文档介绍：:..河南城建学院题目:时间序列模型的预测方法研宄系另IJ:数理系专业:数学与应用数学姓名: 学号: 指导教师: 2011年5月30日 IABSTRACT II弓IW 1第一章时间序列预测法的含义及特点 2第二章时间序列分解 6第三章趋势变动分析 9第四章季节变动分析 (季)平均法 11第五章循环变动分析 13第六章基于时间序列的分解法在季度GDP中的应用 29附录 30参考文献 32aw 34摘要吋间序列是按照时间顺序取得的一系列观察值,由时间和观察值两个基本要素组成。吋间序列分析就是研究事物发展变化数量特征的量化分析方法。影响吋间序列的因素可以分为四种:长期趋势、季节变动、循环变动和不规则变动,这些成分通过不同的组合方式影响时间序列的发展变化。采用吋间序列分析进行预测吋需要用到一系列的模型,这种模型统称为时间序列模型。在使用这种时间序列模型吋,总是假定某一种数据变化模式或某一种组合模式总是会重复发生的。吋间序列分析的分解法从这个角度出发理解时间序列的构成因素,并将其转化成可量化的季节模型,通常分为加法模型和乘法模型。因此可以首先识别出这种模型,然后将时间序列的各个构成因素逐一分解出来,建立适合的曲线模型,就可以进行预测了。本文通过具体实例,研究了时间序列模型在我国季度GDP预测中的应用,并分析探讨了模型的准确性和实用性。文章分析了我国1992〜2010年的季度GDP吋间序列,在剔除了季节性变动之后,建立趋势预测模型,通过对不同模型进行比较后发现:三次多项式模型能很好地拟合我国季度GDP时间序列,可用该模型进行预测。然后再剔除趋势变动,进而求得循环指数,由于不规则变动因素是不可预测的,本文对不规则变动因素不作分解。最后根据乘法模式进行预测,得出了2010年四个季度和2011四个季度的GDP数据,另外,通过预测值计算季度GDP同比增长率后发现,我国2011季度GDP仍然呈现较高的增长趋势,但增长速率奋放缓的迹象。预测结果的准确性较高,但随着预测吋间的延长,预测误差会逐渐增大,其精度也会下降,不过该预测仍然具有一定现实意义。关键字:时间序列模型;分解法;季度GDP;预测AbstractTimeseriesisaseriesofobservationsintimesequence,:long-termtrends,seasonalchanges,,,,andtransformeditintoquantifiableseasonalmodels,,posestimeseries’oestablishtheappropriatecurvemodel,,weinvestigatethetimeseriesmo