我国玉米价格波动分析及短期预测

利用X12季节调整法和H-P滤波法对2007年1月—2018年3月我国玉米价格时间序列进行分解,研究其波动规律。结果发现,玉米价格受季节因素影响较大,整体趋势为先上升后下降,并呈周期性波动。利用ARIMA模型预测玉米价格走势,发现短期内玉米价格会有小幅度的上升。     

季节变动回归分析模型的构建与应用

针对传统测定时间序列季节变动方法的缺陷,采用虚拟变量回归分析的原理,将季节因子作为虚拟变量,构造含有季节因子变动的回归分析模型。利用该回归模型对序列水平进行分析,可以在分解长期趋势和其他影响因子对季节变动作用的同时进行有关的统计检验,并据此建立预测置信区间,对时间序列的未来变化趋势进行预测。     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。     

国外消费者信心指数季节调整实践及其对我国的启示

国家统计局发布的消费者信心指数一直为原始值.关于该指数序列是否存在季节性,以及在编制指数时是否应该对指数原始序列进行季节调整,目前尚无相关研究.本文通过考察美国、欧洲、日本消费者信心指数的编制实践,并结合我国消费者信心指数的实际特点,尝试利用X-12-ARIMA方法对指数原始序列进行季节调整.结果显示,在绝大多数月份中,未经调整的原始数据能够及时地反映消费者信心走势,但季节调整明显消减了春节因素对指数的影响,有助于数据使用者更加准确理解和解释消费者信心在春节前后的变动情况.     

CPI季节调整中消除春节因素的实证研究

文章首先对CPI季节调整原因、方法进行说明,然后介绍X-12-ARIMA方法。考虑到中国特有的春节等移动假日效应问题,为剔除春节假日因素,笔者引入春节虚拟变量,建立了消除春节效应的模型。结果显示:消除春节因素的季节调整可更加准确地反映中国CPI的基本发展趋势。最后,利用消除春节因素的效应模型对CPI进行短期预测,预测结果与实际较为吻合。     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

淄博地区婴儿早期动作发展与出生季节的相关性研究

该研究运用测验法与访谈法,以4000名足月、顺产、健康、月龄在3-9个月的婴儿为研究对象,探讨婴儿出生季节与动作发展的关系问题。结果显示:第一,随婴儿出生季节的不同,3、6、9月龄婴儿的动作发展都有显著差异,表现出不同的季节效应;第二,气温与婴儿的动作发展存在密切的联系,表现出气温效应。进一步分析发现,婴儿动作发展的季节效应主要来源于气温效应。     

基于改进灰色GM模型的装备磨损趋势评估

磨损是影响高端装备精度保持性的关键因素,因磨损量难以测量,对磨损状况进行准确的预测较为困难。针对上述问题,研究一种基于灰色GM模型的磨损预测方法,构建了数据驱动的模型参数优化算法,能更有效地挖掘时间序列的内在联系及变化规律。对装备磨损监测数据进行处理和预测分析,与传统GM模型预测精度进行对比,结果表明:改进模型预测精度更高,适用于中长期预测。     

中国碳减排与GDP增长的实证分析

为研究中国经济发展速度和碳排放增长的规律,基于陕西省1980~2018年碳排放量和GDP的实际数据,运用离散二阶差分预测方程预测陕西省2020年碳排放量和GDP,得到陕西2020年碳排放强度的预测值;通过构建向量自回归模型,对1980～2018年间陕西省碳排放量和GDP实际数据序列和预测数据序列进行了相关性比对,检验了DDEPM预测方法准确性。研究表明,陕西省能够实现中国2020碳减排目标,目标实现的主要贡献来自于GDP快速增长形成的分母拉动效应,但长期来看这种效应存在一定程度的不可持续;各省份应当从碳排放的绝对量上寻找突破路径,增加低碳技术和煤炭高效利用技术的投入与研发,提高单位煤耗的利用效率;提升清洁能源技术研发水平,加大现有新能源使用力度和效率,实现降低碳排放水平和中国社会经济可持续发展的目标。     

小波去噪结合ARMA模型在电力设备故障率预测中的应用

针对电力设备故障率具有周期性、随机性和多变性等特点,提出小波相关性去噪算法与时间序列自回归滑动平均(ARMA)模型的电力设备故障率预测方法.将电力设备故障率数据进行小波相关性去噪,最大限度保留有效序列,把重构后的序列进行ARMA建模及预测,预测值与实际值进行比较.仿真结果表明,小波相关性去噪后的ARMA模型预测结果有较高的精度,实际故障率预测效果较好.     

基于神经网络的期铜价格趋势预测研究

运用X-12-ARIMA季节调整方法,对上海交易所三月期铜月平均价格进行季节性调整,消除了季节因素和不规则因素对铜价的影响。针对季节调整后序列,分别建立了BP、RBF、Elman等神经网络模型,并对期铜价格进行预测。预测效果比较说明,与传统的神经网络相比,Elman神经网络模型具有收敛速度快、预测精度高的特点,能在期铜价格预测方面取得较好的效果。     

我国鸭苗价格波动的周期性研究

在分析影响我国鸭苗价格周期性波动原因的基础上,利用X12季节调整法与H-P滤波模型法对我国鸭苗价格周期波动进行研究。结果表明:鸭苗价格波动具有周期性,周期平均长度为33个月,每个周期具有非对称性,每一周期的持续上涨时间低于持续下降时间。提出建立鸭苗生产的资格准入制度和标准许可证制度、合理控制鸭苗供给规模、保持国际和国内肉鸭市场信息畅通和加强肉鸭的疫病防治工作等相关的建议。     

基于ARMA模型河北省地区收入总额的预测

大多数时间序列具有惯性或是迟缓性。通过对这种惯性的分析，未来值可以由时间序列的当前值进行估计。以1978年到2011年河北省地区收入总额数据为研究对象，将这些数据平稳化并做分析，发现ARM A （2，2）模型能比较好的对河北省地区收入总值进行时间序列分析和预测。     

成都市社会消费品零售总额的预测模型对比分析

基于2004—2015年成都市社会消费品零售总额季度数据,采用简单季节模型、乘积季节模型和X-12加法模型,对2016年成都市社会消费品零售总额季度数据进行预测分析,得出2016年成都市社会消费品零售总额的季度预测值。通过比较2016年季度平均相对误差和年度相对误差,表明X-12加法模型相比其他两种模型相对误差较小。模型的构建和对比分析将对相关研究提供参考依据。     

季节比率计算方法统一性的思考

测定季节变动对时间序列的影响 ,一般按同期平均法 (原资料平均法 )和趋势剔除法计算季节比率。本文在简介、评述这两种计算方法的基础上 ,指出这两种方法具有内在的统一性 ,并对现行教科书所表述的这两种方法的差异性作出改进     

基于不同风险特征的跳跃成分识别及其在波动率预测中的应用

跳跃因子的引入能够准确解释波动的非对称特征,同时跳跃中还含有关于波动率的未知信息.为了更有效地改进波动率的预测,利用基于高频数据的非参数波动估计和跳跃检测方法,在波动的非对称性基础上对跳跃作进一步分解,考察具有不同风险特征的跳跃成分对未来波动率的影响,并对2009-2014年上证综指及其行业指数的面板数据进行实证分析.实证研究发现:周期性行业指数的系统性跳跃对其波动率有显著的预测效力,大盘指数与行业指数之间存在高度相关性;而非周期性行业指数几乎没有表现出明显的杠杆效应,与大盘指数的相关性也较低.     

矿产资源规划中供需形势分析的方法论

运用经济学和灰色系统理论,探讨了矿产资源规划中供需形势分析的方法论。研究表明,矿产资源需求受社会系统中众多因素的影响,且影响的方式具有灰色特征,故需求预测可合理地运用灰色系统模型;矿产资源供给虽然也受许多社会因素的影响,影响方式也具灰色特征,但是矿产资源规划中的供给预测不能运用灰色系统模型,因为它所依据的系统特征数据序列恰恰是矿产资源规划的结果;矿产资源的供给预测可用基于供给函数分析的经验法或剔除新增采矿权对系统特征数据序列所作贡献的灰色系统预测法。     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了 GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色 GM(1,N)预测模型.根据湖南省1995~2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008~2010所预测数据和实际产粮数据平均相对误差为0.77%,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议     

基于灰色系统理论的湖南粮食产量预测研究

粮食产量的准确预测是保障国家粮食安全的一个重要组成部分,它对政府制定相应粮食生产政策具有十分重要的意义.论文运用灰色相对关联分析,从影响粮食产量的众多因素中计算出了符合湖南禀赋的主要因子依次为粮食播种面积、农村从业人员数、每公顷面积产量、有效灌溉面积,并对这些因子进行了GM(1,1)残差修正预测,把预测所得数据作为相关因素序列数据,以粮食产量作为系统特征序列数据,构建了粮食产量的灰色GM(1,N)预测模型.根据湖南省1995～2010的粮食生产有关数据,对湖南省2015年粮食产量数据进行拟合和预测,经检验模型对2008～2010所预测数据和实际产粮数据平均相对误差为0.77％,具有较高的精确度,根据预测结果给出了确保湖南粮食产量稳定增长的政策建议.     

西双版纳不同林分土壤机械组成及其肥力比较

以西双版纳热带季节雨林与橡胶林的土壤机械组成、土壤有机质、全N、全P、全K为研究对象,对2种土壤在质地、结构与肥力上的差异进行了研究.结果表明:季节雨林与橡胶林的土壤在机械组成上差异较大,达1%的极显著水平;季节雨林砂粒含量较高,粉粒与粘粒含量相对较低,3个剖面0~100 cm不同深度层次3种土壤颗粒所占比例平均为砂粒47.76%~57.43%,粉粒22.75%~23.69%,粘粒19.53%~29.50%,因此属于砂质粘壤土类型;相对于季节雨林,橡胶林砂粒含量较低,约占25.09%~31.88%,而粉粒、粘粒含量相对较高,其中粉粒约占33.33%~36.84%,粘粒约占31.29%~41.58%,因此属于粘壤土;2种土壤的有机质、全N、全P、全K与砂粒含量呈负相关,与粉粒、粘粒呈正相关,并且橡胶林土壤的有机质、全N、全P、全K含量明显要高于季节雨林,因此可以初步判定橡胶林的土壤肥力大于季节雨林.