摘  要

    国内生产总值GDP（Gross Domestic Product）是国民经济核算的最佳指标，常被认为是衡量一个国家经济状况的最佳核心指标。它能反应一个国家的国民收入和消费能力，对经济发展状况有着无可代替的作用。国家可以通过GDP反应出来的情况制定相关的经济政策，对经济状况进行合理的调整。成为宏观经济中最受关注的经济数据，准确的分析预测GDP具有重要的理论和实际意义。

时间序列预测方法则是通过序列的历史数据揭示现象随时间变化的规律，将该规律延伸到未来，从而对该现象的未来趋势做出预测，历年以来时间序列分析方法对随机序列的分析当中有着很突出的作用和效果。时间序列的分析主要是确定性时间序列分析方法主要有指数平滑法，移动平均法，时间序列分解等，最基本的时间序列模型有ARMA模型和ARIMA模型。

本文按照时间序列分析理论，选用国家统计局发布的1987-2019年的GDP数据进行统计分析，以与实际值0.22%，3.1%的误差获得了最优模型，并用此模型对未知三年值进行预测得出很理想的结果，并再进一步充分地说明了ARIMA模型在短期预测上预测成果非常突出，更加证明了时间序列分析方法对随机序列处理，研究中可以做个很理想的预测

目  录

1.绪论 4

1.1 问题的引入 4

1.2 文章研究背景及意义 4

1.3 国内外研究现状 5

1.3.1 国外研究现状 5

1.3.2 国内研究现状 5

1.4 本文主要研究工作及技术路线 6

2.ARIMA模型以及研究方法 6

2.1 时间序列基本理论 6

2.2 时间序列的预处理 6

2.2.1 平稳性 6

2.2.2 纯随机性 7

2.3 ARIMA模型相关理论以及建模 7

2.3.1 定义 8

2.3.2 差分运算 8

2.3.3 单位根检验 9

2.3.4 参数估计 9

2.3.5 模型检验 9

2.3.6 模型优化 10

2.3.7 AIC准则 10

3.GDP预测的实证分析 10

3.1 对数据进行平稳化处理 11

3.2 白噪声检验 13

3.3 模型的建立与检验 13

3.3.1 模型定阶与筛选 13

3.3.2 模型预测 14

4.结论 15

5.参考文献 16

6.致谢 17