基于ARIMA模型对贵州茅台财务数据的实证分析
函数、偏自相关函数或ADF单位根识别和检验方差、趋势及其季节性变化规律，对序列平稳性进行判断。2.3.2如果序列是非平稳的，并存在一定增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到其自相关函数值和偏相关函数值显著地等于零。2.3.3根据ARIMA模型识别规则，判断和确定p，q的值。2.3.4对模型进行参数估计，检验其统计意义。并诊断残差序列是否为白噪声。2.3.5利用通过检验的模型进行预测和分析。3.数据分析结果3.1检验时间序列数据稳定性一般地，通过对时间序列取自然对数能使数据更平稳，因此，对营业收入（Revenue）取自然对数将其转化为更平稳的ln_Revenue。再对ln_Revenue进行一阶差分为D1.ln_Revenue。接着对上述三个序列进行单位根检验，通过考察ADF检验统计量来判断时间序列是否平稳。检验结果如表1所示。表1 对Revenue，Ln_Revenue，D1.Ln_Revenue进行ADF稳定性检验检验结果显示D1.ln_revenue稳定性表现最好。由此该ARIMA模型差分次数d即为1。3.2确定p
<<上一页 下一页>>
广州市越秀区图书馆版权所有。
联系电话：020-87673002
本站访问人数：