空气质量指数监控与预测的控制图方法

世界上多数国家都采用空气质量指数这一指标衡量空气质量状况,对空气质量的有效监测和预警是解决空气污染的重要参考依据.本研究使用ARMA模型拟合空气污染指数(API)时序数据,通过模型残差建立控制图,根据控制图的变化监控并预警.研究采用2010年上海世博会API作为可控状态建立控制限,以2011年1～8月上海API数据建立ARMA(1,1)模型,通过2011年9月上海API模型预测与残差控制图证实模型和控制图的有效性.     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。     

时间序列ARFIMA模型的贝叶斯预测分析

ARFIMA模型是时间序列分析理论体系中的一个新领域,其模型结构比较复杂.本文系统地研究了时间序列ARFIMA(p,d,q)模型的贝叶斯预测问题,给出了模型的似然函数形式,构造了模型参数的先验分布;根据贝叶斯定理严密地推断了参数的后验边缘分布密度函数,建立了贝叶斯ARFIMA模型预测的基本程序,并且进行了实证研究分析.     

ARIMA模型在移动通信用户数预测中的应用

本文采用自回归求和移动平均模型(ARIMA(p,d,q)),对贵阳2002年7月到2005年6月的36个月忙时用户数据进行分析,结果显示,ARIMA(0,1,1)模型提供了较准确的预测结果,可用于对未来月份忙时的用户数预测。就此,可为交换设备的建设提供可靠的参考依据。     

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.     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

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.     

基于初值修正的组合GM(1,1)模型及其应用

灰色GM(1,1)模型的拟合和预测精度依赖于其结构参数.文章从传统GM(1,1)模型的初值选取入手分析其存在的理论缺陷,通过两种初值修正方法建立改进的GM(1,1)模型,摒弃与系统关系不大的老信息,充分利用新信息来建模,从而达到精确预测的目的.在此基础上建立两种初值修正GM(1,1)模型的组合预测模型,提高了模型的拟合和预测精度。     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

三种灰色系统模型的预测比较

灰色系统模型误差直接影响模型的预测精度。文章在传统灰色系统模型的基础上,重新定义了误差数列q(0)(k),并对误差数列q(0)(k)进行了深入讨论,从而得到了两个修正模型,并与传统模型进行了比较。     

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.     

基于网络搜索数据的中国消费者信心指数的测算

世界上的多数经济都是消费者驱动的,因此消费者信心指数(CCI)在经济预测中占据非常重要的位置.文章利用社交媒体中人们的网络“行为”数据对CCI建模并拟合预测.通过建模,拟合的CCI具有较好的拟合优度和较小的误差,同时结果也表明,耗时、耗力的传统CCI测算方法可以通过挖掘社交媒体中的行为数据进行建模分析来获得.模型构建之后的对比及检验评价都表明该模型在计算和分析上是稳健的.     

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法.     

我国轿车保有量的预测研究

本文首次采用非参数模型对千人轿车保有量进行建模与预测.我们发现(1)千人轿车保有量相对于人均GDP的弹性并非一成不变;(2)与线型模型相比,非参数模型时千人轿车保有量提供了更好的模型拟合与更合理的中长期预测.     

基于AM残差修正的GM(1,1)模型的用水量预测

一个城市的总用水量预测是该城市防洪防灾的重要依据,文章以灰色预测理论为基础,运用AM(简单滑动平均)残差来修正GM(1,1)模型,对北京市年总用水量进行预测,并与传统的GM(1,1)模型预测结果进行比较.结果表明:修正的GM(1,1)模型比传统的预测精度大大提高,具有可行性与实用性,该模型对未来城市总用水量预测具有重要的理论和实践意义.     

基于ARIMA模型的工业品出厂价格指数预测与分析

工业品出厂价格指数(PPI)对于制定未来的经济政策和宏观经济决策有着重大的意义.文章深入分析了我国从1993～2014年工业品出厂价格指数(PPI)月度数据,并在此基础上应用ARIMA模型进行建模,并作出了短期的预测.研究表明预测数据与真实数据较为接近,预测精度较高,模型拟合优度良好,工业品出厂价格指数(PPI)在未来一段时间内将有可能继续保持稳中有升的趋势.     

利率期限结构特征的拟合与预测

本文从经典利率期限结构模型和数量利率期限结构模型中选取了三因子Vasicek模型、三因子CIR模型、多项式样条模型、指数样条模型、DL模型和动态SV模型等6个应用广泛且具有代表性的利率期限结构模型,分别基于2008年7月至2014年3月中国和美国市场的月度国债收益率数据进行拟合与预测,并采用均方误差(RMSE)和平均绝对误差(MAE)对实证效果进行判别。结果表明,DL模型在针对中国市场和美国市场数据的拟合与预测方面能力均十分突出且效果稳定,指数样条模型次之,而其他模型则在利率期限结构特征的刻画效果方面存在更强的数据依赖与能力不足问题。本文的结论能够为实证研究利率期限结构特征的模型选取提供科学依据和数据支持。     

基于等维新息递补GM(1,1)幂模型的GDP预测

针对灰色模型在GDP预测中精度较低的问题,文章提出一种基于等维新息递补GM(1,1)幂模型的预测方法.为反映数据的非线性特征,在GM(1,1)模型的基础上引进拓展的非线性GM(1,1)幂模型;进一步利用最新信息优先的原则,建立等维新息递补灰色幂模型.将改进的模型应用到我国“十三五”时期GDP的预测中,验证了此模型在拟合和预测上的优势.