基于EEMD模型的固定资产投资周期识别与预测

集合经验模态分解(EEMD)模型可根据数据特点,将时间序列分解成一系列不同频率的分量,能提供多尺度研究视角,更加精准地把握周期波动规律.本文利用EEMD模型将1996—2017年我国固定资产投资季度数据分解为5个不同频率的本征模态函数(IMF)分量和1个趋势项,根据分量特征赋予不同经济含义,在多个尺度上进行分析.结果发现:IMF1和IMF2分量整合通过白噪声检验,可认为是外部因素的随机冲击;IMF3分量周期长度约为3年,可认为是企业库存量变化引起的存货周期;IMF4分量周期长度为5年,可认为是政治周期;IMF5分量周期长度约为20年,可认为是建筑周期.随后在分量分解基础上建立ARIMA模型进行拟合与预测,通过与其他模型对比,发现EEMD-ARIMA模型表现更优.结论表明,EEMD模型在类似固定资产投资这种波动性较大的经济时间序列周期识别和预测中更具优势.     

基于ARIMA模型的安徽省入境旅游人数预测

入境旅游预测是旅游统计学一个重要的研究方向。以1995—2010年安徽省旅游业中入境旅游人数为依托,运用SPSS软件提供的时间序列模块,建立差分自回归移动平均模型(ARIMA)对入境旅游人数进行预测,实证结果表明:该方法能够对入境旅游人数进行有效预测,在没有特殊影响因素下,模型拟合结果接近实际值。     

基于小波多分辨分析的中国工矿事故预测

基于小波多分辨分析的预测方法对1950—2004年的中国工矿工伤死亡人数时间序列进行分析建模,对2005年到2010年的工矿工伤死亡人数进行了预测。在建立模型过程中基于简便易行的AIC准则进行模型选择。分析表明预测模型拟合历史数据精度很高,预测结果为政府、企业认识事故规律以及为政府科学监管提供了一定的参考。     

基于Logistic与Fisher的上市公司财务困境判别模型比较研究

以我国股权分置改革后A股制造业公司为研究对象,采用大样本法选取样本,选用财务困境发生前2年内8个季度的财务数据进行分析,对财务困境公司与正常公司的财务指标分别进行Fisher判别分析、线性logistic回归和非线性logistic回归分析。研究结果表明,我国上市公司财务困境发生前2年的季度数据对公司财务困境是否发生具有预测效力;总资产净利润率、营运资金比率和成本费用利润率三个指标对财务困境的预测能力较强;非线性logistic模型的误判率最低,线性logistic模型其次,Fisher模型的误判率最高。     

安徽省城镇居民消费情况实证分析

文章根据《安徽省统计年鉴》中的相关数据 ,运用时间序列线性回归等模型对 1 995 -1 999年安徽省城镇居民的消费支出情况进行实证分析 ,以揭示近几年来安徽省城镇居民的消费支出的结构及特点 ,以及消费不旺局面的内在原因。同时文章还探讨了一些与消费密切相关的经济热点问题     

商洛市旅游人数的时间序列预测模型

本文采用曲线趋势外推法处理商洛市旅游人数时间序列的波动性趋势,依据1999年至2008年商洛市旅游人数数据,建立商洛市旅游人数的时间序列预测模型,并将该模型与实际数据进行拟合和预测,结果表明该模型的显著性较高,与实际数据的拟合性较好,预测得到的数据与实际数据差距较小,可以实际用来预测未来旅游人数的基本趋势,为管理和市场决策提供参考.     

安徽省煤炭资源消费需求预测分析

文章在对安徽省煤炭资源进行详细调查的基础上,结合影响矿产资源消费需求的因素,运用时间序列趋势预测和多元线性回归预测,对安徽省煤炭资源需求关系进行分析;预测安徽省自今至2020年的煤炭资源需求量,认为届时将达到1.03亿吨-1.08亿吨。     

α-加权模糊线性回归模型及其在电力需求预测中的应用

建立了一种回归系数为对称三角模糊数的α-加权模糊线性回归模型，运用模型进行了电量需求预测，实际需求和预测结果分析表明，该模型能够实现历史数据“重近轻远”的预测效果。进一步提高预测精度，减少预测误差，适合于电力需求预测。     

基于多种模型组合的我国2015年人口总数预测

首先建立了线性回归模型、曲线拟合模型、指数函数模型、时间序列模型、灰色系统模型5个单一模型,就2001-2004年的人口数分别对这5个模型的预测结果进行了比较;然后考虑将这5种模型用5种组合方法组成新的组合模型来预测人口总数;最后对我国2005-2015年的人口总数进行了预测,预测结果为我国2015年人口总数为14.30亿。     

组合预测的线性模型化研究

本文将组合预测确定加权系数的问题,变成求一个在线性约束条件下的线性模型的参数估计问题,从而提出了一种新的加权系数确定方法.     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

时间序列分析在金属价格预测中的应用

与回归分析不同,时间序列分析不是根据与其它变量的因果关系来预测一个变量的未来变化,而是根据该变量自身过去的规律来预测其未来的变化.这与实际中价格信息的复杂性特征具有较好的符合关系.作者在Intnet网上查取了伦敦金属交易所(LME)镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个,用其中的前37个数据进行时间序列分析,得到了AR(3)模型,用最小二乘法和Yule-Walker法预测后五个数据,得到了较好的效果.因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景.     

基于误差校正的ARMA-GARCH股票价格预测

针对时间序列预测和简单回归预测各自的侧重点不同,综合两者优点,对股票价格进行预测。首先将股价数据转换成对数收益率,利用ARMA-GARCH模型对收益率序列建立模型,对上证指数股票价格进行初步预测;然后建立回归模型对GARCH模型误差中未被解释的成分进行分析和拟合,利用回归模型预测的误差对GARCH模型预测结果进行校正。在选择回归模型变量时,引入变量间的相关性分析筛选合适的影响因子,利用主成分分析方法提取影响因子中包含的信息,实现对解释变量的降维,获取具有代表性的综合指标,以提高建模精度。实例研究证明该方法对于上证指数股票价格预测较为准确。     

Mathematica软件在非线性回归方法中的应用

将非线性模型线性化,然后用加权线性回归模型的方法去估计参数,并通过Mathmatica软件实现计算。     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。     

2004年某县交通事故数据的挖掘分析

为了对交通事故实施量化分析,通过图表、聚类、相关、偏相关及回归分析等统计方法对2004年某县交通事故的基本数据进行了分析。分析认为,导致该县交通事故直接经济损失的直接因素主要是受伤人数,而不是死亡人数和事故起数;同时从不同角度进行了事故原因分析,分析结果表明：加强周末交通监管力度,增加疏导交通的人数和时间等;加强好天气的交通管理;注重于驾驶人员和出行人员保持一个良好的心态及车辆自检问题;加大宣传和整治马路市场、事故黑点的力度等。     

2010-2011年中国宏观经济预测与分析

"中国季度宏观经济模型(CQMM)"课题组于2010年2月6日在北京举行了中国季度宏观经济模型第八次预测发布.课题组利用最新发表的宏观经济季度数据估计模型(CQMM),对2010年和2011年共八个季度的中国宏观经济主要指标数据进行了预测.预测结果表明,2010年中国GDP预计可增长9.13%,复苏迹象明显.但在投资刺激和出口回归正常后,未来数年,我国经济可能难以继续保持之前两位数增长,预期增长9%左右.课题组还模拟了不同货币调整力度对宏观经济的影响,以及居民可分配收入变化对宏观经济运行的影响.依据预测和政策模拟的结果,课题组对2010年我国宏观经济调控提出相关政策建议,即适度控制经济增长速度,调整国民收入支出结构必须多方着手、多方努力.     

正态模糊数时间序列的回归预测问题研究

讨论了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型的解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

“十二五”期间贵州农村三类劳动力规模估算

农村人口流动必然会引致三类群体产生：外出农民、返乡农民和留守农民群体。使用1996—2009年贵州省统计资料,通过线性模型、时间序列模型等方法,对这三类农民群体＂十二五＂期间规模的预测表明：期间留守农民人数将缓慢减少;外出农民和返乡农民人数则不同程度地增加;到＂十二五＂期末,即2015年时,三类群体规模分别将达1 162.75万人、749.42万人和62.74万人。