文档介绍：时间序列在我国GDP中的应用
学生姓名 ***
学号
专业
班级
院（系）商学院经贸系
完成时间 2012年6月19日
摘要
本文利用我国1992至2011年实际GDP的季度数据，建立一个能够有效模拟我国经济时间序列趋势、季节和周期变化的预测模型。分析表明包含季节虚拟变量、ARMA(2,0)(4,0)的线性趋势模型能够很好的拟合我国实际GDP的值，通过样本内预测有效性检验，我们认为用包含季节虚拟变量、ARMA(2,0)（4,0）模型对于分析及预测我国实际GDP是简单而有效的。最后本文对中国2012年的实际季节GDP进行预测，预测结果表明2012年我国经济增长呈现“逐渐变缓”的态势，整体呈现上升的趋势
关键字：ARMA模型 GDP 经济预测
目录
1．前言 1
2．ARMA模型简介 1
1
差分运算 1
平稳性检验 2
时间序列基本模型 4
自回归模型 4
移动平均模型 5
自回归滑动平均模型 6
模型建模步骤 6
6
7
参数估计 7
模型检验 7
ARMA模型在经济分析工作中的意义 8
ARMA模型进行分析预测的步骤 8
3. 建立预测模型 9
9
10
10
11
13
14
4. 对2012年实际GDP增长率进行预测 15
5. 结论 16
参考文献 1
附录 2
时间序列在我国GDP中的应用
1．前言
经济运行过程从较长时间序列看，由于市场机制的作用，呈现一定的规律，这对预测提供了依据；从短期看，由于受到宏观政策、市场即期需求变化等不确定因素影响，表现出一定的波动，这对预测造成了困难。目前，预测经济运行时间序列的理论与方法较多，比较经典的有灰色理论、生长曲线、指数平滑法等，这些方法对经济运行长期趋势的把握较准，但对短期波动把握的概率度不高。ARMA模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性，对经济运行短期趋势的预测准确率较高，是近年应用比较广泛的方法之一。国内外的很多学者利用ARMA模型，对经济增长、经济波动、居民消费、物价水平等涉及经济领域的各个方面进行预测与分析。
由于国内生产总值(GDP)不仅能够在总体上度量国民产出和收入规模，也能够在整体上度量经济波动和经济周期状态，因此本文应用我国1992年以来实际GDP的季度数据，对趋势变量和季节虚拟变量进行回归，并在回归扰动项中引入ARMA模型来反映周期性的动态变化。利用该模型对2012年的GDP进行预测，并利用预测的结果进行简单分析。文章共分为五个部分：第二部分为对ARMA模型进行介绍；第三部分建立适当的ARMA预测模型，并对所建立模型的有效性进行分析；第四部分利用该模型对我国2011年实际GDP增长率进行预测，并基于预测的结果，分析我国经济波动情况；第五部分为结论。
2．ARMA模型简介

差分运算
一阶差分
p阶差分
k步差分
差分方法是一种非常简便、有效的确定性信息提取方法，Cramer分解定理在理论上保证了适当阶数的差分一定可以充分提取确定性信息。差分运算的实质是使用自回归的方式提取确定性信息：
差分方式的选择：序列蕴含着显著的线性趋势，一阶差分就可以实现趋势平稳。序列蕴含着曲线趋势，通常低阶（二阶或三阶）差分就可以提取出曲线趋势的影响。对于蕴含着固定周期的序列进行步长为周期长度的差分运算，通常可以较好地提取周期信息。
平稳性检验
平稳性是某些时间序列具有的一种统计特征。对于平稳的序列我们就可以运用已知的时间序列模型对其进行分析预测。因此对数据进行平稳性检验是时间序列分析法的关键步骤。平稳时间序列有两种定义，根据限制条件的严格程度，分为严平稳时间序列和宽平稳时间序列。
对序列的平稳性有两种检验方法，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方法；一种是构造检验统计量进行假设检验的方法。通常我