中国人均GDP(1952-2002)时间序列分析

时间序列是按照时间顺序取得的一系列数据.大多数的经济时间序列存在惯性,或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.分析时间序列的方法有很多,本文主要讨论用伯克斯-詹金斯(Box-Jenkins)模型对中国人均国内生产总值时间序列进行建模和短期预测.     

基于混合时间序列模型的粮食产量预测

粮食产量的预测是保障粮食安全的重要组成部分.文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一.     

基于SARIMA模型的我国入境旅游人数时间序列分析

一、关于本文时间序列模型的说明 　　时间序列是一种是按照时间顺序取得的一组数据,大多数的时间序列存在惯性,通过对这种惯性的分析就可以由现在值和过去值对未来值进行预测.时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法,其基本思想是根据随机的时间序列建立能够比较精确的反映时间序列中所包含的动态依存关系的数学模型,并借以对未来进行预测.……     

ARMA模型在我国体育股票价格预测中的应用

中体产业股票作为我国唯一的体育类股票,为了准确把握其波动状况,科学预测未来发展趋势,收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本,进行了时间序列分析,建立了中体产业股票的自回归移动平均模型(即ARMA模型)。结果显示:模型ARMA(3,1)能较为准确地预测中体产业股票每日数据,模型的预测值与实际观测值非常接近,说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

金融时间序列混合智能预测模型及实证研究

文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值.证券市场实证研究表明该模型可以准确预测金融时间序列.     

ARMA模型在我国体育股票价格预测中的应斥

中体产业股票作为我国唯一的体育类股票，为了准确把握其波动状况，科学预测未来发展趋势，收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本，进行了时间序列分析，建立了中体产业股票的自回归移动平均模型（即ARMA模型）。结果显示：模型ARMA（3，1）能较为准确地预测中体产业股票每日数据，模型的预测值与实际观测值非常接近，说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

非等间距GM(1,1)模型时间响应函数的优化

文章以序列间距为乘子,建立了非等间距GM(1,1)模型;根据一次累加序列的观测值与模拟值的残差平方和最小的条件,构建了非等间距GM(1,1)模型的时间响应函数的优化模型.实例计算表明,该模型具有较高的模拟和预测精度.     

货币供应量M2预测精度:基于组合模型的改进

广义货币供应量M2是一个重要的经济指数,其值的变动对社会经济活动构成一定的影响.文章旨在对传统M2的预测方式进行改进创新,建立一个精确度较高的M2预测模型,分别讨论了线性回归模型、指数模型、Holt模型、Brown模型、平稳时间序列模型对M2的预测情况,探究了不同模型的意义和预测精度.最后使用组合预测的方法,找到了一个合适的组合模型,即通过对Holt模型、Brown模型和平稳时间序列模型预测值的加权,达到对M2较精准预测的目的,并验证了其精度优于传统预测模型.     

税收收入预测的时间序列方法选择

税收是国家财政收入的主要来源,能否准确地预测税收收入对于制定国家财政预算具有重要意义.文章以中国2001年至2007年的税收收入数据为基础,分别采用传统时间序列分析方法和Box-Jenkins的方法建立了中国月度税收收入的时间序列预测模型.该模型可用于对未来短期情况的预测,同时说明有时在进行预测时传统方法除了操作简便外,精度也更高一些.因此,在建模时,要通过对几个不同模型的比较,找出数据规律,确定最优的模型.     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

基于数据变换和背景值优化的GM(1,1)模型

文章为了提高GM(1,1)模型的预测精度,提出一种基于数据变换和背景值优化的GM(1,1)模型.考虑通过弱化缓冲算子得到原始数据序列的缓冲序列,并对缓冲序列进行对数变换,而后对GM(1,1)模型的背景值进行优化.实例结果表明新建GM(1,1)模型降低了误差,提高了预测精度.     

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。     

自回归滑动平均模型中阶数及参数的确定

时间序列中的模型,即自回归滑动平均模型,是在20世纪70年代由Box-Jenkins提出的,由于其准确的短期预测能力,近年来在经济预测方面得到了广泛应用.建立模型的关键在于模型阶数及参数的确定,过去许多文献探讨过有关定阶和参数估计的方法,但其中无论是AIC、BIC准则法还是观察自相关函数图和偏自相关函数图法等,往往对两个阶数相近的模型不能作有效的优劣判断,建模不够准确且效率不高.为了更准确、高效的建立模型,本文提出在估计法下通过LM检定、t检定及Q检定建立模型的方法,并通过对1952～2002年陕西省GDP水平的实证研究验证了该方法的可行性.     

卡尔曼滤波在高频金融时间序列模型预测中的应用

时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响.文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正.结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度.     

基于APF算法的贝叶斯金融厚尾MSSV模型研究

针对金融时间序列普遍具有的波动聚集性和厚尾特征,将对风险管理尤为重要的一些极端点纳入模型之中,构建厚尾马尔科夫转移随机波动模型,采用带辅助变量的粒子滤波算法对波动和潜在状态进行预测,并估计模型参数.由于t分布与正态分布的特殊关系,通过选取不同自由度进行仿真分析,研究发现MSSV-t模型较一般MSSV模型对于消除波动持续性参数的高估问题更加有效.结合对中国上证综指股价波动的实证研究,证明了基于APF算法的MSSV-t模型在潜在波动状态的预测及突发事件的探测方面具有优良的性质,同时具备提高波动预测精度的能力.     

天然气产量季节预测模型的比较与选择

随着气田企业规模的扩大和竞争的加剧,需要建立一套完整的短期天然气产量预测方法及模型,以预测未来的产量发展趋势,故提出三种基于时间序列预测模型:布朗指数平滑法(Smooth)、季节系数法时间序列的预测、用于时间序列的灰色系统预测方法.但是普通时间序列预测模型的参数难以估计并且模型较难预测具有季节特征的时间序列问题,根据天然气产量的季节性、周期性特点,实验结果表明:季节系数法时间序列的预测能够对带有季节特征的历史数据进行有效预测,对进行气田企业的安全生产都具有一定的理论和实践价值.     

时间序列和神经网络的组合预测及其应用

近年来各种预测方法中,时间序列是线性模型中精度比较高,应用较广的模型之一;而在非线性类中,神经网络模型是典型的非线性预测.建立时间序列和神经网络的组合预测模型可以有效的反映各种因素的综合影响,组合预测理论已经证明多种模型的线性组合在一定的条件下能够有效的改善模型的拟合能力和提高预测精度.本文采用线性组合预测方法,应用线性规划方法,从而在预测中得到比单项预测方法更好的科学预测结果.     

居民消费价格指数的时间序列分析及预测

时间序列是按照时间顺序取得的一系列数据,大多数的经济时间序列存在惯性,通过这种惯性分析可以由时间序列的历史数值对未来值进行预测.文章主要利用时间序列的趋势外推方法对我国目前居民消费价格指数(CPI)进行了建模析和预测,以达到合理预期和分析的目的.     

时间序列模型在海关税收预测方面的应用

为了对2008年江门海关税收总体形势进行把握,笔者利用SAS统计分析软件的时间序列预测模块对2008年江门海关税收总值进行预测.从预测结果来看,模型拟合度较高,预测值也较为准确.……