【论文摘要】本文主要研究我国从2009年1月到2014年12月的货币与准货币供应量的同比增长率，利用Eviews软件操作，通过观察判断其为非平稳及非白噪声序列，然后对其进行一阶差分处理，再进行一系列操作判断其为平稳序列。根据这一平稳序列分析并得出不同的ARMA模型，再比较选出最优模型对其进行预测并得到未来六个月的货币与准货币供应量同比增长率的预测值。
　　【论文关键词】Eviews软件；货币与准货币；一阶差分；ARMA（p，q）模型
　　1 问题的由来
　　货币和准货币供应量和经济是密切相关的，货币和准货币供应量通过影响CPI，GDP等手段间接的影响经济的发展，而国家的宏观调控又通过利率来影响货币供应量来达到调控经济，避免经济过冷或过热。而货币和准货币供应量的同比增长率是指货币和准货币供应量与上一期的相同阶段相比的供应量的增长率，这个数据已经消除了季节变动的因素。
　　2 提出并解决问题
　　2.1 检验样本数据的平稳性
　　由时序图可明确看出该时序图有先上升后逐步下降的趋势，不存在明显的平稳性，所以初步判定其不是平稳序列。
　　2.2 检验变换后的数据是否为白噪声序列
　　对原始数据进行一阶差分处理。作出一阶差分的时序图，发现存在着较为明显的平稳性，沿着一条线上下波动；而且由一阶差分自相关图可得知除了滞后期个别在2倍标准差外，其余均在2倍标准差内，且自相关系数和偏自相关系数没有明显的截尾性，所以判断其存在拖尾性；再由单位根检验结果可知，T统计量的值为7.20，比在1%，5%，10%三个置信水平上的临界值都要小，并且P值为0所以拒绝原假设，不存在单位根，一阶差分后的序列为平稳序列。
　　2.3 建立适当模型，选出最优模型
　　由以上分析选择ARMA（p，q）模型的最小二乘法进行模拟。先拟合ARMA（3，3）模型，由模型结果可得，DW值为1.9969，接近2，但是均值估计C和MA（3）的P值均不显著，所以去掉均值估计C，改成ARMA（3，5）模型，重新建模。由新的建模结果可知AR（3），MA（5）的P值为0.0004和0.0360，均小于0.05，且DW为1.8679在2附近，所以判断该序列不存在自相关性，模型显著有效。
　　最后检验模型的显著性。选取几个特殊的滞后期（L=5，10），分别进行检验可得，在延迟阶数分别为5，10的情况下，LB统计量为5.276和10.596，对应的P值为0.383和0.390，所以拟合的ARMA（3，5）模型显著有效。各个滞后期的Q统计量相应的伴随概率P值都远大于0.05，不能拒绝原假设，而且残差之间相互独立，所以可以认为残差序列为白噪声序列，即模型的适应性通过，且信息提取比较充分。综上，选取ARMA（3，5）模型较优，模型如下：
　　Xt=0.367821Xt-3+εt-0.263313εt-5，εt～WN（0，σ2）
　　3 模型预测
　　由得出来的ARMA（3，5）模型预测未来6个月我国货币和准货币供应量的同比增长率。由预测结果可知我国未来6个月的货币与准货币供应量同比增长率的预测结果近似呈现水平状态，而它的预测区间则是随着时间的推移越来越大，有一种扩大的趋势。
　　【参考文献】
　　[1]王黎明.应用时间序列分析[M]，复旦大学出版社，2014
　　[2]张晓峒.Eviews使用指南与案例[M]，机械工业出版社，2007
　　[3]易丹辉.数据分析与Eviews应用[M]，中国统计出版社，2002