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     

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。     

中国城市化水平时间序列模型分析:1949～2007

文章采用1949～2007年的中国年度数据,建立了一个中国城市化水平的时间序列模型.模型显示,中国城市化水平的提高主要受到模型滞后一期和滞后五期的随机误差的影响,具体为,滞后一期和滞后五期的随机误差分别增加1个单位,则城市化水平的提高就会相应增加0.6706个单位和0.3236个单位.通过该模型对2003～2007年中国城镇人口比重进行预测.得出预测结果的所有预测误差的绝对值都小于1%.而且,用该模型预测未来3年的中国城市化水平,从对2010年的预测结果46.59%来看,预测结果与国家统计局提出的在2010年前后中国城镇化水平将接近45%的预期目标基本一致.     

基于ANN的时序预测模型及其在统计中的应用

建立时序预测模型是数据挖掘的任务之一,而统计分析也是数据挖掘的内容之一.本文作者利用ANN可逼近任意非线性映射关系的特点,提出了基于ANN的时序预测模型.以南宁市人口自然增长率时序数据为例构建了预测模型,并对模型进行了测试和检验.测试结果表明基于ANN的时序预测模型对时间序列具有较好的预测性能,在统计预测方面有着广泛的应用前景.     

统计行业数据分析与数据挖掘应用——统计建模思想

本文通过对应用于公共事业的政府统计和应用于商业领域的企业数据分析与挖掘的介绍,阐述了统计建模思想的产生、发展和趋势。从量化的角度,诠释统计建模思想的几个不同的层次及适用的情境,以提升统计数据化决策在政府和商业领域的广泛应用为目标,目的是在面对公共和商业问题时政府和企业能运用统计建模思想提供的量化方法,实践商业智能与统计智能的互补,最终完成统计大数据决策时代的真正革命（最终实现大数据决策时代统计建模思想的真正价值）。     

ARIMA模型在基金指数预测中的应用

本文采用自回归移动平均模型(ARIMA),选取上证基金指数2005年6月1日至2006年5月31日共238个交易日的数据进行了实证分析,结果显示,与传统时间序列方法相比ARIAM(2,1,5)模型对上证基金指数具有更好的预测效果,可为投资者的决策提供较准确的依据。     

基于机器学习与时间序列组合模型的中国汽车市场预测

文章构建了基于差分自回归移动平均(ARIMA)模型与支持向量机(SVM)、随机森林(RF)、极端梯度提升树(XGBoost)的三种组合模型,将其应用于国内汽车市场批零量预测。基于2009—2018年国内汽车市场乘用车批零量数据以及上汽集团数据库中相关指标数据,将组合模型的预测结果与改进后的三次指数平滑(HW)算法、ARIMA模型进行比较。结果显示:组合模型均能有效地改善建模结果,其中ARIMA与XGBoost的组合模型针对批发量与零售量的三个月内预测平均相对误差分别为3.53%与2.97%,对汽车企业具有参考价值。     

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。     

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。     

基于多因素VAR模型的外汇储备预测与分析

考虑到外汇储备受到宏观经济因素的影响,文章提出采用VAR方法建立多因素外汇储备预测模型.通过对我国历年外汇储备和影响因素时间序列进行分析,从中选择最佳预测模型.实证结果表明,该模型能较为精确的预测中国外汇储备规模,可以为短期内预测我国外汇储备提供有效参考.     

大数据的整合分析方法

大数据具有数据来源差异性、高维性及稀疏性等特点,如何挖掘数据集间的异质性和共同性并降维去噪是大数据分析的目标与挑战之一。整合分析（Integrative Analysis）同时分析多个独立数据集,避免因地域、时间等因素造成的样本差异而引起模型不稳定,是研究大数据差异性的有效方法。它的特点是将每个解释变量在所有数据集中的系数视为一组,通过惩罚函数对系数组进行压缩,研究变量间的关联性并实现降维。本文从同构数据整合分析、异构数据整合分析以及考虑网络结构的整合分析三方面梳理了惩罚整合分析方法的原理、算法和研究现状。统计模拟发现,在弱相关、一般相关和强相关三种情形下, Group Bridge、 Group MCP、Composite MCP都表现良好,其中 Group Bridge的假阳数最低且最稳定。最后,将整合分析用于研究具有来源差异性的新农合家庭医疗支出,以及具有超高维、小样本等大数据典型特征的癌症基因数据,得到了一些有意义的结论。     

高维大数据基因网络中的社区发现——以NC方法为例

从大量基因中识别出致病基因是大数据下的一个十分重要的高维统计问题。基因间网络结构的存在使得对于致病基因的识别已从单个基因识别扩展到基因模块识别。从基因网络中挖掘出基因模块就是所谓的社区发现（或节点聚类）问题。绝大多数社区发现方法仅利用网络结构信息,而忽略节点本身的信息。Newman和Clauset于2016年提出了一个将二者有机结合的基于统计推断的社区发现方法（简称为NC方法）。本文以NC方法为案例,介绍统计方法在实际基因网络中的应用和取得的成果,并从统计学角度提出了改进措施。通过对NC方法的分析可以看出对于以基因网络为代表的非结构化数据,统计思想和原理在数据分析中仍然处于核心地位。而相应的统计方法则需要针对数据的特点及关心的问题进行相应的调整和优化。     

论中国传媒产业市场结构特征——以电视产业为例

国家在大力促进传媒产业化发展的同时又对传媒产业采取行政性管制,以保障传媒产业的正确舆论导向,但是,这些行政措施导致传媒产业具有典型的行政性垄断特征,从而使得传媒产业表现出低经济绩效的特征,影响着传媒产业的大发展和大繁荣。运用“结构——行为——绩效”的分析方法,在深入分析行政性垄断的市场结构特征对传媒产业经济绩效影响的基础上,探讨传媒产业在坚持正确舆论导向的前提下实现大发展和大繁荣的途径。     

金融市场收益率方向预测模型研究———基于文本大数据方法

金融市场的发展关系着一国的经济命脉,而股票市场作为金融市场的重要组成部分,对其收益率的研究也一直都是学术界的热点。财经新闻常被认为蕴含着丰富的信息,其中所包含的情感信息作为影响投资者投资决策的重要因素之一,对股票收益率也具有一定的影响。故本文构建了适用于金融投资领域的财经新闻情感词典来对财经新闻进行文本分析,同时构造了新的预测模型:将财经新闻文本中所含的情感量化为情绪指数并与时变密度函数相结合,得到时变加权密度模型。并在此基础上以模型评分为权重组合多个预测模型构建出评分加权模型用于股票收益率预测。结果显示,加入情绪指数能有效提高模型预测能力,而评分加权模型的预测能力则在此基础上更进一步,在准确率以及评分规则上基本达到双重最优。     

大数据背景下网络调查样本的建模推断问题研究——以广义Boosted模型的倾向得分推断为例

随着大数据和网络的不断发展,网络调查越来越广泛,大部分网络调查样本属于非概率样本,难以采用传统的抽样推断理论进行推断,如何解决网络调查样本的推断问题是大数据背景下网络调查发展的迫切需求。本文首次从建模的角度提出了解决该问题的基本思路：一是入样概率的建模推断,可以考虑构建基于机器学习与变量选择的倾向得分模型来估计入样概率推断总体;二是目标变量的建模推断,可以考虑直接对目标变量建立参数、非参数或半参数超总体模型进行估计;三是入样概率与目标变量的双重建模推断,可以考虑进行倾向得分模型与超总体模型的加权估计与混合推断。最后,以基于广义Boosted模型的入样概率建模推断为例演示了具体解决方法。     

统计数据失真的动态博弈分析

各类统计主体都是利益主体,都有不同全局利益的个体利益。文章从博弈论和统计理论出发,建立了一个新的统计数据生成模型,首次给出了数据提供方报真与统计部门积极查假的充要条件,也提出了更有针对性的政策建议。     

基于经典计量模型的统计数据质量评估方法

 本文以经济理论为基础,从整个经济系统出发,利用研究对象的相关影响因素构造计量模型,在既定模型下,运用异常值的检验方法及统计诊断原理进行数据质量的定量评估。通过选择合适的模型对考察对象的变化规律进行模拟,找出异常数据（离群值）,判断异常数据是否显著异常,对异常数据进行多方查证和原因分析来进一步判断数据的质量,并对我国的统计数据质量进行了实证分析。     

统计执法的博弈分析

针对目前中国统计数据失真相当严重并引起社会各界普遍关注的现象,运用博弈论作为分析工具,引入重复博弈研究了统计执法中数据报方与查方的利益冲突关系,从统计执法的角度揭示了统计数据失真的主要原因,并提出了相应的五项对策。     

汽车4S店顾客满意度模型及其实证研究——以天津丰田汽车4S店为例

构建了以感知硬件质量和感知软件质量为外生变量,以感知价值和顾客满意为中介变量,以重复购买意向和正面口碑相传为结果变量的汽车4S店顾客满意度模型,并对其进行实证检验,研究发现:感知硬件质量对购后行为意向没有显著的直接影响,而是通过感知价值和顾客满意间接作用于购后行为意向;感知软件质量只对重复购买意向有显著的直接正向影响,同时也会通过感知价值和顾客满意对购买行为意向产生间接的作用;感知硬件质量对顾客满意的作用力最强;汽车的外观设计与感知硬件质量的相关性最强;供应的零配件质量与感知软件质量的相关性最强。     

基于外部干预的统计数据博弈模型链

当前社会各界仍普遍反映我国政府统计数据质量较差,其中一个重要原因就是外部干预造成的。本文建立的统计数据非生成过程的三个博弈模型证实和模拟了外部干预统计数据质量的动力和途径,说明了统计数据在干预下的上报倾向,并通过对博弈模型均衡及参数的分析,得出了相应的结论和改进数据质量的均衡观。