浅析检察机关介入公益诉讼的必要性(定稿)

q-read.csv(C:\\Users\\sjxy\\Desktop\\file23.csv,header=T)x-ts(q$汇率,start=c(1978,12,31),frequency=365)plot(x)图1：外币对美元的日兑换率序列时序图plot(diff(x))图2：外币对美元的日兑换率1阶差分后序列时序图从图1外币对美元的日兑换率序列时序图可以看出，该序列波动范围很广，起伏不定，有明显的趋势特征，说明该序列具有非平稳性。为了消除非平稳性对模型的影响，进行1阶差分，结果如图2所示，该外币对美元的日兑换率1阶差分后的序列具有保持在0.0上下波动的平稳性。但是从图2看，我们发现该图具有非常明显的集群效应。所以分析该外币对美元的日兑换率1阶差分后序列需要同时提取水平相关信息和波动相关信息。for(iin1:2)print(Box.test(diff(x),lag=6*i))Box-Piercetestdata:diff(x)X-squared=12.917,df=6,p-value=0.04438Box-Piercetestdata:diff(x)X-squared=29.712,df=12,p-value=0.003085acf(diff(x))图3：外币对美元的日兑换率1阶差分后序列自相关图pacf(diff(x))图4：外币对美元的日兑换率1阶差分后序列偏自相关图延迟6阶和12阶后，P值分别为p-value=0.04438、p-value=0.003085，且都小于置信水平0.05，说明该外币对美元的日兑换率1阶差分后的序列不是纯随机序列。水平信息的提取主要是对差分后自相关与偏自相关的考察。外币对美元的日兑换率1阶差分后序列自相关图如图3所示，该图在延迟1阶之后几乎所有值都落在2倍标准差区域内波动，具有突然衰减且衰减的速度非常快，根据衰减的速度判断，以及具有短期相关性，判断该自相关具有截尾性。偏自相关如图4所示，衰减速度慢，且有周期性，显示拖尾的性质。综合该序列自相关1阶截尾和偏自相关拖尾以及1阶差分的性质，则拟合模型定为ARIMA(0,1,1)。x1-arima(x,order=c(0,1,1))x1Call:arima(x=x,order=c(0,1,1))Coefficients:ma10.0357s.e.0.0143sigma^2estimatedas0.0002007:loglikelihood=13545.61,aic=-27087.22for(iin1:6)print(Box.test(x1$residual,type=Ljung-Box,lag=i))Box-Ljungtestdata:x1$residualX-squared=0.00053539,df=1,p-value=0.9815Box-Ljungtestdata:x1$residualX-squared=0.55102,df=2,p-value=0.7592Box-Ljungtestdata:x1$residualX-squared=2.6528,df=3,p-value=0.4483Box-Ljungtestdata:x1$residualX-squared=3.3062,df=4,p-value=0.5079Box-Ljungtestdata:x1$residualX-squared=6.8276,df=5,p-value=0.2338Box-Ljungtestdata:x1$residualX-squared=6.8306,df=6,p-value=0.3368library(forecast)x2-forecast(x1,h=365)plot（x2）图5：外币对美元的日兑换率序列预测图利用疏系数arima函数拟合ARIMA（0,1,1）模型，且拟合的结果为：1 0.00020.0357,~(0,)tttttxvvN模型显著性检验该拟合模型显著成立。外币对美元的日兑换率具有线性增长的趋势，平均每日增长0.0357.根据PortmanteauQ检验显示1阶至6阶ARIMA模型的残差白噪声检验均显著成立，利用该拟合模型，预测如图5所示序列未来的水平。for(iin1:6)print(Box.test(x1$residual^2,type=Ljung-Box,lag=i))Box-Ljungtestdata:x1$residual^2X-squared=82.803,df=1,p-value2.2e-16Box-Ljungtestdata:x1$residual^2X-squared=237.9,df=2,p-value2.2e-16Box-Ljungtestdata:x1$residual^2X-squared=343.33,df=3,p-value2.2e-16Box-Ljungtestdata:x1$residual^2X-squared=490.84,df=4,p-value2.2e-16Box-Ljungtestdata:x1$residual^2X-squared=602.1,df=5,p-value2.2e-16Box-Ljungtestdata:x1$residual^2X-squared=841.96,df=6,p-value2.2e-16r.x-garch(x1$residual,order=c(1,1))summary(r.x)Call:garch(x=x1$residual,order=c(1,1))Model:GARCH(1,1)Residuals:Min1QMedian3QMax-4.83074-0.584070.026160.587584.54060Coefficient(s):EstimateStd.ErrortvaluePr(|t|)a02.133e-063.014e-077.0771.48e-12***a17.623e-025.456e-0313.9722e-16***b19.144e-016.015e-03152.0092e-16***---Signif.codes:0‘***’0.001‘**’0.01‘*’0.05‘.’0.1‘’1DiagnosticTests:JarqueBeraTestdata:ResidualsX-squared=319.23,df=2,p-value2.2e-16Box-Ljungtestdata:Squared.ResidualsX-squared=0.28019,df=1,p-value=0.5966rxx-predict(r.x)plot(rxx)图6：外币兑美元的日兑换率残差序列波动置信区间图波动信息的提取首先考虑ARIMS（0,1,1）模型的残差平方序列的异方差特征。PortmanteauQ检验显示残差序列显著方差不显著即非齐，且具有长期相关性，所以构造GARCH（1,1）模型，并根据拟合结果得出：2110.9140.07623ttthhe根据该模型的拟合的拟合结果绘制波动的95%置信区间如图6所示。综合水平模型与波动模型，我们得出完整拟合模型为：1211 0.00020.0357,~(0,)0.9140.07623tttttttttttxvvNvhehhe