07经济分析一班乐然王若蒙马紫薇张霄潞?1978年我国改革开放以后,特别是到了2001年我国加入了世界贸易组织(WTO)之后,与世界各国的贸易往来越来越频繁,我国的进出口总额也随着与外国贸易量的大幅度增加而激增。在这种形势下,如何对我国未来海关进出口的情况有一个正确的把握,对制定对外经济贸易政策有着至关重要的作用。本文采集了1990年至2008年的我国进出口总额的月度数据,对所采集的数据进行了趋势性与季节性的调整之后,建立了ARIMA模型对2009年的我国进出口总额进行了预测,并且提出了建议。?可选择的模型有很多,如回归等,但是,我们选择建立时间序列模型,原因如下:?1、回归模型不可行。?因为我们所选的预测内容是进出口。众所周知,一个国家的进出口额是一个及其复杂的问题,而回归是处理每一个影响进出口???因素与进出口额的关系。就这一方面而言,由于影响因素众多势必要引入较多的变量,首先,将所有的相关变量引入,并收集全部数据很困难。其次,当变量增多时,变量之间的共线性,异方差性很难克服。?2、简单的季节变动不能解决长期问题?短期预测效果较好,?但是不适于长期预测。而且由?于我们先选用的时间序列模型?所以对比我们用时间序列内插?预测相比还是时间序列较好,?在后面我们可以看到。050010001500200025003000123456789101112预测真值?从上所述,鉴于数据本身就是时间序列,所以我们借助于善于解决时间序列问题的EVIEWS6软件,使用时间序列方法建立时间序列模型。来解决本次预测问题。05001,0001,5002,0002,5003,00090929496980002040608YT由图可见,趋势上升,数据有明显周期性,周期为12个月。增长幅度由小变大,有明显界点,00年到02年之间(01年加入WTO)。由于明显的趋势性和季节性所以断定序列不是平稳的。所以必须先对序列进行平稳性变化以建模。图形符合典型的对数差分方法。40608010012014016018090929496980002040608SEASON_FACTORS季节因子季节性的程度可以通过季节因子具体的表现出来,由于本文的数据量较大不能以文本的形式呈现季节因子,所以我们将季节因子用趋势图表现出来。?序列的自相关图首先判断序列是否为平稳序列,我们对该序列绘制了自相关图,结果如图2所示,有序列的自相关系数的图示易知序列的自相关系数缓慢衰减,没有很快趋于0,说明该序列是非平稳序列。?序列的单位根检验结果ADF值为-2.088997双尾概率为0.55.H0:序列有一个单位根.H1:序列不存在单位根0.55不能拒绝原假设。所以存在单位根,所以非平稳。单位根检验结果也可以得到印证:我们对序列进行了ADF法的单位根检验,考虑序列的趋势,最终得到了图3所示的结果,ADF的t统计量的相伴概率为0.5486,即使将显著性水平设为0.1,都不能拒绝序列存在单位根(即序列为非平稳序列)的原假设,即认为该序列不是平稳序列。-1.6-1.2-0.8-0.40.00.40.890929496980002040608ILYT逐期对数差分后的序列图因为到要消除序列的趋势,同时考虑到序列的递增幅度是在不断增大的,基于这种情况,我们采用对原序列进行逐期对数差分的方式进行序列变换。Eviews语句:genrilyt=log(yt)-log(yt(-1))lineilyt逐期对数差分的序列折线图直观上看,该时间序列的各观测值虽然围绕着其均值(直观观测为0)上下波动,但振荡幅度随着时间的推移而减小,且前期的振荡幅度较大,所以判断该时间序列仍然是一个非平稳??序列,故需要对该序列进行进一步的变换对序列进行逐期对数差分后的序列的自相关图观察此表,逢12的倍数,自相关系数明显大,说明季节性没有消除。为了建模的需要,我们应该消除序列的季节性。-.6-.4-.2.0.2.4.690929496980002040608SILYT对逐期对数差分后的序列再进行季节差分的新序列图最终序列的折线图如图6所示,从直观上我们可以看出,该序列各观测值围绕着其均值(直观观测为0)上下波动,且该均值与时间t无关,并且除了个别的离群值以外,序列的振幅变化不剧烈,振荡的幅度比较固定,因此从从序列的折线图直观观测来看,该进行了逐期对数差分后又进行了季节差分的时间序列为一个平稳序列,但这只是直观的观测,还需要得到进一步的证实。Eviews语句:genrsilyt=ilyt-ilyt(-12)linesilyt对逐期对数差分后的序列再进行季节差分??新序列的自相关图基本上自相关系数都落入了置信带,说明自相关系数与零没有显著差异,这样就可以认为该序列已经消除了趋势性与季节性,成为了平稳序列。?因为经过一阶逐期对数差分后,序列的趋势已基