金融市场超高频时间序列ACD-GARCH-V模型研究

金融市场超高频时间序列建模是目前金融计量经济学研究的热点。该文在已有研究的基础上,建立了ACD-GARCH-V模型,通过实证分析考察了超高频交易量变化率及交易持续期对金融产品收益率和波动性的影响。     

复杂季节时间序列模型研究

季节时间序列有时不止有一个季节周期,比如以小时计的数据,24小时可以是一个季节周期,同时,一周可以是一个季节周期.为解决传统模型不能处理复杂季节问题,文章采用傅里叶级数序列作为ARIMA模型的辅助回归元,对我国2004年1月至2015年8月的铁路客运量进行拟合.结果表明,分别选择正余弦个数为1和4的2.6和12个月为周期的傅里叶级数作为辅助回归元拟合ARIMA(3,1,1)模型最优,拟合的平均绝对百分比误差(MAPE)为5.46％.在此基础上对我国2016年各月份的客运量进行了预测.     

多变量时间序列模型识别方法

模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。     

新型模糊时间序列模型与应用

为了提高模糊时间序列的预测精度,文章利用小波分析多尺度分解方法,选择适当的小波函数,把一维数据分解为低频逼近部分和高频细节部分,在低频部分和高频部分根据各自数据特征利用模糊C一均值聚类算法分别建立模糊时间序列模型并预测,然后把每个部分的预测值根据小波重构得到最终预测结果.通过对国家财政收入实例验证对比发现,该模型在预测精度方面有较大提高.     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

经济时间序列的灰色模型研究

经济时间序列的灰色模型研究广东商学院王泽日一、基本理论与方法对于实测的时间序列｛Ｘ（０）ｉ（ｔ）｝，（ｉ＝１，２，…，ｎ；ｔ＝１，２，…，ｍ），一般为随机的，将其累加处理，可获得新序列｛Ｘ（１）ｉ（ｔ）｝，其中｛Ｘ（１）ｉ（ｔ）｝＝ｔｋ＝１Ｘ（０）...     

经济时间序列趋势模型的辨析

趋势平稳过程和随机趋势过程是刻画经济时间序列的两种截然不同的随机过程,对于经济建模分析具有不同的影响.文章从基本概念、技术处理和经济涵义上对这两种过程进行了全面的阐述和分辨,并利用渐近分布理论对于两种过程参数的统计关系进行了研究.从中讨论了单位根检验存在的问题,并给出相应的建议.     

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     

随机系数离散值时间序列模型

 本文建立了q阶随机系数整值滑动平均模型。研究发现：固定指标t,该过程服从泊松分布;求得该过程的期望、方差、协方差;证明了该过程是宽平稳过程,均值与协方差均是遍历的;得到了特殊情况下模型参数的矩法估计,该估计是相合估计。通过Monte Calro模拟来验证估计结量的优劣。     

上海股市的时间序列模型研究

现实经济生活中的股市行情是一个随时间推移而变化的过程,投资者要想在瞬息万变的证券投资市场上获得有限投资的最大利润,就必须对股市进行时间序列分析,建立适当的数学模型,然后根据数学模型预测证券变化趋势.本文介绍了时间序列分析的两种常见的模型:自回归移动平均模型和条件异方差模型,并把它们结合,对上证综指近五年的1122个有效收益数据进行建模,并对未来几天的收盘价作预测,比较得出模型的优劣性.     

非线性时间序列ARMA模型的优化估计法

本文提供了一种ARMA模型参数的优化估计法—NLBFGS算法,它收敛速度快,且只须一阶导数的信息,不需求逆矩阵,和具有超线性收敛性等优点。而且本文给出实例的MATLAB程序,并利用t统计量对ARMA模型参数估计进行了检验:拟合模型效果显著。     

线性时间序列计量模型选择方法探讨

如何在诸多具有竞争性的模型中选择一个理想的模型是计量经济学近些年来的一个重要研究领域.文章以系统动力学系统性能评价理论为视角,对线性时间序列计量模型的选择方法做了探讨,认为系统动力学系统性能评价指标体系比计量模型评价指标体系合理,其不但可以克服计量模型选择方法的局限而且简单易行,为计量模型选择提供了一种新的思路.     

基于模糊时间序列模型的股票市场预测

文章针对模糊时间序列模型目前存在的缺乏客观论域划分方法和模糊关系前件单一等缺陷,首先应用模糊聚类方法将数据分类,以相邻两个聚类中心的中点作为子区间的分界点来划分论域;其次将数据模糊化后根据证券市场主要量价指标建立了具有多个前件的高阶模糊关系;最后根据序列对比规则计算预测值。将该模型用于股票指数的价格预测和涨跌预测,与传统模型比较的结果表明其预测准确率有了较大提高。     

我国铁路客运量的季节时间序列模型

针对季节调整方法如X-11等调整结果不利于解释,及其方法本身没有考虑我国像春节等季节性特点的不足,文章建立起一般的季节时间序列模型,另外,针对季节周期的主观诊断,文章建立起辅助回归模型,较为客观的诊断时间序列的季节周期。结合我国铁路客运量的实证分析,预测结果表明:未来10月铁路客流量较大,相反,11月和12月客运量较小,这点和历史数据的特征十分类似,说明建立的模型较合适。     

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.     

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.     

多元平稳时间序列ARIMAX模型的应用

本文介绍多元平稳时间序列ARIMAX模型的建立方法,并将ARIMAX模型应用于我国第三产业产值、固定资产投资和GDP数据的分析与预测,得到较为满意的结果。     

我国城市化水平的时间序列模型分析

本文运用时间序列分析模型对我国城市化水平的发展变化特征及发展趋势进行了分析,并对我国未来一段时间内的城市化水平进行了预测.     

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、...