1、准确掌握平滑技术和季节调整的各种形式和基本原理。

      2、熟练掌握运用Eviews软件对样本序列进行移动平均平滑。

      3、学会利用加法模型和乘法模型对样本序列进行季节调整。

      4、熟练掌握运用指数平滑方法对样本序列进行外推预测。

      5、在教师的指导下完成实验，得出正确的结果，并完成实验报告。

【实验原理】

     M0：通货发行额减去金融机构库存现金我国将货币供应量划分为三个层次：一是流通中现金Ｍ0，即在银行体系外流通的现金；二是狭义货币供应量Ｍ1，即Ｍ0加上企事业单位活期存款；三是广义货币供应量Ｍ2，即Ｍ1加上企事业单位定期存款、居民储蓄存款和其他存款。它与一国的经济发展水平、消费物价水平以及人们的支付习惯有着密切的关系，因此表现出一定的趋势特征和波动规律。

      本次实验，流通中现金（M0）2000年1月至2012年8月的数据，分别运用简单移动平均、季节调整和指数平滑来寻找发现M0的趋势特征和波动规律，最后运用指数平滑技术对2013年9月M2进行预测。

【实验环境】（使用的软硬件）

      1、电脑一台；

      2、软件Eviews7.0

      1、根据数据频率和时间范围，创建Eviews工作文件。（workfile）

      2、导入数据，并对序列进行初步分析。分别绘制M0原始序列和M0对数序列的折线图，分析序列的基本趋势。

      3、运用简单移动平均对M0对数序列进行平滑。分别做3期和7期简单移动平均。同时，利用组形式的折线图进行对数序列与3、7期简单移动平均序列比较体会n期简单移动平均中，n的大小与平滑程度的关系。

      4、对M0对数序列继续季节调整。根据M0对数序列的趋势特征和季节波动规律选择对应的季节调整模型，得到季节因子。观察调整前后的序列图，分析季节调整的作用。

      5、指数平滑。(1)平滑M0对数序列。根据M0对数序列的趋势特征和波动规律，选择对应的指数平滑模型，对M0对数序列进行指数平滑。并得到对应的指数平滑预测公式。(2)预测M0对数序列。利用上面选择的指数平衡模型，预测M0对数序列和M0原始序列2013年9月的值。并根据预测值和预测效果图评价预测效果。

      6、综合上述实验步骤得出的结果，得出最终结论。总结实验过程中的问题以及得到的经验教训，完成实验报告。

【实验过程】（实验步骤、记录、数据、分析）

 1、在凤凰网（http://app.finance.ifeng.com/data/mac/month）下载2000年1月至2012年8月的流通中现金（M0）的月度数据，

 2、在Excel中创建数据表格，见下图。

      3、根据数据频率和时间范围，创建Eviews工作文件（workfile）。首先，选择数据属性为‘Monthly’；再次，输入时间序列的起始时间‘2000：1’和截止时间‘2012：8’；最后，点击‘ok’按键。详细情况见图3-1。

图3-1

      4、建立序列M0并导入数据，具体步骤为

      （1）在Eviews工作区workfile中创建序列M0,具体步骤为Object-New Object-series-输入序列名‘M0’-确认；

      （2）双击M0-点击Edit-给序列M0导入已下载好的数据点击Edit，结果见图3-2。

图3-2

      5、对序列进行初步分析。分别绘制M0原始序列和M0对数序列的折线图，分析序列的基本趋势。

      （1）绘制M0折线图，具体步骤为View-gragh-Line&Symbol—ok，如图4-1和4-2所示。

      （2）产生M0的对数序列LM0，具体步骤为Genr-输入LM0=log(M0)-ok,得到M0的对数数据；

      （3）绘制LM0折线图，具体步骤为View-gragh-Line&Symbol-ok，如图4-3和4-4所示。

图4-1

图4-2

图4-3

图4-4

      （4）基本趋势分析。由图4-2和4-4知，序列M0和LM0均具有单调递增的趋势，可能有季节性。 

      6、运用简单移动平均对M0对数序列进行平滑。分别做3期和7期简单移动平均。同时，利用组形式的折线图进行对数序列与3、7期简单移动平均序列比较体会n期简单移动平均中，n的大小与平滑程度的关系。

      （1）产生3期的简单移动平均序列m03，其具体步骤为Genr—输入m03=(m0+m0(-1)+m0(-2))/3-ok，结果见图6-1;

      （2）产生3期的简单移动平均序列m07，其具体步骤为Genr—输入m07=(m0+m0(-1)+m0(-2)+m0(-3)+m0(-4)+m0(-5)+m0(-6))/7-ok，结果见图6-2。

      （3）绘制M03和M07的序列图。同时选中M03和M07-点击右键并选择open- as group-View-gragh-Line&Symbol-ok，结果见图6-3。

图6-1

图6-2

图6-3

      （4）分析结论：由图6-3可知7期移动平均序列比3期移动平均序列更平滑。即在简单移动平均过程中，移动平均的期数n越大，平滑后的序列越光滑。

      7、指数平滑。(1)平滑M0对数序列。根据M0对数序列的趋势特征和波动规律，选择对应的指数平滑模型，对M0对数序列进行指数平滑。并得到对应的指数平滑预测公式。

      （1）选择Proc-Exponential Smoothing-选择模型Holt-Winters-No seasonal —输入序列名LM0SM3-ok，如图7-1。

      （2）选择Proc-Exponential Smoothing-选择模型Holt-Winters-Additive —输入序列名LM0SM4-ok，如图7-2。

      （3）选择Proc-Exponential Smoothing-选择模型Holt-Winters-Multipi—输入序列名LM0SM5-ok，如图7-3。

      （4）比较3中平滑效果。同时选中序列LM0SM3、LM0SM4、LM0SM5和LM0-点击右键并选择open-as group-view-graph-ok，结果见图7-3和7-4。

图7-1

图7-2

图7-3

图7-4

图7-5

       （5）分析结论。由图7-3、7-4和7-5知序列LM0SM3的误差较小和光滑程度较好，即通过Holt-Winters-No seasonal指数平滑方法调整序列的整体效果最好。

      8、预测M0对数序列。利用上面选择的指数平衡模型，预测M0对数序列和M0原始序列2012年9月的值。并根据预测值和预测效果图评价预测效果。

      （1）修改时间区间段，具体步骤为：双击时间-把2012：8修改为2012：9；

      （2）打开Lm0 选择Proc-Exponential Smoothing-选择Holt-Winters-No seasonal-输入序列名LM0SM-ok，见图7-6。

      （3）同时选择LM0和LM0SM-点击右键并选择open-as group-view-gragh-ok，结果见图7-7和7-8。

图7-6

图7-7

图7-8

      9、对M0序列进行预测。点击Genr—输入m0f=exp(lm0sm)，结果见图7-9。

      10、检验M0序列的预测效果。同时选中序列M0和M0f-点击右键并选择open- as group—view-gragh-ok，结果见图7-10和7-11。

图7-9

图7-10

图7-11

      11、结论：预测得出2012年9月M0数据为50401.92。

【结论】（结果）

      1、M0和M0的对数序列均具有单调递增的趋势，可能有季节性。

      2、序列M0的对数序列LM0的7期简单移动平均序列比3期简单移动平均序列光滑；进一步可知，简单移动平均的平滑程度和移动平均的期数n成正比。

      3、对M0对数序列LM0的指数平滑过程中，选择模型Holt-Winters-No seasonal进行指数平滑的整体效果最好。

      4、2012年9月M0的预测数据为50401.92。

      通过本实验，加深了对平滑技术和季节调整模型形式和基本原理的的理解和掌握。熟练运用了加法模型和乘法模型对样本序列进行季节调整。掌握了运用指数平法方法进行外推预测的基本方法。

成绩：                指导教师签名：

批阅日期：