平衡集值时间我与区间值时间序列的自回归模型的研究的任务书.docx

平衡集值时间我与区间值时间序列的自回归模型的研究的任务书
任务书
一、研究背景与意义
时间序列分析是经济学、金融学、管理学及其他社会科学领域重要的研究方法之一。自回归模型是时间序列分析中最基本的模型之一，也是许多复杂模型的基础。自回归模型具有良好的拟合能力和预测能力，并且可以很好地描述时间序列数据的特征。
在时间序列分析中，平衡集值时间和区间值时间序列是两种常见的数据形式。平衡集值时间序列是在固定时间点上有完整的观测数据，而区间值时间序列则是在不同的时间段内每个时间点只有一个观测值。这两种数据形式各有优缺点，而且在不同的应用场景下可能有不同的适用性。
本研究旨在比较平衡集值时间序列和区间值时间序列在自回归模型中的应用效果和方法差异，为时间序列分析提供新的研究思路和经验借鉴。
二、主要研究内容及方案
1.收集数据
本研究将采用中国股市上证指数的日收盘价数据作为研究对象，其中平衡集值时间序列采用2010年1月4日至2020年12月31日的数据，而因为区间值时间序列的特殊性质，需要将完整的数据按季度汇总，形成2010年第一季度至2020年第四季度的区间值时间序列数据。
2.模型建立
针对平衡集值时间序列和区间值时间序列，本研究将分别建立自回归模型。具体而言，平衡集值时间序列将采用ARIMA模型，包括模型的平稳性检验、阶次确定和模型参数估计等步骤；而区间值时间序列则将采用VEC模型，包括协整检验、阶次确定和残差检验等关键步骤。
3.模型比较
本研究将分别对两种模型的预测效果进行比较，谨慎的对比两种模型的优缺点，分析它们在不同情形下的适用性和局限性，并提出针对性的改进建议。
4.讨论结论
最后，本研究将对实证结果进行总结和讨论，探讨两种模型的异同点及其背后的原因，为时间序列分析提供新的研究思路和经验借鉴。
三、参考文献
1.Box,G.E.P.,&Jenkins,G.M.(1976).Timeseriesanalysis,forecastingandcontrol.Hold,RinehartandWinston.NewYork.
2.Johansen,S.(1988).Statisticalanalysisofcointegrationvectors.JournalofEconomicDynamicsandControl,12(4),231-254.
3.Lütkepohl,H.(2005).Newintroductiontomultipletimeseriesanalysis.Springer.
4.Shumway,R.H.,&Stoffer,D.S.(2017).Timeseriesanalysisanditsapplications:WithRexamples.Springer.
五、预期成果和工作计划
本研究将采用定量研究方法，通过建立平衡集值时间序列和区间值时间序列的自回归模型，比较它们的预测效果和方法差异。预期成果包括发表1篇研究论文，并结合完成学术报告，交流研究成果。
具体工作计划如下：
时间|工作任务
2021年3月-4月|收集平衡集值时间和区间值时间序列数据，了解和熟悉两种数据形式的特点和应用场景。
2021年5月-6月|建立ARIMA和VEC两种模型，具体包括平稳性检验、阶次确定、参数估计和预测构建等相关工作。
2021年7月-8月|对两种模型进行实证比较，分析预测效果和方法差异，提出改进建议和经验总结。
2021年9月-10月|撰写研究论文，系统介绍研究背景与意义、研究方法和实证分析结果等相关内容。
2021年11月-12月|完成对研究成果的学术报告，与同行专家和学者进行交流，提高研究水平和学术影响力。
总之，本研究将探讨平衡集值时间和区间值时间序列的自回归模型应用效果和方法差异，为时间序列分析提供新的研究路径和思路。