發(fā)布時(shí)間：2024-04-25 21:27

　　失業(yè)率(unemployment rate)是反應(yīng)一個(gè)國家或地區(qū)勞動(dòng)力資源利用狀況的重要指標(biāo)。這一重要指標(biāo)不僅可以幫助國家央行制定相應(yīng)的貨幣政策,也可以幫助投資者制定未來的投資決策。本文根據(jù)美國從1948年1月到2019年12月每月的失業(yè)率進(jìn)行研究分析,了解失業(yè)率的變動(dòng)情況及規(guī)律,研究自回歸移動(dòng)平均(ARIMA)模型與季節(jié)性自回歸移動(dòng)平均(SARIMA)模型的建模與應(yīng)用。結(jié)果表明:ARIMA(2,2,0)模型可以很好的描述失業(yè)率的變化趨勢(shì),在排除宏觀因素影響的情況下,使用該模型可以短期預(yù)測(cè)未來失業(yè)率。

【文章頁數(shù)】：2 頁

【部分圖文】：

圖11948-2019年美國失業(yè)率

時(shí)間序列是指某個(gè)統(tǒng)計(jì)指標(biāo)按照時(shí)間先后順序進(jìn)行排序的序列。隨著信息技術(shù)的不斷發(fā)展，數(shù)據(jù)產(chǎn)量也越來越大，對(duì)于時(shí)間序列的分析研究也因此越來越深入。本文采用的數(shù)據(jù)來源于美國勞工統(tǒng)計(jì)局，選取1948年1月到2019年12月每月的失業(yè)率作為原始時(shí)間序列。由圖1可知，1954年美國的失業(yè)率達(dá)到....

圖2一階差分后時(shí)間序列的均值和標(biāo)準(zhǔn)差

ARIMA模型通常以ARIMA(p,d,q）表示，其中AR代表自回歸過程，MA代表移動(dòng)平均過程，三個(gè)參數(shù)p、d、q、分別代表自相關(guān)階數(shù)、轉(zhuǎn)化為平穩(wěn)序列需要進(jìn)行的差分次數(shù)和移動(dòng)平均數(shù)。盡管在數(shù)據(jù)處理部分我們已經(jīng)將失業(yè)率的時(shí)間序列進(jìn)行了對(duì)數(shù)處理，但處理之后的時(shí)間序列仍然缺乏穩(wěn)定性。因....

圖3二階差分后時(shí)間序列的均值和標(biāo)準(zhǔn)差

圖2一階差分后時(shí)間序列的均值和標(biāo)準(zhǔn)差由圖2和圖3可知，相比于一階差分，二階差分之后，時(shí)間序列更為穩(wěn)定。具體來說，二階差分后時(shí)間序列的均值近似于0，并且標(biāo)準(zhǔn)差在0到0.15之間，這表明二階差分后時(shí)間序列更為平穩(wěn)。因此，可將模型設(shè)定為ARIMA(p,2,q）。此外，從自相關(guān)函數(shù)圖（....

本文編號(hào)：3964270