精品文档---下载后可任意编辑基于 ARMA 模型的社会融资规模增长分析————ARMA 模型实验精品文档---下载后可任意编辑第一部分 实验分析目的及方法一般说来,若时间序列满足平稳随机过程的性质,则可用经典的 ARMA 模型进行建模和预则。但是, 由于金融时间序列随机波动较大,很少满足 ARMA 模型的适用条件,无法直接采纳该模型进行处理。通过对数化及差分处理后,将原本非平稳的序列处理为近似平稳的序列,可以采纳 ARMA 模型进行建模和分析。第二部分 实验数据数据来源数据来源于中经网统计数据库。具体数据见附录表 。所选数据变量社会融资规模指一定时期内（每月、每季或每年）实体经济从金融体系获得的全部资金总额，为一增量概念，即期末余额减去期初余额的差额，或当期发行或发生额扣除当期兑付或偿还额的差额。社会融资规模作为重要的宏观监测指标，由实体经济需求所决定，反映金融体系对实体经济的资金量支持。本实验拟选取 2024 年 11 月到 2024 年 9 月我国以月为单位的社会融资规模的数据来构建 ARMA 模型，并利用该模型进行分析预测。第三部分 ARMA 模型构建推断序列的平稳性首先绘制出 M 的折线图，结果如下图：精品文档---下载后可任意编辑图 社会融资规模 M 曲线图从图中可以看出，社会融资规模 M 序列具有一定的趋势性，由此可以初步推断该序列是非平稳的。此外，m 在每年同时期出现相同的变动趋势，表明 m 还存在季节特征。下面对 m 的平稳性和季节性·进行进一步检验。为了减少 m 的变动趋势以及异方差性，先对 m 进行对数化处理，记为 lm，其时序图如下：图 lm 曲线图精品文档---下载后可任意编辑 对数化后的趋势性减弱，但仍存在一定的趋势性，下面观察lm的自相关图表 lm的自相关图上表可以看出，该lm序列的PACF只在滞后一期、二期和三期是显著的，ACF随着滞后结束的增加慢慢衰减至0，由此可以看出该序列表现出一定的平稳性。进一步进行单位根检验，由于存在较弱的趋势性且均值不为零，选择存在趋势项的形式，并根据AIC自动选择之后结束，单位根检验结果如下：表 单位根输出结果精品文档---下载后可任意编辑Null Hypothesis: LM has a unit rootExogenous: Constant, Linear TrendLag Length: 0 (Automatic - based on SIC, maxlag=12)t-Statistic Prob.*Augmented Dickey-Fuller test statistic Test critical values: 1% level5% level10% level*Mac...
