[发明专利]一种基于ARIMA的现金流量预测方法

权利要求书

1.一种基于ARIMA的现金流量预测方法，其特征在于该方法包含以下内容：

1)获取现金流量时间序列数据，建立散点图，自相关函数，偏自相关函数，利用游程检验法检验序列平稳性；

2)对时间序列数据进行平稳化处理，根据识别规则，建立相应ARIMA模型；

3)进行参数估计，检验是否具有统计意义；

4)进行假设检验，诊断残差序列是否为白噪声；

5)利用已通过检验的模型进行预测分析，完成现金流量预测。

2.根据权利要求1所述的基于ARIMA的现金流量预测方法，其特征在于具体方法如下：

1)获取现金流量历史数据的时间序列样本数据并进行预处理；

2)观测时间序列数据是否为平稳时间序列，利用游程检验法检验序列平稳性；对于非平稳时间序列，用差分的方法，即：Y′_t-i＝Y_t-Y_t-1，对序列进行平稳化预处理，每次差分后数据进行游程检验，直到差分所得数据通过平稳性检验，记为d次差分，得到新的平稳序列X₁,X₂,…,X_t-d；

3)取前N组数据作为观测数据，进行零均值化处理，即：得到一组预处理后的新序列X′_t；

4)通过计算预处理后的序列X′_t的自相关函数(ACF)ρ_k和偏自相关函数进行模型识别；

ACF函数：

ρk=Σt=1N-kXt+k′Xt′N]]>

PACF函数:

根据上述计算结果，并依据模型识别规则，确定X_t′符合的模型；

ARMA模型识别规则如下：

5)参数估计和模型定阶；在上述模型识别的基础上，利用样本矩估计法、最小二乘估计法或极大似然估计法对ARMA(p,q)的未知参数，即自回归系数、滑动平均系数以及白噪声方差进行估计，得出WN(0,σ²)；利用AIC，BIC准则进行模型定阶；

6)模型检验：

I)检查模型是否能满足平稳性和可逆性；

检查公式：

θ(B)=1-Σj=1pθjBj=0]]>

检查要求：上面公式的根在单位圆外；

II)检查模型的残差序列是否为白噪声；如果不是，则需要重新进行模型识别，如果是，则通过检验，得出软件可靠性预测模型：

7)根据上述预测模型，依据一步预测的方法对X_t′进行预测，并考虑前面所进行的d次差分，还原为现金流量数据Y_t的预测结果。