马克威X-12-ARIMA模型

马克威操作说明

以数据文件“马克威通用数据2.mkw”为例，演示X-12-ARIMA模型算法的操作。该文件记录的是宏观经济的月度数据，使用X-12-ARIMA模型对该序列进行分析。本例只对“季节调整选项”和“ARIMA模型”进行考虑在实例中的应用。在解决实际问题时，可尝试调整不同的参数，选择最好的结果。

（1）首先，在工作区，打开建模分析工作流“高级统计”→“时间序列”→“X-12-ARIMA模型”；

（2）接着选择数据源；

（3）然后设置算法的参数；

（4）主要操作步骤如下：

季节调整模型

（1）选择变量参数

选择“训练”功能；其中各参数变量的说明如下：

参数设置如下所示，目标变量选取“住宅数”：

（2）输出结果：

X-12-ARIMA季节调整结果表：

ARIMA模型

（3）选择“ARIMA模型”选项，界面切换到相应设置，其中各参数的说明如下：

ARIMA模型：允许季节调整前建立合适的模型，该模型可去掉确定性的影响；用户可选择不进行ARIMA调整，能以其他命令行或外部文件导入模型；

数据变换：在选择合适的ARIMA模型之前，设定数据变换方式；

预测：可由用户指定计算预测序列的方法，包括向前、向后法；同时还能指定序列末端的排除点数和概率。

参数设置如下所示：

（4）输出结果：

（5）结果说明：

向前预测值表给出了今后四个月的数据的预数据。

数据要求

输入变量类型：整型、浮点型；

（注：具有周期性质的序列,并要求序列有相应的年、月、日，不处理数据有缺失情况。）

输入数据尺度：标量型，有序型。

算法用途

由于经济时间序列通常受多种因素影响。我们可以把这些因素分解为趋势因素、循环因素、季节因素和不规则因素。X-12-ARIMA是在X11方法的基础上发展起来的，它是由X11方法和时间序列模型组合而成的季节调整方法。增加了交易日和节假日影响的调节功能，增加了季节、趋势循环和不规则成分分解模型的选择功能。所以可以用X-12-ARIMA模型解决由于季节性因素引起的季节影响问题。

算法原理

X-12-ARIMA是通过用ARIMA模型延长原序列，弥补了移动平均法末端项补欠值的问题。

结果与解释

输出结果：