小与时间间隔的长短则没有直接关系；④时期数列中的指

基于SARIMA的我国汽车销量预测分析

龙源期刊网 https://www.wendangku.net/doc/886882369.html, 基于SARIMA的我国汽车销量预测分析 作者：王旭天李政远舒慧生 来源：《中国市场》2016年第01期 [摘要]汽车工业在国民经济中占有重要地位，准确预测汽车销量具有十分重要的意义。由于假日及其他因素影响，汽车的月度销售数据表现出季节性的特征。文章选用我国2004年1月—2015年1月的汽车月度销售数据为研究对象，构建了具有季节调整的ARIMA模型并用于销量预测，预测结果的平均相对误差可控制在3%以内，模型合理有效，具有良好的参考价值。 [关键词]ARIMA模型；汽车销量；SARIMA预测 [DOI]10.13939/https://www.wendangku.net/doc/886882369.html,ki.zgsc.2016.01.071 1 引言 随着我国经济的快速发展和居民生活水平的提高，汽车在人群中开始逐渐普及，成为许多人的生活必需品。与此同时，汽车工业迅速发展，在国民经济中也扮演着越来越重要的角色，与机械电子、石油化工和建筑业一道构成了我国经济的四大支柱产业，因而如何对汽车销量进行准确的预测具有重要意义。 ARIMA模型是20世纪70年代由博克斯和詹金斯提出的时间序列方法[1][2]，所以又被称为博克斯-詹金斯法，其全称是自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model），包含移动平均过程（MA）和自回归过程（AR）两个部分。ARIMA模型发展至今理论已非常成熟，在实践中应用广泛。如龚承刚，王梦等人将ARIMA模型运用到了对湖北省城乡居民收入差距的预测中，预测到未来三年湖北省的城乡居民收入差距比仍处在较高水平。[3]薛蓓蓓运用ARIMA模型对安徽省固定资产投资总额进行了建模和预测，借助Eviews软件给出了短期的预测值。[4]张丽，牛惠芳将SARIMA模型运用到了对我国CPI的分析预测中，对CPI月度数据的变化趋势和季节性进行了分析。[5]虞安和王忠采用引力模型和ARIMA模型对旅游人群进行了预测，对城市管理和旅游秩序的维护工作提供了意见和建议。 [6] 本文将以汽车工业协会公布的汽车销量月度数据为研究对象，根据月度数据同时具有长期趋势效应、季节效应和随机波动的特点，选取具有季节调整的ARIMA模型对汽车销量进行预测。 2 模型 3 建模过程

汽车行业数据分析

12月份汽车行业销售数据点评： 2012年12月，汽车销量为180.99辆，环比增长1.05%，同比增长7.12%，月度环比和同比均呈不同程度增长，汽车销售形势总体稳定。其中乘用车销售146.29万辆，环比增长0.11%，同比增长6.87%。商用车销售34.70万辆，环比增长5.24%，同比增长8.20%。乘用车增长稳健，商用车持续向好。行业呈现持续复苏态势。 图1：2007-2012年汽车月度实际销量 图2：2012年12月产销分类数据 乘用车中，轿车销量99.78万辆，环比下降1.56%，同比增长5.23%；MPV 销量4.12万辆，环比下降3.62%，同比下降7.96%；SUV销量为20.71万辆，

环比增长9.49%，同比增长19.35%；微客销量21.68万辆，环比增长10.26%，同比增长7.13%。市场表现最为亮眼的仍是SUV。目前国内汽车市场呈现明显 的二元化趋势：一方面首辆车市场增幅可观；一方面是消费升级需求强烈。过去购买5-10万元首辆车的消费者，开始了消费升级，这些消费者大多选择购买SUV。所以预计未来几年SUV市场仍值得密切关注。 图3：2007-2012年乘用车月度实际销量 12月份自主品牌和日系车的走势：一、中汽协首次将“自主品牌”改称为“中国 品牌”。中汽协的解释是：根据WTO规则，有产品生产地所属规则，所以改称 为中国品牌，改的符合规则，顺理成章且比较清晰。二、12月，中国品牌乘用 车共销售68.86万辆，环比增长7.83%，同比增长16.93%，市场占有率为47.07%，比上月增长3.37个百分点，比上年同期增长4.05个百分点，其中中国品牌轿车共销售34.49万辆，环比增长6.62%，同比增长22.71%，占轿车销售总量的34.56%，占有率比上月增长3.25个百分点，比上年同期增长4.93个百分点。 中国品牌的市场竞争力持续提升。三、日系乘用车本月销量为21.73万辆，环比增长27.64%，同比下降25.86%，占乘用车销售总量的14.85%，比上月提升3.20个百分点，比上年同期下降6.56个百分点。预计目前中日钓鱼岛问题仍在持续发酵，日系车市场表现仍不容乐观。 据统计，2012年12月，销量排名前十位的SUV品牌依次为：哈弗、本田CRV、IX35、瑞虎、智跑、S6、逍客、Q5、胜达和途胜，分别销售3.13万辆、1.90

Eviews应用时间序列分析实验手册

应用时间序列分析实 验手册

目录

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）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 例 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据 文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据 2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图 图3：年份和产出的散点图

（二）自相关图检验 例 导入数据，方式同上； 在Quick菜单下选择自相关图，对Qiwen原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析 图2：输入序列名称 图2：选择相关分析的对象 图3：序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k 期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显着性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.)有的题目平稳性描述可以模仿书本33页最后一段. （三）平稳性检验还可以用： 单位根检验：ADF,PP检验等； 非参数检验：游程检验 图1：序列的单位根检验

全球汽车市场销量数据统计分析报告

全球汽车市场2013年1月销量数据统计分析报告中国汽车市场：1月汽车销量203万辆同比增长46% ???据中国汽车工业协会统计分析，2013年1月，汽车产销环比和同比均呈明显增长，总体表现好于上月，当月产量超过190万辆，销量超过200万辆，均创历史新高。增长的动力主要是消费市场进一步释放，其中乘用车市场需求增速更为明显。此外，本月工作日较上年同期也多出5天。 ???1月，汽车生产196.45万辆，环比增长10.06%，同比增长51.17%；销售203.45万辆，环比增长12.41%，同比增长46.38%。其中：乘用车生产162.12万辆，环比增长12.40%，同比增长53.88%；销售172.55万辆，环比增长17.95%，同比增长48.68%。商用车生产34.33万辆，环比增长0.21%，同比增长39.58%；销售30.90万辆，环比下降10.97%，同比增长34.75%。 2013年1月中国汽车市场销量（分车型）

?????????????数据来源：中国汽车工业协会 ????亚洲其他国家汽车市场 ????日本：1月新车销售229,333辆 ???日本汽车销售协会联合会和全国微型车协会联合会6日发布的1月国内新车销量数据显示，丰田汽车的混动车“AQUA”同比大增66.6%至22466辆，连续4个月蝉联榜首。 ???排在第二位的是本田的微型车“NBOX”，销量同比上升约1.1倍，为20552辆。丰田混动车“普锐斯”则大降39.1%列第三位。

???去年9月环保车补贴制度结束后，日本国内新车销售陷入低迷，数据显示消费者倾向于购买低价且维护费低廉的小型车和微型车。排在前十位的车型中，有6款为微型车。 ???第四位是大发工业的“MOVE”，该车型去年12月经部分改良后降低了油耗并强化了安全装备。去年9月全面改良上市的日产汽车小型车“NOTE”的销量也增长了约2倍。 韩国：1月新车销售104,377辆 据《韩国经济》2月2日报道，韩国汽车业界1日公布的数据显示，2013年1月份，韩国5家汽车生产企业海外销售汽车651,878辆，同比（下同）增加24.8%；韩国国内销售104,377辆，增加8.2%。现代汽车海外销售362,509辆，增加30.5%；韩国国内销售50,211辆，增加11%。起亚汽车海外销售224,322辆，增加26.8%；国内销售36,250万辆，增加6%。韩国GM出口57,179辆，增加5.9%；国内销售10,031辆，增加24.7%。双龙汽车出口6,585辆，增加21.3%；国内销售4,035辆，增加43.9%。雷诺三星出口1,859辆，减少77.4%；国内销售3,850辆，减少38.0%。 附件：日本公布1月新车销量丰田AQUA居首 据日本共同社2月6日消息，日本汽车销售协会联合会和全国微型车协会联合会6日发布的1月国内新车销量数据显示，丰田汽车的混动车“AQUA”同比大增66.6%至22466辆，连续4个月蝉联榜首。

数学建模汽车销量预测

汽车销量预测 摘要 汽车工业在我国已有50 多年的发展历史, 而汽车产业真正得到快速发展是从上世纪90 年代开始的。现在汽车工业在我国经济中已占有很重要的地位。预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。我们通过网络搜索相关数据，然后运用线性回归及灰色预测对汽车销量进行数学建模分析预测，然后再对模型进行评估修改。 关键词：汽车销量线性回归灰色预测 一．问题重述 1.问题背景 近年来，随着国民经济和社会的进一步发展，汽车工业也逐步成为中国的支柱性产业之一，汽车市场表现出产销两旺的发展态势。而汽车市场是汽车工业的晴雨表，预测汽车的销售量，无论是对于整体掌控汽车市场的发育与成长态势的政策制定者而言，还是对于研究市场行情以制定营销策略的汽车厂商而言，都具有极其重要的作用。 2.需要解决的问题 问题一：影响汽车销量的因素有哪些？ 问题二：通过数据建立数学模型并进行预测。 问题三：验证并修改数学模型。 二．问题分析 一．对问题一的分析 在这里我门选取了汽车产量、公路长度、城镇居民收入、GDP这样一些因素来考虑，当然影响汽车销售的因素远不止如此石油价格上涨，银行存款利率等都会对汽车销量有影响。并且这些因素也是相互影响的。这里为了简单考虑我们把每一个因素单独列出来，研究其余汽车销量的关系。我们通过互联网搜索获得以下数据： 二．对问题二的分析 对于问题二我们有两种思路，第一个是通过问题一得到的相关数据及结论运用线性回归的知识建立数学模型。但是通过线性回归得到的方程却还不够，因为线性方程故事汽车销量需要知道汽车产量、公路长度、GDP这样一些数据，但我们不知到以后的汽车产量、公路长度、GDP。这里吗有许多不确定因素所以我们采用灰色预测的方法来预测汽车销量。 三、模型假设与约定 国家经济处于一种正常平稳的发展趋势，不能有类似于08年的金融危机。 四、模型建立 模型一：各个因素对汽车销量的影响

2013年1月中国汽车销量排行榜超级完整版

2013年1月中国汽车销量排行榜超级完整版排名车型所属厂商所属品牌1月销量 1 朗逸上海大众大众48267 2 福克斯长安福特福特33632 3 凯越上海通用别克30264 4 赛欧上海通用雪佛兰29063 5 帕萨特上海大众大众27930 6 速腾一汽大众大众26184 7 瑞纳北京现代现代25684 8 轩逸东风日产日产24769 9 科鲁兹上海通用雪佛兰24477 10 捷达一汽大众大众24033 11 悦动北京现代现代23882 12 英朗上海通用别克23694 13 朗动北京现代现代22177 14 宝来一汽大众大众20045 15 QQ 奇瑞汽车奇瑞18622 16 帝豪EC7 吉利汽车帝豪18516 17 迈腾一汽大众大众17273 18 腾翼C30 长城汽车长城17238 19 POLO 上海大众大众17208 20 奥迪A6 一汽大众奥迪16706 21 桑塔纳上海大众大众15927 22 起亚K2 东风悦达起亚15028 23 阳光东风日产日产14420 24 世嘉神龙汽车雪铁龙13413 25 凯美瑞广汽丰田丰田12768 26 K3 东风悦达起亚12741 27 明锐上海大众斯柯达12561 28 速锐比亚迪比亚迪12116 29 高尔夫一汽大众大众11924 30 北斗星昌河铃木11859 31 花冠一汽丰田丰田11553 32 F3 比亚迪比亚迪11190 33 夏利天津一汽夏利11094

34 L3 比亚迪比亚迪11075 35 骐达东风日产日产10466 36 奥迪A4 一汽大众奥迪10215 37 荣威350 上海汽车荣威9808 38 君威上海通用别克9707 39 5系华晨宝马宝马9600 40 君越上海通用别克9271 41 E5 奇瑞汽车奇瑞9153 42 马自达6 一汽轿车马自达9106 43 风云2 奇瑞汽车奇瑞8898 44 长安逸动长安汽车长安8861 45 卡罗拉一汽丰田丰田8761 46 和悦江淮汽车江淮8596 47 索纳塔北京现代现代8429 48 奔奔迷你长安汽车长安8365 49 迈锐宝上海通用雪佛兰7880 50 标致308 神龙汽车标致7823 51 悦翔长安汽车长安7672 52 昊锐上海大众斯柯达7451 53 悦翔V3 长安汽车长安7327 54 思迪锋范广汽本田本田7286 55 蒙迪欧致胜长安福特福特7068 56 腾翼C50 长城汽车长城6829 57 奥拓长安铃木铃木6709 58 雅阁广汽本田本田6579 59 奔腾B50 一汽轿车奔腾6572 60 比亚迪F0 比亚迪比亚迪6407 61 菱悦东南汽车东南6300 62 思域东风本田本田6178 63 风神H30 东风乘用风神6120 64 启辰D50 东风日产启辰6070 65 自由舰吉利汽车全球鹰5948 66 大众CC 一汽大众大众5783 67 锐志一汽丰田丰田5629 68 H230 沈阳华晨中华5538

应用时间序列分析EVIEWS实验手册

河南财经政法大学应用时间序列分析实验手册 应用时间序列分析 实验手册

目录 目录 (2) 第一章Eviews的基本操作 (3) 第二章时间序列的预处理 (7) 一、平稳性检验 (7) 二、纯随机性检验 (15) 第三章平稳时间序列建模实验教程 (16) 一、模型识别 (16) 二、模型参数估计 (20) 三、模型的显著性检验 (23) 四、模型优化 (25) 第四章非平稳时间序列的确定性分析 (26) 一、趋势分析 (26) 二、季节效应分析 (41) 三、综合分析 (46) 第五章非平稳序列的随机分析 (52) 一、差分法提取确定性信息 (52) 二、ARIMA模型 (67) 三、季节模型 (73)

第一章Eviews的基本操作 The Workfile（工作簿） Workfile 就像你的一个桌面，上面放有许多Objects，在使用Eviews 时首先应该打开该桌面，如果想永久保留Workfile及其中的容，关机时必须将该Workfile存到硬盘或软盘上，否则会丢失。 （一）、创建一个新的Workfile 打开Eviews后，点击file/new/workfile，弹出一个workfile range对话框（图1）。 图1 该对话框是定义workfile的频率，该频率规定了workfile中包含的所有objects频率。也就是说，如果workfile的频率是年度数据，则其中的objects 也是年度数据，而且objects数据围小于等于workfile的围。 例如我们选择年度数据（Annual），在起始日（Start date）、终止日（End date）分别键入1970、1998，然后点击OK，一个新的workfile就建立了（图2）。

汽车销量预测数学模型

汽车销量预测数学模型 Document number：NOCG-YUNOO-BUYTT-UU986-1986UT

汽车销量预测模型 一、摘要 本小组利用网络收集2001到2011年汽车销售的数据，分析影响汽车销量的因素，用excel软件对这些数据进行处理分析，再用matlab软件分别做出乘用车年销售量、商用车年销售量、汽车年销售总量拟合的方程。方法一是：乘用车、商用车年销售量的方程相加得出汽车年销售总量；方法二是：直接利用2001到2011年汽车年销售量的数据用matlab软件拟合得出模型方程。最后把两种方法得出的结果进行对比。 二、问题重述 汽车年销量是指一年卖出的汽车数量，总销量是乘用车和商用车两者销量相加。汽车未来的销量数据对汽车行业制定未来生产规划有着重要的意义。请你根据我国以往汽车销量（总销量或乘用车销量）的数据，用数学建模的方式预测未来5年中国汽车年总销量或年乘用车销量的增长速率。 三、问题分析 在国际标准中，汽车分为两类，即乘用车和商用车。 乘用车是在设计和技术特性上主要用于在科技及其随身行李和/或临时物品的汽车，包括驾驶员座位在内最多不超过9个座位，它也可以牵引一辆挂车。乘用车分为普通乘用车、活顶乘用车、高级乘用车、小型乘用车、敞篷车、仓背乘用车、旅行车、多用途乘用车、短头乘用车、越野乘用车、专用乘用车、旅居车、防弹车、救护车等，前6种乘用也可俗称轿车。

商用车是在设计和技术特性上用于运送人员和货物的汽车，并且可以牵引挂车。商用车分为客车（包括驾驶员座位在内的座位数超过9座的车辆，客车有单层的或双层的，也可牵引1个挂车。客车有细分为小型客车、城市客车、长途客车、旅游客车、铰接客车、无轨客车、越野客车、专用客车）、半挂牵引车、货车（货车又细分为普通货车、多用途货车、全挂牵引车、越野货车、专业货车和专用货车）三大类。 影响汽车销量的主要因素有：人口增长、政府的相关政策、经济的发展水平。所以建立模型时将这些影响因素假设为在未来五年是相对稳定的。 四、模型假设 中国社会在未来五年内保持相对稳定，不发生突发性事件导致社会动乱。 油价在一定程度内保持稳定，不发生突发性事件导致油价突然暴涨或下跌。 国家对于购车的税收政策在未来五年内保持相对稳定，不发生突发性事件使得政府突然调整购车税收导致汽车销量的变化。 未来五年内，我国人口增长基本稳定，消费人口结构基本维持不变。 公共乘用车与人口增长保持相对稳定。 汽车行业不发生剧烈变化。 符号定义 五、模型建立

应用时间序列分析实验手册

应用时间序列分析实验手 册 This model paper was revised by the Standardization Office on December 10, 2020

应用时间序列分析 实验手册 目录

第二章时间序列的预处理 一、平稳性检验 时序图检验和自相关图检验 （一）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 例2.1 检验1964年——1999年中国纱年产量序列的平稳性 1.在Eviews软件中打开案例数据 图1：打开外来数据 图2：打开数据文件夹中案例数据文件夹中数据 文件中序列的名称可以在打开的时候输入，或者在打开的数据中输入 图3：打开过程中给序列命名 图4：打开数据 2.绘制时序图 可以如下图所示选择序列然后点Quick选择Scatter或者XYline； 绘制好后可以双击图片对其进行修饰，如颜色、线条、点等 图1：绘制散点图 图2：年份和产出的散点图 图3：年份和产出的散点图 （二）自相关图检验 例2.3 导入数据，方式同上；

在Quick菜单下选择自相关图，对Qiwen原列进行分析； 可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列。 图1：序列的相关分析 图2：输入序列名称 图2：选择相关分析的对象 图3：序列的相关分析结果:1.可以看出自相关系数始终在零周围波动，判定该序列为平稳时间序列2.看Q统计量的P值：该统计量的原假设为X的1期，2期……k期的自相关系数均等于0，备择假设为自相关系数中至少有一个不等于0，因此如图知，该P值都>5%的显着性水平,所以接受原假设,即序列是纯随机序列,即白噪声序列(因为序列值之间彼此之间没有任何关联,所以说过去的行为对将来的发展没有丝毫影响,因此为纯随机序列,即白噪声序列.)有的题目平稳性描述可以模仿书本33页最后一段. （三）平稳性检验还可以用： 单位根检验：ADF,PP检验等； 非参数检验：游程检验 图1：序列的单位根检验 图2：单位根检验的方法选择 图3：ADF检验的结果：如图，单位根统计量ADF=-0.016384都大于EVIEWS给出的显着性水平1%-10%的ADF临界值，所以接受原假设，该序列是非平稳的。 二、纯随机性检验 计算Q统计量，根据其取值判定是否为纯随机序列。 例2.3的自相关图中有Q统计量，其P值在K=6、12的时候均比较大，不能拒绝原假设，认为该序列是白噪声序列。 另外，小样本情况下，LB统计量检验纯随机性更准确。

中国汽车销量统计数据

中国汽车销量统计数据 据中国汽车工业协会9日发布的最新统计，今年1-10月，国产汽车产销分别达到1462.38万辆和1467.70万辆，分别比去年全年高出83.28万辆和103.22万辆。 月度销售变动图 中汽协的统计显示，1-10月，国产汽车产销1462.38万辆和1467.70万辆，分别同比增长34.49％和34.76％。其中乘用车产销1107.84万辆和1110.06万辆，同比增长36.29％和35.53％；商用车产销354.54万辆和357.64万辆，同比增长29.18％和32．40％。

1-10月，销量排名前十位的汽车生产企业依次是：上汽、东风、一汽、长安、北汽、广汽、奇瑞、比亚迪、华晨和江淮。1－10月，上述十家企业共销售汽车1274.68万辆，占汽车销售总量的87％。 中汽协预计，今年全年国产汽车产销可望突破1700万辆，继续位居世界最大的汽车生产大国和最大的新车消费市场。具体数据如下： 产销总体概述：10月，汽车生产154.10万辆，环比下降3.26%，同比增长22.50%；销售153.86万辆，环比下降1.16%，同比增长25.47%。其中：乘用车生产119.81万辆，环比下降2.61%，同比增长23.48%；销售120.31万辆，环比下降0.68%，同比增长27.12%。商用车生产34.29万辆，环比下降5.46%，同比增长19.18%；销售33.55万辆，环比下降2.85%，同比增长19.87%。 1-10月，汽车产销1462.38万辆和1467.70万辆，同比增长34.49%和34.76%。乘用车产销1107.84万辆和1110.06万辆，同比增长36.29%和35.53%；商用车产销354.54万辆和357.64万辆，同比增长29.18%和32.40%。

应用时间序列实验报告

河南工程学院课程设计《时间序列分析课程设计》学生姓名学号： 学院：理学院 专业班级： 专业课程：时间序列分析课程设计 指导教师： 2017年6月2日

目录 1. 实验一澳大利亚常住人口变动分析 (1) 1.1 实验目的 (1) 1.2 实验原理 (1) 1.3 实验内容 (2) 1.4 实验过程 (3) 2. 实验二我国铁路货运量分析 (8) 2.1 实验目的 (8) 2.2 实验原理 (8) 2.3 实验内容 (9) 2.4 实验过程 (10) 3. 实验三美国月度事故死亡数据分析 (14) 3.1 实验目的 (14) 3.2 实验原理 (15) 3.3 实验内容 (15) 3.4 实验过程 (16) 课程设计体会 (19)

1.实验一澳大利亚常住人口变动分析 1971年9月—1993年6月澳大利亚常住人口变动（单位：千人）情况如表1-1所示（行数据）。 表1-1 （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。 1.1 实验目的 掌握用SAS软件对数据进行相关性分析，判断序列的平稳性与纯随机性,选择模型拟合序列发展。 1.2 实验原理 （1）平稳性检验与纯随机性检验 对序列的平稳性检验有两种方法，一种是根据时序图和自相关图显示的特征做出判断的图检验法；另一种是单位根检验法。

（2）模型识别 先对模型进行定阶，选出相对最优的模型，下一步就是要估计模型中未知参数的值，以确定模型的口径，并对拟合好的模型进行显著性诊断。 （3）模型预测 模型拟合好之后，利用该模型对序列进行短期预测。 1.3 实验内容 （1）判断该序列的平稳性与纯随机性 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识值附近波动，而且波动的范围有界。如果序列的时序图显示该序列有明显的趋势性或周期性，那么它通常不是平稳序列。 对自相关图进行检验时，可以用SAS 系统ARIMA 过程中的IDENTIFY 语句来做自相关图。 而单位根检验我们用到的是DF 检验。以1阶自回归序列为例： 11t t t x x φε-=+ 该序列的特征方程为： 0λφ-= 特征根为： λφ= 当特征根在单位圆内时： 11φ< 该序列平稳。 当特征根在单位圆上或单位圆外时： 11φ≥ 该序列非平稳。 对于纯随机性检验，既白噪声检验，可以用SAS 系统中的IDENTIFY 语句来输出白噪声检验的结果。 （2）选择适当模型拟合该序列的发展

汽车和汽车电子销售数据及图表

汽车和汽车电子销售数 据及图表 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT

图2-1 2008年中国汽车电子市场构成示意图 数据来源：赛迪顾问 汽车电子零部件配套模式 图2-2 图2-3 欧美“平行式” 图2-4 中国“平行分块式” 整车厂一级供应二级供应三级供应 整车厂 一级供应一级供应一级供应 二三级供

图 数据来源：赛迪顾问 图2-6 2003-2008年中国汽车电子市场产品应用结构 200400 6008001000 1200140016002003 2004 2005 2006 2007 2008 0% 10%20% 30% 40%50%60%

数据来源：赛迪顾问 图3-1 影响汽车购买的主要因素 数据来源：正略钧策咨询 图4-2 2003年-2009年中国GDP 及其增长率（单位：亿元） 资料来源：国家统计局 图4-3 2003年-2009年中国汽车产量和增长率（单位：万辆） 10.0% 10.1%10.4% 11.6%11.9% 9.9% 8.7% 050,000 100,000150,000200,000250,000300,000350,000400,0000% 2%4%6%8%10%12%14% GDP 135,823 159,878 183,217 211,924 257,306 314,045 335,353 增长率10.0%10.1%10.4%11.6%11.9%9.9%8.7% 2003200420052006200720082009 52.2% 14.7% 6.7%5.3%2.3% 17.6%售后服务油耗 外观价格品牌安全性

(各行业分析)汽车行业分析报告

汽车行业月刊 重点关注1季度盈利较好的公司 我们认为日本地震对国内自主品牌及国产化率较高的合资车型冲击较小。预计3月份重点厂商批发量较好，估计目前经销商库存处于合理水平。部分整车企业1季度销量有望实现较好增长，盈利水平显著上升。我们建议配置销量及盈利增长确定性较高的汽车股，预计估值有望在季报公布前后逐步修复至13-15倍市盈率。 支撑评级的要点 2月国内汽车销售126.7万台，同比增长4.6%，其中乘用车销量同比略增2.6%，商用车销量同比增长11.6%。1-2月累计销量同比增长近10%，乘用车和商用车累计增速分别为10.5%和6.8%。 1-2月，1.6升及以下乘用车(含微客)销量占乘用车总量比重同比下降1.1个百分点；但1.6升及以下的轿车销量占轿车总量的比重比上年同期提高1.8个百分点，该板块销量同比增速达12.8%，高于整个轿车板块9.7%的增速。 2月乘用车价格指数为68.1，环比下降0.7%。价格指数在连续3个月环比回升后有所松动。但另一方面，如日本地震导致部分日系汽车、零部件产能趋紧，则可能减少降价促销，令市场价格企稳。 我们维持全年各板块的销量预测，预计2011年乘用车销量同比增长15%左右；商用车方面，卡车板块增速放缓至10%左右；客车销量预计同比增长13%左右。

估值 我们预计部分优质企业1季度销量及盈利将实现较好的同比正增长，4月股价有望在盈利调增和估值修复的双重因素刺激下提升；建议适时买入，等待估值恢复至13-15倍市盈率。 首选买入 我们建议选择1季度销量及盈利较好的企业继续买入，重点关注江淮汽车、悦达投资；关注上海汽车、华域汽车复牌后的买入机会；商用车部分关注江铃汽车、宇通客车、潍柴动力。 目录 投资摘要及估值 (3) 行业综述 (5) 主要上市公司概述 (11) 研究报告中所提及的有关上市公司 (24) 投资摘要及估值 2月国内汽车共计销售126.7万台，同比增长4.6%；1-2月汽车累计销量315.5万台，

2017年长城汽车销量分析(1-12月)

2017年长城汽车销量分析

日前，长城汽车发布了12月的产销数据。2017年12月，长城汽车销量达125585辆；1-12月全年销量达1070161辆。长城汽车已连续四个月销量过十万辆了，全年销量也突破百万。其中，长城汽车旗下哈弗SUV系列车型全年销量为851855辆，皮卡系列车型销量119846辆，WEY系列车型销量86427辆，轿车销量12033辆。 数据来源：长城汽车，中商产业研究院整理 具体来看，2017年长城汽车旗下销量第一的车型无疑依然是哈弗H6，全年销量为506418辆，12月的销量为55126辆。排名第二的是哈弗H2，全年销量为215100辆，12月销量位18092辆。哈弗系列中，仅哈弗H6、哈弗H2销量年度销量超过十万辆。 此外，哈弗新车M6也有不俗表现，12月销量为8372辆，全年销量达35473辆。 长城旗下新品牌WEY系列自上市以来表现强劲，两款车型12月销量均破万，全年累计销量达86427辆。其中，VV7的12月销量达10551辆，全年销量为52769辆。而12月VV5销量为10798辆，全年销量为33658辆。 轿车方面，12月长城C30销量为1603辆，全年销量为12033辆。 长城皮卡为长城汽车2017年的销量贡献不小。12月，长城风骏销量为13840，全年销量为119846辆，保持优势继续领跑国内皮卡市场。

2017年长城汽车产品结构转型升级，陆续推出多款新车，多个车型持续热销。长城汽车公布2018年销量目标，2018年长城汽车年度销量目标为116万辆。 数据来源：长城汽车，中商产业研究院整理

中商产业研究院简介 中商产业研究院是深圳中商情大数据股份有限公司下辖的研究机构，研究范围涵盖智能装备制造、新能源、新材料、新金融、新消费、大健康、“互联网+”等新兴领域。公司致力于为国内外企业、上市公司、投融资机构、会计师事务所、律师事务所等提供各类数据服务、研究报告及高价值的咨询服务。 中商行业研究服务内容 行业研究是中商开展一切咨询业务的基石，我们通过对特定行业长期跟踪监测，分析行业需求、供给、经营特性、盈利能力、产业链和商业模式等多方面的内容，整合行业、市场、企业、用户等多层面数据和信息资源，为客户提供深度的行业市场研究报告，全面客观的剖析当前行业发展的总体市场容量、竞争格局、进出口情况和市场需求特征等，对行业重点企业进行产销运营分析，并根据各行业的发展轨迹及实践经验，对各产业未来的发展趋势做出准确分析与预测。中商行业研究报告是企业了解各行业当前最新发展动向、把握市场机会、做出正确投资和明确企业发展方向不可多得的精品资料。 中商行业研究方法 中商拥有10多年的行业研究经验，利用中商Askci数据库立了多种数据分析模型，在产业研究咨询领域利用行业生命周期理论、SCP分析模型、PEST分析模型、波特五力竞争分析模型、SWOT分析模型、波士顿矩阵、国际竞争力钻石模型等、形成了自身独特的研究方法和产业评估体系。在市场预测分析方面，模型涵盖对新产品需求预测、快速消费品销售预测、市场份额预测等多种指标，实现针对性的进行市场预测分析。 中商研究报告数据及资料来源 中商利用多种一手及二手资料来源核实所收集的数据或资料。一手资料来源于中商对行

《应用时间序列分析》实验大纲

《时间序列分析》实验课程教学大纲 一、课程基本信息 课程名称：时间序列分析 英文名称： Time Series Analysis 课程性质：专业基础课 课程属性：非独立设课 适用专业：统计学 学时学分：（1）课程总学时：72；课程总学分：4 ；实验课总学时：18；实验总学分：1 开设学期：第六学期 先修课程：统计学 二、课程简介 《时间序列分析》是师范院校统计专业的一门专业基础课，是统计学中的一个非常重要的分支。该实验课程主要介绍了用R软件实现时间序列分析的主要方法和思想，是以概率论与数理统计为基础，在理解时间序列分析的基本原理的前提下，动手对时间序列数据进行分析和统计推断。时间序列分析在自然科学、管理科学和金融等领域应用十分广泛，而实验课作为对培养学生统计软件的操作能力和对时间序列分析方法的实际应用，更是不可或缺的一部分。 三、实验课程目的与要求 学习本门课程的目的：通过实验培养学生总体上了解时间序列分析的基本思想以及掌握时间序列分析方法并建立时间序列模型的步骤，能用模型对实际问题进行分析和预测，掌握用R统计软件实现时间序列分析方法的技能，达到利用统计软件用时间序列的方法和思路解决实际问题的目的； 学习本门课程的要求：要求学生理解时间序列分析的基本原理和实验原理及实验方案，掌握正确操作R统计软件的规程；掌握时间序列数据的预处理的方法；掌握平稳时间序列模型（AR、MA、ARMA）的建模过程、估计和检验以及预测；掌握非平稳时间序列模型（ARIMA、ARCH、GARCH）的建模过程、估计、检验和预测的方法；掌握多元时间序列模型的建模及检验过程。 四、考核方式

根据实验各阶段的完成情况，按等级评定成绩：A、B、C、D。其中：实验过程及完成情况占实验成绩的70%、实验报告占实验成绩的30%。 即实验成绩=实验过程及完成情况*70%+实验报告*30% 其中：A=100、B=80、C=60、D：小于60 五、实验项目、学时分配情况（黑体，小四） 六、实验内容 实验一、R软件的简单操作技巧 目的要求：熟悉R软件的操作界面；掌握R的简单编程方法；掌握用R创建时间序列R数据集的方法；对时间序列数据集的处理。 实验内容：用R语句编写程序；用R创建时间序列数据集。 主要仪器设备药品：PC微机一台 计划时数：2 实验类型：综合性实验 实验性质： 每组人数：1 实验二、时间序列数据的预处理 目的要求：用R对时间序列数据进行预处理，包括生成时间序列数据的时序图和自相关图，并对时间序列数据的平稳性进行检验。 实验内容：用R生成时序图，通过观察不同的时序图来对数据的平稳性或随