Loading...
墨滴

thomas

2021/04/09  阅读:15  主题:橙心

时间序列分析

时间序列数据的分析与处理

检视、复习与回顾

各种各样的“时间”
对时间序列数据的理解与认识
移动平均(MA)、自回归(AR)与差分方法(diff)


各组汇报时间

使用stata软件arima模型分析中国股市数据。

1、时间序列模型设定
2、平稳性ADF检验(为什么需要检验?)
3、自回归检验与阶数设定(AR)
4、移动平均检验与阶数设定
5、使用模型回归,获取并解释结果

tips: 数据搜集是如何分工最有效率?


学习与主动的学习

1、讨论一下,这样的学习与老师课堂讲授的差异

2、有什么问题?想一想问题的根源可能是什么


时间序列统计学

思考

股市数据适合什么模型?为什么?


学习目标

1、掌握ARIMA模型的设定
2、掌握ARIMA模型的检验条件
3、掌握差分阶数确定方法(D)
5、掌握移动平均方法(MA),如何确定阶数
6、掌握自回归方法(AR),如何确定阶数


任务

利用历年来股市数据预测下一天股市的成交量与涨跌幅?

你是否得到预测模型?

打开股市数据对照,看一看是否预测准确!

请导入股市数据
新浪财经

导入或复制粘贴到stata中

使用stata软件arima模型分析中国股市数据。

1、时间序列模型设定
2、平稳性ADF检验(为什么需要检验?)
3、自回归检验与阶数设定(AR)
4、移动平均检验与阶数设定
5、使用模型回归,获取并解释结果


想一想如何用面板数据处理股市数据

有什么问题?

需要什么条件?

什么情况下使用股市面板数据


作业

使用美国利率与价格(GDP平减指数)

webuse rates2

做时间序列分析
1、试建立ARIMA模型分析,有什么问题?
2、建立VAR模型,视作分析,有什么结论?
3、两个模型有什么区别,什么情况使用ARIMA,什么情况使用VAR?


本节回顾

股市时间序列数据的处理
移动平均(MA)、自回归(AR)与差分方法(diff)
股市面板数据的讨论

thomas

2021/04/09  阅读:15  主题:橙心

作者介绍

thomas