时间序列的分频与建模

文章采用分频方式分析时间序列并为时间序列建模,首先对时间序列做离散余弦变换,用低频变换系数重构出时间序列的低频分量,而剩余的高频部分则采用时滞自相关分析方法确定模型结构。针对股票多年日收盘价所作仿真试验证明,该时间序列建模方法是有效的,模型比较好地刻画了时间序列的变化规律。     

基于期望的重要抽样方法研究

传统的Monte Carlo方法仿真稀有事件需要较长的时间,而重要抽样技术可以有效地缩短仿真时间,提高仿真效率.文章提出一种新的重要抽样实现方法,用来估计仿真模型中的稀有事件的概率;利用期望寻找最优重要抽样分布函数,并与传统的Monte Carlo算法进行比较.仿真结果显示了该方法在估计稀有事件概率方面的有效性.     

基于MCMC方法的贝叶斯AR(p)模型分析

本文提出运用Gibbs抽样的MCMC方法,解决时间序列AR(p)模型贝叶斯分析过程中所遇到的复杂的数值计算问题,借数据仿真分析来说明运用WinBUGS软件建模的分析过程,得出以MCMC为基础的WinBUGS软件简便了贝叶斯AR(p)模型的实际应用的结论.     

金融市场随机波动模型的研究与分析

随机波动模型是描述金融市场波动性的一种重要方法。随机波动模型随着时间的推移发展的越来越成熟,很多研究者都在此基础上做了拓展,并且由于其参数估计的特殊性,也研究出各种参数估计的方法。文章主要应用基于Gibbs抽样的蒙特卡罗(MC)方法对SV的各类扩展模型进行了模拟仿真,并进行了一定的比较分析。     

监测SPC/EPC整合过程的残差控制图研究

针对SPC/EPC整合中的自相关问题和窗口问题,在分析整合监测规律的基础上,构建了SPC/EPC整合过程的AR(3)时间序列模型,并分析了模型的稳定性条件,构建了监测整合过程的残差控制图,通过仿真比较实验表明:该方法与常规控制图相比能准确监测到异常扰动的发生并能解决窗口问题.     

Swarm环境下基于主体建模的财政政策仿真框架研究

文章在政府财政平衡理论模型和基于主体建模方法的特点及应用的基础上,探讨了基于主体建模的财政政策研究的基本方法,构造了基于主体财政政策仿真模型在Swarm仿真环境下的实现框架,并主张将统计方法贯穿于仿真研究过程中,充分利用仿真模型数据,发挥仿真模型的政策模拟功能,指出基于主体建模仿真可以为财政政策的制定提供一种更具时效性和科学性的方法。     

医疗保险定点医院损失分布估计

本文应用了风险模型的损失分布及其估计方法,在分析社会医疗保险医疗赔付模式下,根据定点医院相关数据对风险模型的损失分布进行了实证分析和估计。并采用蒙特卡罗方法进行了数据仿真,表明估计结果的有效性。     

农民工养老保险模式的分析与设计

文章分析了我国部分省市现行流动就业人口养老保险政策的特点,探讨了我国全面建立农民工养老保险制度的思路和方向,提出了利用流动人员综合保险卡进行统一管理的方法。经过对上海流动就业人口参加社会保险状况的抽样调查,构建了三种不同缴费模式和基金使用方法的养老保险模型。在封闭样本内,利用蒙特卡罗仿真方法对模型进行了逐一大量仿真计算,并给出了各模型下基金缴纳、使用和积累情况的仿真结果,得到了较为合理的农民工养老保险管理模式。     

基于改进型神经网络的经济预测算法

文章在分析宏观经济系统特点之后,针对现有的采用人工神经网络对经济系统进行建模和预测的方法的存在的问题,提出了一种改进型神经网络算法。首先对训练样本集采用链式数据重组的方法进行扩充;然后在构造的人工神经网络输入层单元引入经济指标的增长率数据和时间窗口序列数据。仿真结果表明,文章提出的算法能够增强神经网络的泛化能力,提高系统模型的预测精度。     

流动就业人员医疗保险模式设计与仿真

文章通过对上海流动就业人口的抽样调查和研究,构建了五种不同缴费模式和基金使用方法的医疗保险模型。然后利用蒙特卡罗仿真方法对每个模型进行了大量仿真计算,运行出各种模型下的医疗基金使用情况的仿真结果,从而对模型进行了进一步的比较和改进,得到了较为合理的流动就业人员医疗保险管理模式。     

基于模糊Box-Jenkins方法的电价建模与短期预测

由于单一的AR、MA和ARMA模型不能很好地匹配复杂的电价时间序列数据,因此传统的Box-Jenkins方法不能很好地进行电价预测。文章提出了基于模糊Box-Jenkins的电价建模和短期预测方法。引入模糊策略,生成分别对应Box-Jenkins方法中的AR,MA,ARMA三个模型的模糊因子,再通过模糊因子对三个模型进行模糊综合。对浙江省电力市场电价数据的仿真表明,在电价序列不能较好地匹配Box-Jenkins方法中各模型的情况下,模糊Box-Jenkins方法能取得更好的预测效果。     

中国国防费时间序列预测模型的建立

时间序列模型(ARMA)是一种精度较高的短期预测模型.本文综合运用B-J时间序列建模方法,对中国国防费时间序列平稳性进行了判别;利用单位根方法检验了时间序列的单整阶数;利用自相关函数和偏自相关函数判别了时间序列模型的自回归阶数(AR(p))和移动平均阶数(MA(q));最后利用Eviews统计软件建立了合适的中国国防费时间序列模型,并进行了分析和预测.     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

湖北省内河局建立统计审计小组搞好基层统计工作的经验

湖北省内河局定期客货班轮的客货运输是以汉口为中心的.在汉口设有两个中心站——四官殿站与万安巷站,分别经营长江及汉江各定期班轮客货运输业务,其沿线各小站原始报表(即客贷票与航次报单)均通过以上两站集中后再送到内河局.内河局的     

基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

景区旅游高峰期游客旅游路线动态实时调度仿真研究

文章建立了Logit模型,将游客在不同路线上进行分配,减少了旅游高峰期游客拥挤和等待的情况。为了验证该方法的有效性,建立了综合游客偏好、拥挤度、等待时间和行走时间等指标的旅游效用函数。模拟仿真表明,提出的方案要明显优于基于最短路径的路线选择方案。     

河南省环境经济协调发展路径选择

文章通过对河南省环境、经济及人口科技三者之间的相互关联及其内在机制的研究,创建了环境经济系统动力学仿真模型,对河南省现行的环境经济发展模式进行了动态仿真和预测分析;在仿真结果的基础上,分析了河南省在经济高效、环境保护和环境-经济协调三种模式12种不同发展路径下的环境经济的演化结果,并通过DEA模型和变异系数协调度评价模型对不同发展路径下的河南省环境经济效率和协调发展度进行评价.     

单变量时间序列模型识别方法的实证研究

时间序列分析就是通过研究时间序列中数值上的统计关系,来揭示系统的动态结构特征及其发展变化规律,是一种重要的现代统计分析方法,广泛地应用于自然领域、社会领域的科学研究和思维。在时间序列变量建模的过程中,一般分为模型识别、模型估计和诊断以及模型预测三个步骤,其中模     

单变量时间序列模型的识别

时间序列分析就是通过研究时间序列中数值上的统计关系,来揭示系统的动态结构特征及其发展变化规律,是一种重要的现代统计分析方法,广泛地应用于自然领域、社会领域的科学研究和思维。在时间序列变量建模的过程中,一般分为模型识别、模型估计和诊断以及模型预测三个步骤,其中模