江苏省城镇居民收入差异对消费结构的影响

一、panel-data模型 panel-data称为面板数据或平行数据,是把时间序列沿空间方向扩展,或把截面数据沿时间扩展构成的二维结构的数据集合,与单纯的时间序列和截面数据相比,面板数据既能反映各个个体的变化特征,也能反映每个个体沿时间变化的特征.panel-data模型也称面板数据模型,是在面板数据上建立的回归分析模型.panel-data模型的一般表达式为:     

时序模型分析在经济预测中的应用

时间序列分析方法主要就是建立模型,目的是为了描述时间序列中产生数据的随机机制与趋势,以此模型来判断在某一时间或随机机制下会发生的数据达到预测和控制的目的。时间序列可分为平稳的时间序列和非平稳的时间序列,大部分经济时间序列为平稳的时间序列。对于平稳的时间序列进     

国际石油价格之残差自回归模型短期预测

国际石油市场上,油价围绕国际石油价值这个轴心随供求关系的变化而不断上下波动。而石油是现代工业的血液,预测油价变化,制定相关石油战略,具有重要的意义。文章运用非平稳序列的残差自回归模型方法对以往油价建立模型进行短期预测,模型拟合度比较理想,并和ARIMA模型及GARCH模型结果比较,残差自回归明显优于其他模型。     

基于纵向数据的半参数时间变化系数回归模型的系数估计

一、引言 纵向数据是指对每个个体在不同时间进行观测而得到的由截面和时间序列融合在一起的数据.纵向数据最大的优点就是它将截面数据和时间序列数据结合在一起,更好地分析出个体随时间的变化趋势.本文要研究的是基于纵向数据的半参数时间变化系数回归模型.     

分位数单位根检验的拓展及其应用研究

在不同的分位下对时间序列数据是否含有结构性变化进行甄别,对于准确识别数据的动态变化及其分布特征具有重要的意义.本文首次在Koenker和Xiao(2004)研究的基础上提出傅立叶分位数单位根检验模型,并以此捕捉时间序列中存在的结构突变点,进而刻画数据在不同分位下的动态变化特征.本文通过构建傅立叶QKS统计量并采用蒙特卡罗方法对傅立叶分位数模型的临界值、样本容量和检验“势”进行模拟,发现含有傅立叶级数的分位数单位根检验对刻画“尖峰厚尾”特征数据的非线性偏离动态调节特征具有更高的检验“势”.最后,本文利用拓展后的模型对我国通货膨胀的持久性和失业的回滞效应进行再检验,结果发现我国通货膨胀具有平稳的特征,而失业率却包含单位根过程.本研究为分位数单位根检验的拓展及其应用提供了一定的启示.     

灰色·马尔柯夫模型在棉花产量预测中的应用

传统的灰色模型GM(1,1)主要适用于预测时间短,数据资料少,波动不大的系统对象,其预测趋势都是一条较为平滑的曲线,对于随机波动性较大的数据序列拟合较差,预测精度较低.而在马尔柯夫链理论中,转移概率pii可以反映随机因素的影响程度,因此适用于预测随机波动大的动态过程.这恰恰可以弥补灰色预测的局限.但马氏链预测对象要求具有马氏链和平稳过程等均值的特点,而客观世界中的预测问题大量是随时间变化或呈某种变化趋势的非平稳过程.如若采用灰色GM(1,1)模型对预测问题的时序数据进行拟合,找出其变化趋势,则可以弥补马氏链预测的局限.因此将GM(1,1)模型与马尔柯夫预测模型有机地结合,既可优势互补,又克服了两者的不足.     

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。     

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。     

ARCH族模型在深沪A股中的应用

经典的最小二乘回归假定随机残差序列无自相关,误差的方差为一常数.然而研究金融市场时却发现,大多数时间序列往往具有变方差的特征,即在某些时期的波动十分剧烈,而另一些时期的波动又相对平稳,为了模拟这种波动,提高预测精度,1982年Engle提出了方差随时间变化的自回归条件异方差ARCH模型,Bollerslev又于1986年进一步提出了广义自回归条件异方差GARCH模型,此后,ARCH模型的一些扩展模型也被相继提出,如ARCH-M模型,GARCH-M模型,EGARCH模型等,形成ARCH族模型,并在解释货币和金融时间序列的行为中得到广泛应用.     

非平稳时间序列的EMD组合预测及其应用

非平稳时间序列预测问题一直都是一个难题,文章运用EMD技术将非平稳时间序列分解为一系列的imf和一个残余量。由聚类分析得到若干个cimf,然后通过对每个cimf以及残余量建立神经网络模型进行预测,达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题,且预测精度达到良好效果。     

郑州期货市场量价关系的实证分析

一、研究方法和模型选择(一)交易量处理本文采集了2004年6月1日至2006年7月28日棉花期货合约每天的收盘价和交易量(数据来源:郑州商品交易所网站)。由于每个期货合约都将在一定时间到期,因此如何产生一个连续的期货价格序列是个难题。本文选取离交割期最近月份的期货合约作为代表,在进入交割月后选取下一个最靠近交割月份的合约,得到连续期货价格序列和交易量序列。原始的交易量数据存在着非平稳性和时间序列相关性问题,因此需要用下面的自回归模型ARMA(p,q)对交易量数据进行处理,以得到一个平稳的、非相关的交易量序列作为信息指标的代理:     

中国宏观经济变量的结构突变单位根检验

文章首先比较系统地总结了有关结构突变单位根检验的理论、方法和模型。在考虑经济中结构突变的基础上对中国宏观经济总量的时间序列是具有单位根的非平稳还是趋势平稳进行了研究,为提高检验功效,应针对数据生成过程的特点联合多种检验方法进行检验。     

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GM（1，1）模型的四川省GDP预测

灰色系统理论是一门诞生不久的学科,其中GM(1,1)模型时期预测理论的基础与核心,它将系统看成一个随时间变化而变化的指数函数,并不需要大量的时间序列数据就能够建立预测模型(一般4个以上数据即可),并且预测效果较好。     

金融时间序列混合智能预测模型及实证研究

文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值.证券市场实证研究表明该模型可以准确预测金融时间序列.     

上证指数与深成指间协整关系的非参数检验

一、引言 在时间序列中常会发现两个变量存在一种长期稳定关系,C.J.Granger把这种长期稳定关系称为"协整关系".传统的协整分析方法是通过对序列差分将其转化为平稳序列,得出其中的线性均衡关系,这种协整关系可称为线性协整.线性协整的建模理论是从实际的数据生成过程出发,在非平稳序列中寻找可能存在的长期线性均衡关系,以建立序列的结构模型,从而反映序列的运行机制.     

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.     

趋势变动点与异常点的关系探讨

一、概念综述 具体来讲趋势变动点也称为结构变动点，是指以该点为分界点将一组时间序列数据分为两部分，分别用这两组数据来拟合事先建立好的模型，再用原整组时间序列数据去拟合该模型，模型中的参数值在整个期间内不能保持相同的数据点。     

时间序列分析法对我国三次产业结构变化的分析

一、时间序列分析法简述 　　客观现象都是处在不断发展变化之中,对现象发展变化的规律,不仅要从内部结构、相互关联去认识,而且还应随时间演变的过程去研究,这就需要运用时间序列分析方法.时间序列分析是一种广泛应用的数量分析方法,它主要用于描述和探索现象随时问发展变化的数量规律.……     

我国粮食生产的地区差异

政府在制定农业政策、分配资源时,不能对全国各个地区一概而论,需要根据他们各自的实际情况以及相互间的异同作出最有效的抉择,达到人力资源、物力资源的最优配置。传统的定量模型都是建立在时间序列数据或截面数据的基础之上的,仅能反映变量在时序或截面上的特征,不能反映不同