基于Copula函数的二维时间序列条件相依性研究

条件概率分布常用来研究马尔科夫序列相依模型的构建,研究二维时间序列的相依结构,要考虑时间序列之间的相互影响与时间上的记忆效应。文章先从时间序列之间的相依关系出发,结合条件概率的理论建立基于Copula函数短期相依关系模型,提出了模型参数的三阶段极大似然估计方法。     

中国城镇居民消费结构的预测

目前国内用于消费结构预测的模型,大部分是以截面数据资料建立起的线性扩展支出系统ELES,它反映在某一时间截面物价水平下不同收入水平消费者的均衡状况,属于静态预测模型具有很大局限性.本文在ELES模型基础上,考虑时间因素的变化对其加以改进,构建一组横断面样本与时间序列组合运用的动态预测模型体系.     

基于灰色系统的组合预测模型的建模方法

本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。     

二维时间序列相依模型及其Monte-Carlo模拟研究

文章结合时间序列理论和Copula函数技术.提出了研究二维时间序列的两类相依关系的相依模型以及该模型的Monte-Carlo模拟方法:通过模拟用图示检验了模型的有效性和灵活性.结果表明,二维时间序列的相依关系可以分解为三部分进行考虑,简化了模型和计算.     

SARS疫情对深证成指影响的时间序列模型

时间序列是一组按时间顺序排列数据序列,经常用x1,x2,……,xm,……表示.在经济分析中,许多历史统计数据都可建立时间序列模型,并可借助相应模型进行外推以预测未来,亦即时间序列预测.本文利用SAS系统下时间序列(ETS)模块建立带有自相关校正的回归模型和带有干预序列的ARIMA模型,计算、分析SARS疫情对我国深证成指走势的影响.     

灰色系统模型在我国人口数量预测中的应用

一、基本理论与方法 灰色系统建模的思想是直接将时间序列转化为微分方程,从而建立起抽象系统发展的动态模型,对于原始序列X(t),t=0,1,2,……,N;最常用的预测模型是GM(1,1)模型:     

时间序列分析的一个重要问题及其解决方法

文章考虑非平稳时间序列的一种特殊情形:d-1次差分不平稳,但d次差分是白噪声。推导出这样的序列是一个适宜的非平稳AR(d)模型。得到的结论是:对方差齐性的时间序列,总可以建立模型ARIMA(p,d,q)。文章以中国历年年末人口序列(1970~2009年)为例,建立了一个非平稳的AR(2)模型,并对此模型进行样本容量为10000次的Monte Carlo模拟,表明模型是稳定的。     

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     

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.……     

短非平稳时间序列TVAR模型参数PLS估计方法

文章针对短非平稳时间序列TVAR模型的参数估计问题,探讨了一种TVAR模型参数偏最小二乘回归分析方法;通过某飞行器时变机电系统的电压输出序列对本文方法进行了建模实验。实验结果表明:与传统的TVAR模型参数估计方法相比,PLS方法克服了短时间序列所带来的参数估计精度降低的问题,参数辨识精度更高。     

中国国家财政支农支出的时间序列分析

一、模型与数据的选择时间序列模型可以分为平稳的时间序列模型和非平稳时间序列。一个平稳的时间序列要求其数字特征如均值、方差和协方差等不随时间的变化而变化。而且在各个时间点上的时间序列服从一定的概率分布。相反,非平稳时间序列的数字特征随时间的变化而变化,各个点上的随机规律也是变化的,可见非平稳时间序列较平稳时间序列更没有规律,用于预测更困难,而在现实中遇到的经济和金融数据大多数是非平稳的时间     

双回归（AR—R）预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。     

基于NARX神经网络与ARMA的汇率混合预测模型

汇率时间序列是一个动态复杂系统,单独的线性回归模型或者非线性神经网络都不能很好地反映系统的特征.文章将汇率时间序列分解成线性序列和非线性序列两部分,并分别用ARMA和NARX神经网络进行建模;最后组合成NARX-ARMA汇率混合预测模型.结果证明,相比其他汇率预测模型,NARX-ARMA混合模型有更好的预测效果.     

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.     

基于秩方法的TAM估计

一、问题的提出作为统计学一个重要分支学科 ,现代时间序列分析的发展十分惊人 ,尤其是近二十年来 ,人们已不再满足于平稳、线性的时间序列分析 ,如AR、MA、ARMA、ARIMA等 ,越来越多的人将视野投向非平稳时间序列、谱分析、时间序列的线性系统、非线性时间序列及非线性系统、空间序列、不等间隔抽样等问题的研究。TAM模型属于非线性时间序列分析的范围 ,是我国香港地区的学者汤家豪 (参见 [12 ,13])先生于 1978年提出来的 ,由于该模型具有一些重要的性质特征 ,如比 :设置“门坎”(门限 ) ,然后通过门限的控制作用 ,保障模型自身的稳…     

基于遗传分层序列法的云制造资源优化配置

文章针对分层序列法和非支配排序遗传算法在求解多目标决策问题时的不足,结合遗传算法和分层序列法的优势,提出一种遗传分层序列多目标决策方法.设计遗传分层序列法的分层目标、遗传策略和原目标无量纲化处理方法.考虑运输时间因素,以制造完成时间最短和制造成本最低为目标,建立多制造任务资源分配模型,并设计一种基于时间矩阵的多制造任务完成时间计算方法.实验表明,应用遗传分层序列法进行多制造任务资源优化配置时,效果优于标准遗传算法和非支配排序遗传算法,可以满足决策者的不同决策偏好.     

交互影响的多元回归与多元时序混合模型

一、引言 经济系统的变量往往具有下列特征. 1.变量是多元的时间序列.例如我们研究金融政策工具的有效性,可以考虑如下4组变量:     

基于动态加权序列的财务管理系统TOPSIS评价方法

文章给出了影响企业财务管理系统择优的主要影响因素,对财务管理系统试用期间等周期评价获得的评价数据进行指标加权,得到指标加权评价时间序列,再引入时间权重区分评价时间序列的贡献度,得到考虑时间权重的动态加权评价序列,最后给出基于动态加权评价序列的财务管理系统择优TOPSIS评价方法.算例仿真验证了动态TOPSIS方法在财务管理系统采购择优评价的有效性和实用性,为企业采购财务管理系统提供了理论决策依据.     

基于时间序列分析方法的连续性抽样调查研究

针对连续性抽样调查中如何利用过去各期的调查信息来提高现期抽样估计精度的问题，引入时间序列分析方法，分别考虑连续性抽样调查中重复样本和重叠样本等不同情况，建立了不同情况下的时间序列模型，利用成熟的时间序列分析方法给出了总体特征的线性组合估计量。由于时间序列分析方法能够充分利用以往各期的调查信息，从而能够给出精度更高的估计量。