基于ARIMA模型的我国财产险保费收入的预测研究

改革开放以来,我国保险业一直保持着迅猛的发展势头。财产险作为保险业的重要组成部分,其保费收入也在逐年增加。本文利用2000年1月至2009年10月118个时间序列数据,运用求和自回归移动平均模型（autoregressive integrated movinga verage model,简称ARIMA（p,d,q）模型）,建立我国保险业财产险收入的预测模型,预测财产险保费收入的变化趋势,作为保险公司决策管理的参考,并提出相关建议。     

基于趋势外推模型和灰色系统模型的深圳保费收入总量预测

全国及各地区正在开展保险业＂十二五＂规划工作,保费收入总量是常用的指标之一。本文分别利用趋势外推模型和灰色系统模型对深圳保费收入总量进行预测,并比较两种模型的拟合精度,得出2010-2015年深圳保费收入总量预测结果,并提出了实现目标的建议,希望能为保险业预测工作提供一些参考方法。     

中国保险业保费收入灰色预测模型的研究

保费收入是保险业发展现状的一个重要指标,能反映保险在一个国家的发展状况和普及程度。对保险企业来说,保费收入是企业利润的重要来源,是建立保险基金并开展保险赔偿或给付功能的重要保证,因此,每个保险企业在设定业务的发展目标时都制定保费收入计划。同时,在做其他经营决策时,如今后的投资方向、投资力度、投资方式等,也主要考虑保费收入指标。     

影响我国保险业发展的城乡经济因素对比分析

本文根据消费理论,从经济因素的城乡差异的角度出发,以农民纯收入、农村储蓄余额、城镇居民收入、城镇储蓄余额作为影响我国保险业发展的经济因素,首先运用H-P滤波分析,将各因素增长率与保费收入增长率分成趋势成分与波动成分分别进行因果关系检验,然后再建立误差修正模型和长期均衡模型,最后根据实证结果分析了我国保险业发展的影响因素的城乡差异并提出相关政策建议.     

我国保费收入增长模型实证分析

文章利用计量经济学的方法对我国保险公司的保费收入进行评价 ,通过统计软件 SPSS对指标数据进行了实证分析 ,详细介绍了如何运用计量经济学建立保费收入增长的评价模型 ,并预测 2 0 0 2～ 2 0 0 6年的保费收入增长额     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

中国保险业发展的空间集聚效应分析

文章通过对我国各区域保险业发展的空间自相关的强度大小进行分析,以全国31个省、市、自治区的保费收入为观测值指标,运用Moran指数I对我国各省份以及东中西部地区的保险业发展的空间集聚效应进行分析研究,主要得出以下结论:我国各省域间的保险业发展存在明显的空间集聚,以东部沿海为主要地区的“高-高”集聚型和以西部内陆为主要地区的“低-低”集聚型都日益显著且稳定,中西部地区的保险业发展明显落后于东部地区,并且伴随着时间的推移,这种落后情况没有出现太大的变化.     

Von Mises分布在陕西省保费收入中的应用

保费收入的季节波动对保险业的增长具有重要的影响。应用方向数据统计对2005~2009年陕西省保费收入进行了季节波动分析,通过假设检验及统计推断得出陕西省保费收入服从双峰Von Mises分布,具有明显的季节波动性。     

结合PMI的中国GDP预测模型

文章首先对中国季度GDP序列分别建立GMDH模型、ARIMA模型来对GDP季度值进行预测,然后引入PMI指标,建立ARCH模型来进行预测。对比分析各模型预测结果表明:在预测季度GDP方面,引入PMI指标的ARCH模型的预测结果优于GMDH模型和ARIMA模型,更具实际意义。     

我国人寿保险业发展问题的统计分析与对策研究

人寿保险业,这个在发达资本主义国家已有三百多年历史的行业,改革开放二十年来,也逐渐成为我国的一个新兴金融产业,获得了巨大的发展,在国民经济和社会生活中发挥着重要的作用。 一、我国人寿保险业的发展现状及问题 我国人寿保险业在过去的近二十年中,在发展规模、保费收入等诸多方面都有了较快的增长,寿险业保费收入每年以30％以上的速度递增,是国民经济中高速增长的行业。但是,从一些具体统计指标来看,我国人寿保险业与世界发达国家及一些发展中国家相比,仍然存在较大差距和问题。     

国债回购利率预测模型研究

以国债回购利率为研究对象，分别建立ARIMA及GARCH模型，并比较这两种模型的预测能力。研究结果表明：使用传统ARIMA模型，模型ARIMA（0，1，1）配适较好；使用GARCH模型，模型GARCH（2，3）配适效果较好。此外，虽然GARCH模型的预测置信区间的波动性比ARIMA模型要小，但ARIMA模型的预测置信区间更小一些，因此其预测能力比GARCH模型更强。     

基于乘法季节ARIMA模型的农村居民人均收入的短期预测

文章采用我国近10年的农村居民人均现金收入季度数据进行乘法季节ARIMA建模,发现ARIMA(0,1,0)×(2,1,0)4模型能够很好的拟合我国农村居民人均收入,并用该模型进行预测,预测结果表明:2014年前两季度的预测值与实际值的相对误差率非常小,说明模型拟合的效果很好;同时预测结果也发现农村居民人均现金收入呈现稳定增长的趋势,且存在明显的季节周期性.     

现阶段保险业与经济发展的适应关系——基于主成分回归方法的实证研究

文章利用主成分分析回归模型将经济社会发展状况的复杂指标进行主成分分析,进而得到保费收入与主成分变量的多元回归模型,得到影响现阶段保费收入的主要经济社会影响因素并进行定量分析。     

我国保险总需求实证分析

自20世纪80年代恢复国内业务以来,保险业在我国得到了迅速的发展。1980年,全国保费收入还仅为4．6亿元,1990年这一数据为148．59亿元,而到了2005年,全国的保费收入达到了4927．34亿元之多。同时,我国保险业总资产也于2004年4月首次突破1万亿元大关,达到10125亿元。保险业作为金融业的三大支柱之一,正以     

基于最优ARIMA模型的我国GDP增长预测

准确预测GDP对政府进行有效宏观调控意义重大,而ARIMA模型是预测GDP的有效工具.文章以1952-2011年不变价格GDP为研究样本,首先建立36组ARIMA模型,进而运用多重筛选准则,找到最优滞后阶数p和q,最后确定了最优ARIMA(6,1,3)模型.该模型通过了多项假设检验,对2009-2011年的GDP预测精度高.笔者还利用模型对未来几年的GDP进行了预测.     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

中国能源消费的ARIMA模型预测分析

文章利用Box-Jenkins法的ARIMA模型,对1953～2007年中国能源消费总值数据序列进行分析,建立了1953～2005中国能源消费的自回归移动平均模型ARIMA(3,1,3).检验结果表明,ARIMA(3,1,3)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国能源消费量的预测.根据建立的模型预测结果,中国能源消费量仍将保持较高的增长.     

我国商业健康保险需求影响因素实证分析

商业健康保险作为我国医疗保障体系的重要构成部分,能够满足人们对健康的多样化需求。文章中选取城镇居民人均可支配收入、老年人口数、教育水平、健康险深度和乡村就业人员等影响因素作为自变量,商业健康险保费收入为被解释变量构建多元线性回归模型。结果证明城镇居民可支配收入和健康险深度与健康险保费收入存在正相关关系,而老年人口和乡村就业人员与健康险保费收入呈相反变动。并运用模型预测得出我国2013年健康险保费为989.78亿元。将比上年增长14.72%。最后,提出构建行业数据共享、努力开发多样化产品等促进我国商业健康保险需求的建议。     

基于ARIMA模型的中国煤炭消费量增长预测

我国煤炭消费量序列是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。文章运用1965～2006年我国煤炭消费数据建立了ARIMA(2,1,4)模型,经诊断检验与实证检验发现,预测精度较高,可用于我国煤炭消费量预测。预测结果表明:2007～2010年我国煤炭消费量将不断增长,但增速会有所回落。科学的煤炭消费量预测结果可为国家合理规划煤炭生产和进出口提供重要依据。     

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4％,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进.