利用Excel实现时间序列分解分析

一、简介分解分析法是时间序列分析和预测过程中常用的统计方法。该方法假设时间序列是趋势变动（T）、循环变动（C）、随机变动（I）综合影响的结果,分解过程首先从原始序列中消除随机变动,然后在此基础上,分别识别出循环变动和趋势变动的变化模式。假设的合理性、方法的科学性和操作的简易性使分解分析法在经济预测中得到了较为广泛的应用。本文结合具体例子介绍如何用电子表格软件Excel实现时间序列的分解分析。二、实例如图（1）所示,表中A1至B13单元格是1996至1998年各季度某海滨城市旅游人口数（千人）,试预测1999年各季度旅…     

时间序列趋势预测的三步滚动模型

如何对统计数据的时间序列的发展趋势进行科学的预测是对预测方法的理论研究和实际应用都是非常重要的,也是关系到能否有效利用统计数据并做出正确决策的重要前提。在经济社会领域的实际应用中,研究人员根据时间序列的特点,希望用一些拟合精度好、建模方法简单、应用方便的预测模型。而社会经济现实问题中的统计数据的时间序列的发展趋势往往是较复杂的,其变化规律和特征不易发现。它需要用系统工程的理论和方法,用定性分析和定量研究相结合的方法来进行分析研究,用不同的预测模型来拟合,进行分析研究是必要的。所以我们对统计数据的时间序列提     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

时间序列多期累积量的预测区间及应用

一、引言在时间序列分析的许多实际应用中,考虑的预测区间通常有两种,一种是单期预测区间,另一种是多期联立预测区间。后者是一个新的研究领域。对时间序列Ｘｔ,可观察时间ｔ＝１,２,…,ｎ,建立单期预测区间是指对给定的α,找到常数Ｃ使Ｐ（｜Ｘｎ＋ｋ－Ｘｎ（ｋ...     

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.     

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.     

财经类高校《时间序列分析》课程教学模式的探讨

时间序列分析基于随机过程理论和数理统计学方法,是处理动态数据,进行分析、预测与控制的基础分析工具,在经济学、社会科学、工程技术、地理、生物医学等众多领域都有广泛的应用。《时间序列分析》作为统计学专业的专业必修课程在各个高校都已开设。近     

统计预测方法的特点研究

一、统计预测方法的分类研究现代预测方法的发展,往往是各种预测方法的交叉运用,相互渗透,很难有截然的划分。因此,在分类问题上不能绝对化。但按预测的性质,大致上可分为定性预测法、回归预测法（包括经济计量模型法）、时间序列预测法和组合预测法四类。１．定性预...     

遗传支持向量机及其在人民币汇率变动方向预测中的应用

文文章基于金融时间序列的近期数据对未来的影响会大于早期数据,对应用于金融时间序列预测的支持向量机方法进行了改进,给出了不等权重支持向量机方法（USVM）及其多项式光滑化处理;将不等权重支持向量机方法应用于训练样本集的子集确定预测模型,给出了遗传不等权重支持向量机方法（GAUSVM）;对GAUSVM应用于汇率变动预测的实证分析发现,通过利用遗传算法对预测模型选优能够有效地提高USVM预测效果,加强其数据挖掘的功能。     

长期趋势预测模型的探讨

经济预测就是根据事物的过去和现在去研究未来，对未来可能出现的事件和问题等作出科学的估量和表述。事物是在不断发展着的，因而可从现象的发展趋势中进行预测。这类预测方法所依据的资料一般都是时间序列（动态数列），现有的预测方法包括简单的、复杂的不可计数，最常用的预测方法是最小二乘法趋势线配合预测法。笔者试图提出一种差分预测模型，以修正最小二乘法趋势线预测模型，从而缩小预测误差，使预测结果更符合实际。一、差分预测模型的提出在一个时间序列的分配数列中往往存在着某种形态的长期趋势，用适当的方法测定这个趋势，并…     

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     

浅谈时间序列发展史

第二次世界大战之后，电子计算机技术的迅速发展，为时间序列分析的建模和预测提供了强有力的工具，尤其是自美国著名的统计学家博克斯和英国的詹金斯于1968年在理论上提出了"整套的随机时间序列的模型识别、参数估计和诊断检验的建模方法，并于1970年出版了专著《时间序列分析──预测与控制》之后，时间序列的应用已深入到许多行业和领域。我国时间序列引人较晚，许多人还较为陌生。本文将谈谈时间序列的发展史，以便人们对其有更深入的了解。西方统计学家认为，影响经济现象变动的原因主要有四种，即：反映人口、资本、技术等变化的长期…     

基于混沌时间序列分析的股票价格拐点预测方法

随着混沌科学的迅猛发展,当前在经济、金融研究领域,对经济、金融系统行为的混沌分析已成为一大热点,由此发展起来的混沌经济学大大增强了经济理论对现实的描述能力。股票价格时间序列是一个受政治、经济、心理等多方面因素影响的离散时间序列,使得股票价格常表现出包括混沌在内的各种复杂现象与行为。这些现象与行为若采用传统的统计学的方法处理往往难以得到令人满意的结果,而若采用混沌的方法处理则非常有效,因而混沌时间序列的建模与预测已成为当今学术界的研究热点。     

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     

应用不等权重支持向量机预测人民币汇率的变动

基于金融时间序列的近期数据对未来的影响会大于早期数据,对应用于金融时间序列预测的支持向量机方法进行改进,给出了不等权重支持向量机方法（USVM）及其多项式光滑化处理。将不等权重支持向量机方法应用于训练样本集的子集确定预测模型,实证分析表明USVM算法预测是有效的。     

自适应滤波在经济预测中的应用

自适应滤波在经济预测中的应用高健绪,顾岚一、自适应滤波及预测方法设｛Ｘｔ｝（ｔ＝１,２,．．．,Ｎ）是一个实际观测到的经济序列,不失一般性,可以认为它具有趋势性和季节性,我们可用长自回归模型ＡＲ（ｎ）对其进行拟合。式（１）中误差项｛εｔ｝是零均值白噪...     

时间序列分析

时间序列分析上海财经大学张尧庭时间序列分析是分析社会经济资料的一种重要的方法，它对于信号处理、无线电工程、工程控制技术等许多领域都有深刻的影响，本文只介绍它在社会经济数据中如何进行分析并扮演一个重要的角色。社会、经济的发展是随时间而演变的，因此反映、...     

递归预测器神经网络在中国金融市场的实证研究

金融时间序列预测是金融理论领域的研究热点之一。以金融市场中普遍存在的弱混沌为基础,对递归预测器神经网络在中国金融市场的预测应用进行实证研究。在网络训练上,提出用遗传算法优化网络的阈值、权值以及激发函数的幅值和斜率。对国内股票、期货和黄金市场中几个有代表性的品种进行实证检验,计算了预测均方根误差（RMSE）和预测精度（PA）,并和两种典型的神经网络预测模型——BP神经网络、径向基函数神经网络做了比较,结果表明该模型有较好的预测效果。     

时间序列模型对深证成指的预测分析

一、时间序列建模的主要方法 依据时间序列数据进行经济预测的方法主要有四种.     

非负权重最优组合预测的计算方法研究

非负权重最优组合预测的计算方法研究曾勇,唐小我组合预测（ＣｏｍｂｉｎａｔｉｏｎＦｏｒｅｃａｓｔｉｎｇ）可以综合利用各单项预测方法提供的信息,是提高预测精度的有效途径。近年来,组合预测一直是国内外预测学界研究的重点课题之一。１９８９年,国际预测领域的权...