第十章 平稳线性ARMA模型:本章介绍平稳时间序列数据模型及其预测,本章内容是时间序列分析中最基本的内容。希望学生了解随机过程,平稳,自相关,偏自相关,白噪声等基本概念,掌握MA,AR,ARMA模型的表达式和基本性质,可以使用Box-Jenkins法进行识别,估计和检验。使用ARMA模型进行预测并对预测结果进行评价,可以使用STATA完成相关操作。10.1基本概念:基本概念
10.2MA模型:MA模型
10.3AR模型:AR模型
10.4ARMA模型:ARMA模型
10.5建立ARMA模型:建立ARMA模型
10.6预测:预测
10.7使用STATA估计ARMA模型:使用STATA估计ARMA模型
[单选题]下面哪个说法可以很好的描述ARMA(1,4)的统计特点?选项:[拖尾的acf, 4 步截尾的pacf, 拖尾的 pacf ,4步截尾的 acf, 拖尾的 acf 和 pacf, acf 和 pacf 都是4步截尾]
[单选题]下面是几个模型, 写出不满足平稳条件模型的标号:选项:[Yt=0.4 Yt-1+0.6 Yt-2 +et , Yt=0.1+0.5 Yt-1 +et, Yt=0.75 et-1 –0.125 et-2 +et, Yt= 0.44Yt-1+et]
[单选题]用一个长度为121的平稳时间序列计算得到样本偏自相关系数:。只基于这些信息,我们会为该序列试探性地设定什么样的模型?选项:[MA(2)模型, AR(1)模型, MA(1)模型, AR(2)模型]
[单选题]假设数据满足AR(2)模型:,那么对变量进行前向100步预测,最接近的估计值是?选项:[-0.53
, 0.75, 0.7
, -0.2]
[判断题]白噪声过程是不相关平稳随机过程。选项:[错, 对]
[判断题]AIC准则有较强的一致性,确定的阶数随着样本容量的增加收敛到真实滞后长度上去。选项:[错, 对]
[单选题]Yt =0.1+0.4et-1 -0.2et-2  +et,Yt的自相关系数最小值等于:

选项:[0
, 0.4
, -1/6, 2/6
]
[单选题]预测误差大小惩罚力度最大的指标是 选项:[MAE, 无法确定知道, 符号正确预测百分率, MSE]
[单选题]考虑下面的 ARMA(1,1)模型:

yt = 0.1 + 0.7yt-1 + 0.2et-1+ et

yt 的最优一步预测是(i.e. 对时刻t 假设 t-1前包括t-1期的数据已知)其中et-1 = 0.01yt-1 =0.12;

选项:[0.084
, 0.186, 0.1, 0.086]
[单选题]假设yt = 0.4 + et+ 0.5 et-1 - 0.3 et-2yt 的无条件均值等于?

选项:[0.5
, 0.4, 0.3, 0.8]

温馨提示支付 ¥1.00 元后可查看付费内容,请先翻页预览!
点赞(0) dxwkbang
返回
顶部