基于ARIMA乘积季节模型的我国海关进出口商品总值的时间序列分析.doc

,,2011基于ARlMA乘积季节模型的我国海关进出口商品总值的时间序列分析敬久旺(西藏农牧学院,西藏林芝610064)摘要:在对时间序列分析理论研究基础上,通过剩用SAs统计软件,系统地分析了1995年~,建立~AKIMA((1,3),1,o)xO,I,1)乘积季节模型的-~m,l精度较高,能充分反映我国海关进出口商品总值的时间序列变化规律,可采用该乘积季节模型对2011#-:海关进出口商品总值;时间序列分析;SAS,ARIMA乘积季节模型;预测TimeseriesanalysisforChina"moditiesgrossbasedonthemultiplicativeseasonalARIMmodelAbstract:Basedonthetheoreticalresearchofthetimeseriesanalysis,thispapersystematicallyanalyzesthechangesrulesofthemonthlydataofChina',3),1,0)X(1,1,1)l2modelhasahighforecastingprecisionwhichwouldfullyreflectsthechangesrulesofthegrossofChina'modities,andwecanusethismodeltoforecastChi-na':China'moditiesgross;timeseriesanalysis;SAS;multiplicativcseasonalARIMAmod-el;forecastingdoi:—,,,,随着世界经济的复苏,国际市场需求回暖,我国对外贸易亦得以快速恢复,"十一五",,对对外贸易进行分析及预测具有深远的理论和现实意义,,,本文在对时间序列分析深入研究的基础上,(Timeseriesanalysis),研究随机数据序列所遵从的统计规律,:一是承认事物发展的延续性,应用过去数据,就能推测事物的发展趋势;二是考虑到事物发展的随机性,任何事物发展都可能受偶然因素影响,,可以对未来进行预测,其预测一般反映了趋势性,,本文主要研究的是时域分析方法I.-2].,,,,则说明了该序列是一个蕴含着相关信息的平稳序列,需建立一个线性模型拟合该序列发展,(自回归移动平均)模型是目前最常用的平稳非白噪声序列拟合模型,其又可细分为AR(I~I回归)模型和MA(移动平均),绝大部分序列是非平稳的,当平稳性检验分析结果为非平稳序列,则还需通过有效的手段提取序列中所蕴含的确定性信息,,如拟合长期趋势模型,构造季节指数,移动平均,指数平滑等,但它们对确定