更多精彩尽在这里,详情点击:http://apuntesdetrading.com/,鲍多克

声明:百科词条人人可编辑,词条创建和修改均免费,绝不存在官方及代理商付费代编,请勿上当受骗。详情

鲍克斯-詹金斯方法又称ARIMA方法,研究的是有关随机性时间序列变动趋势的预测。它认为:除去纯偶然因素引起的个别序列值以外,时间序列是依赖于时间t的一族随机变量,尽管单个序列值的出现具有不确定性,但整个序列的变化却呈现一定的规律性

鲍克斯-詹金斯方法(Box-Jenkins)由G·鲍克斯和G·詹金斯1976年在其著作中阐明。是分析时间序列的一种有效的方法。这种方法通常用于短期预测。它能够在事先对数据模式未知的情况下,找到适合考察数据的模型。在经济计量学中三种预测方法:时间序列分析回归分析和多方程模型分析中,鲍克斯-詹金斯方法虽然在原则上属于第一种类型,但同时融和了第二类方法的某些原理,因而被认为是在前两种方法的基础上发展起来的一种高级的经济预测手段。在常见的事件序列分析中,各类被解释变量历史统计数据的变化有不同的特点。当数据变化具有明显的周期性,循环性和规律性时,称这种时间序列分析为确定性时间序列分析,反之则称其为随机性时间序列分析。确定性时序分析模型计算简便,但预测的准确性较差,随机性时序分析模型计算比较复杂,但预测的准确性明显高于前者。鲍克斯-詹金斯分析法研究的,是有关变量随机性时间序列变动趋势的预测。它所采用的数学模型亦属于随机性时序分析模型

鲍克斯-詹金斯分析法包含的经济计量模型,鲍多克具体说来有三种:自回归模型,简称AR模型;移动平均模型,简称MA模型;组合的自回归移动平均,简称ARIMA模型。AR模型描述不同周朗内被解释变量的随机寸序之间的关联程度.并以变量的滞后时间数列为依据推算其未来的时间数列。

②MA模型反映一定时期内被结束变量的随机时序平均水平的变化趋势,并根据过去的误差项推测变量未来的时序。—般的q阶MA模型的方程式为:

③ARIMA模型是上两种模的组合,它可以更全面地描述和预测自变量的变化规律与趋势。这种组合又可分为两种形式。当时间数列具有平稳性特征时,它选择混合模型(ARMA),当数列具有齐次非稳定性特征时,它采用结合模型(ARIMA)。该模型与前者的区别在于需先对原数列做差分处理,使其变为稳定序列。养分后的时间数列表示为:

以时间为横坐标,时间序列组为纵坐标,从中可以直观地了解数据的一些大致趋向。

线谱分析即用正弦函数来分析时间序列的随机性、季节性和自相关状况。用正弦函数去描述- -个时间序列时,其公式为:

①作为一种时序分析法,它需要大量的历史数据资料支持,观察值通常应有50~100项。

①作为一种随机性模型分析法,它假定不论过去、现在和将来,时间序列的结构不变,即时序具有稳定性。对于不稳定的数列则必须进行差分处理。

③它不研究变量之间的因果关系,而是根据某种变量过去变化的统计规律,大体推测出其未来变化趋势。变量的时间序列间隔越小,期限越短,模型预测结果的精度相对说来越高。因而,它主要适用于短期预测。

④被解释变量的随机性,时间序列具有不同的数学性质,因而,该分析法要求根据数列的不同特征选择适当的模型。为了使模型尽可能地优化,还可以选择与被解释变量相关的因素对模型加以修正。

⑤这种分析法的模型体系数学演算工作量很大,因此在实际上应用过程中必须借助于计算机。目前流行的许多有关的微机软件对此提供了很大的帮助

②模型的检验,检验有两种含义,一是对初步选定的三种模型的运算结果进行统计检验,二是对不同模型的检验值进行比较,从中选出最佳者用于预测。

鲍克斯-詹金斯分析方法作为一种短期预测的定量分析工具,在实际应用方面效果比较理想。但这种方法亦有其局限性:①由于它必须以大量的、系统的所史数据为基础建立模型,所以,对于那些统计资料不完整或形成时期不长的经常变量的预测来说,此方法爱莫能助。②它假定自变量的时序是个平稳系列,即不论过去、现在和将来,序列的结构或发展模式不变,这与现实不符。为此,我们不可能始终使用原始模型更新预测内容。换言之,随着时间的推移,使用者必须不断地根据新的时序资料重新拟合模型,以期做出新的预测。

任何一种经济预测方法均有长处和缺憾,鲍克斯-詹金斯分析法自然也不会例外。在实践中我们应当充分认识到这一点,鲍克斯·詹金斯法注意将多种预测方法结合起来,以此之长补彼之短,使预测工作的质量不断提高