甘肃省人均GDP时间序列分析

人均GDP的增长具有内在的规律性,本文以甘肃省1978～2007年人均GDP的时间序列数据资料为依据,建立了一个能够有效拟合甘肃省人均GDP变化的时间序列模型,以揭示甘肃省人均GDP增长变化的规律性。     

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。     

基于宏观管理下的时间序列模型货币供应量趋势分析

本文选取2000-2004年的12个月的货币供应量为研究对象,利用SPSS软件对其进行时间序列模型分析及趋势预测。通过模型的时序图、自相关图及偏自相关图,得到时间数据的显著趋势性,继而采用二阶差分对其进行平稳性处理,从而得到可用ARIMA模型拟合的平稳性时序。进而依次对模型进行参数估计、白噪声检验和序列预测,得到货币供应量历年的数据值及对应预测值的时序图。结果表明,ARIMA模型的拟合效果较好,对货币供应量的趋势预测具有一定的参考价值。     

基于ARIMA模型对上证指数的实证分析

运用时间序列分析方法,通过收集上证指数的历史数据,对数据进行平稳性检验,白噪声检验,建立ARIMA(p,d,q)模型,估计出模型的参数,并对上证指数的走势作了预测和拟合,预测结果比较理想,预测值接近真实值.对上证指数的短期预测有较好效果.     

基于时间序列分析股票上证指数走势

本文应用时间序列对上证指数历史数据进行研究分析,并建立预测模型,以研究2014年上证指数的变化规律。利用统计分析软件分别对其开盘价格进行分析,应用时间序列分析方法建立模型对上证指数作预测分析,以得出接近真实值的预测值,并对模型进行检验,证明有效后,对未来数据进行短期预测。     

内蒙古经济增长对环境质量的影响研究

本文选取内蒙古1996—2011年的时间序列数据,利用计量分析方法,以内蒙古工业固体废物、废气、废水排放量等环境污染程度指标与人均GDP指标建立相关计量模型,运用Eviews6.0计量软件进行曲线回归模拟,得到模型之间的拟合优度曲线的形状和趋势,参数检验的显著性结果。计量结果显示,内蒙古工业烟粉尘排放量与人均GDP不存在显著性关系;工业固体废物排放量、工业废水排放量随着人均GDP的增长而先减少再增加;工业废气排放量随着人均GDP的增长而增加。通过环境库兹涅茨模型分析,说明随着内蒙古经济的增长,生态环境呈恶化趋势。深究其成因后,就内蒙古经济与生态环境协调可持续发展提出了相关建议。     

基于FIAPARCH-skt的纽约黄金期货波动分析

本文引入正态分布、t分布以及偏t分布下的长记忆特征条件方差模型—FIAPARCH模型研究纽约黄金期货时间序列波动,通过与其他常用的方差模型进行比较,并运用AIC准则、SC准则以及比较对数似然值验证了FIAPARCH-skt模型为最佳拟合模型。最后以模型自身的特点,对期金时间序列的聚集性、非对称性和杠杆效应进行描述,从而对期金时间序列的波动特征有更深的了解。     

基于时间序列模型下河南人均GDP的预测分析

以河南省1978-2013年的人均GDP统计数据为样本,通过序列平稳化处理,消除伪回归,在单位根检验的基础上通过模型识别选择了合适的模型,建立了河南省人均GDP的时间序列方程,以此对河南未来人均GDP进行了预测分析。研究表明,河南未来人均GDP仍处于较快增长阶段,但增速呈放缓趋势;河南在未来一段时间内仍将处于脱离"中等收入陷阱"阶段的经济发展关键期,距离世界银行公布的一万美元的中高端收入标准尚待时日。     

基于户型大小的西北地区城镇家庭生活用电碳排放统计分布分析及差异化调控策略研究

选取中国家庭动态跟踪调查数据库（CFPS）2014—2018年西北五省区家庭经济数据,运用统计推断方法构建居民用电模型,对小、中、大3类户型家庭用电碳排放情况进行概率分布拟合,选取最优拟合模型进行时空特征分析,并构建基于户型大小的阶梯电价模型。结果表明,家庭用电碳排放总体服从Loglogistic分布,随时间增长和住宅面积增大,其概率密度曲线由“瘦长型”逐渐变成“矮胖型”。根据居民用电碳排放概率分布变化特征,分析居民用电碳排放规律,为城镇制定用电政策提出建议,以降低居民用电碳排放。     

基于幂律型分布的动态VaR模型及实证研究

针对金融资产回报时间序列的尖峰厚尾性和波动集聚性,提出了基于AR(1)-GARCH(1,1)模型与幂律型分布相结合计算VaR的方法。用GARCH模型对时间序列建模刻画波动集聚性,用基于幂律型分布的扩展形式拟合GARCH模型的残差分布尾部,刻画回报时间序列的厚尾特征,二者结合更好地描述回报时序的动态波动现象。对上证综指进行实证分析,结果表明本文提出的方法比基于正态分布的GARCH模型和静态幂律尾法更精确。     

时序模型拟合优度的TOPSIS评价法及其应用

本文提出对时序模型拟合优度进行多准则综合评价的选择思路,建立了兼顾统计特性和拟合效果的多指标评价体系及相应的TOPSIS评价法,其中对指标权重的确定,提出了基于相关系数的客观赋权法.最后以一股票市盈率序列为例进行实证研究.     

基于改进均值回归的波罗的海原油运价指数模型研究

针对波罗的海原油运价指数波动机理,通过分析原油运价指数的均值回归特性,研究其波动趋势,运用单位根检验及方差比检验方法对原油运价指数的均值回归特性进行验证,从而对传统均值回归模型进行改进,给出参数的估计方式,对波罗的海原油运价指数进行分析预测并验证改进模型的拟合效果及预测精度。本文的特色与创新一是基于特性检验,建立"均值水平"随时间变动的均值回归方程,体现原油运价指数均值随时间变化的特征;二是基于柯尔莫哥洛夫前向方程得到基于改进均值回归模型的预测模型,确定预测值及置信区间,从而对原油运价指数样本路径进行拟合,并通过与传统预测模型的比较,表明改进预测模型的显著性。实证结果表明,原油运价指数具有显著的均值回归的特性,且改进后的均值回归方法平均预测相对误差达到0.1597,低于传统模型的平均预测相对误差0.1908。     

河北社会消费品零售总额SARIMA预测模型

本文运用时间序列分析方法中的季节时间序列模型(SARIMA),对2003年～2010年的河北省社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且模型短期预测效果极佳,通过模型预测了2011年各月河北省社会消费品零售总额,同时提出增加农村消费是提高消费政策的重点。     

灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究

针对行业间碳排放转移量预测问题，以中国1997-2017年间9年度28个行业间碳排转移量数据为样本，本文提出了基于小样本随机振荡序列的灰色量子粒子群优化通用向量机混合预测模型ROGM-QPSO-GVM。该模型首先使用ROGM（1，1）模型得到各行业对其他行业碳排放转移量的预测序列和残差序列，然后提出了一种新的量子粒子群优化（QPSO）算法优化GVM模型网络参数，构建了QPSO-GVM模型对残差序列进行修正，再将两部分的预测值相加得到行业间碳排放转移量预测值，最后根据所有预测值构建出行业间碳排放转移网络。结果表明ROGM-QPSO-GVM模型与其他模型相比具有更好的预测效果，并利用该模型对2020年、2025年、2030年中国行业间碳排放转移网络进行了预测及变化趋势分析。     

一种非线性时间序列预测模型及对原油价格的预测

针对具有非线性和不稳定性的时间序列,提出一种结合小波分解、滑动平均离散差分方程和马尔可夫方法的动态预测模型.利用小波多尺度分解将原时间序列分解到不同频率通道上,然后对分解出的低频近似小波系数利用滑动平均离散差分方程预测模型进行预测,并利用马尔可夫方法对时间序列的高频细节小波系数进行预测,最后将低频和高频的预测结果进行小波重构得到时间序列的实际预测值.原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油(周度)价格进行实证预测分析,分别预测WTI原油价格的整体变化趋势和周度实际原油价格.研究结果表明,此模型不但可以有效地预测时间序列的整体变化趋势,能从细节上对其进行有效的刻画,而且比其他基于小波的预测模型具有更高的预测精度.可以看出国际原油价格从整体上呈现周期性上涨趋势,并且不稳定的随机波动也会一直存在.     

基于EMD和SVMs的原油价格预测方法

针对原油价格预测问题,提出一种基于EMD(经验模式分解)和SVMs(支持向量机)的非线性组合预测方法.该方法运用EMD技术将原油价格序列分解成若干个不同频率的分量,根据频率高低将各分量分组叠加得到3个新序列,分别代表市场波动价格、重大事件价格、趋势价格;针对此3个序列,构建不同SVMs模型分别进行预测,得到各序列预测值;用SVMs针对各序列预测值构建组合模型得到最终预测值.采用WTI和Brent原油现货价格数据验证本方法的有效性,结果表明,此方法与单一的SVMs模型和人工神经网络模型相比,具有较高的预测精度.     

某工业企业的生产函数的估计模型

本文主要是确定某工业企业的生产函数模型,针对搜集的本工业企业的相关数据,分别用线性生产函数模型、C—D生产函数模型、规模不变的C—D生产函数模型以及CES生产函数模型四种生产函数模型对该工业企业的生产函数模型进行估计,对估计得到的每个生产函数模型,分别比较其预测值对实际值的拟合程度。通过比较分析,得出预测效果最好的函数模型,最终选出最能反映该企业生产情况的函数类型,得到该企业的生产函数模型。     

厦门港集装箱吞吐量的时间序列模型

本文用时间序列分析方法建立厦门港集装箱月吞吐量的时间序列模型.本文结果说明趋势平稳过程和单位根过程都能很好地拟合厦门港集装箱月吞吐量序列,单位根检验方法在实际中很难用于区分趋势平稳过程和单位根过程.     

基于新型核与灰度序列的MGM(1,m,N)模型及其应用

雾霾是空气质量重要评判标准之一，对其进行准确预测能为相关政府部门及时做出正确决策提供理论支持，因此预测雾霾具有实际意义。本文针对区间灰数分布信息已知的序列，构建多个影响因素作用于多个系统行为变量的灰色MGM(1,m,N)模型。首先根据可能度函数计算得到区间灰数的新型核与灰度序列，然后对新型核与灰度序列分别建立MGM(1,m,N)模型以求得模拟值和预测值，最后通过还原得到区间灰数序列的上、下界。为进一步验证该模型的可行性，本文将该模型应用于雾霾相关数据并与基于传统核与灰度序列的MGM(1,m,N)模型进行比较，结果表明本文构建的新模型的模拟预测精度都较传统模型更好。     

计算实验金融、技术规则与时间序列收益可预测性

从受到广泛关注的简单技术规则视角,运用新兴的计算实验金融方法研究股票市场收益的时间序列可预测性,证明投资者非理性心理和行为是造成时间序列收益可预测性的原因.基于Swarm仿真平台和Objective C语言构建仿真模型TA-ASM,并进行多组不同参数下的计算实验,通过对模拟数据的统计分析发现,简单技术规则能获得超额收益,表明其在一定程度上具有时间序列收益可预测,该结果意味着收益时间序列存在可被简单技术规则侦测的部分.为确定潜在的影响因素的作用,研究进一步定性定量地对可能的各个内外生因素进行分析,最后得出投资者的非理性心理和行为作为一种系统风险被市场收益吸收从而导致时间序列收益可预测性的结论,该结论支持了行为金融理论关于个体的非理性存在于市场收益过程的假说.