SARS疫情对深证成指影响的时间序列模型

时间序列是一组按时间顺序排列数据序列,经常用x1,x2,……,xm,……表示.在经济分析中,许多历史统计数据都可建立时间序列模型,并可借助相应模型进行外推以预测未来,亦即时间序列预测.本文利用SAS系统下时间序列(ETS)模块建立带有自相关校正的回归模型和带有干预序列的ARIMA模型,计算、分析SARS疫情对我国深证成指走势的影响.     

基于ARIMA模型的深证成指收益率分析

文章根据ARIMA(p,d,q)模型的原理和方法,对我国深证成指时数收益率数据进行了建模,在实际计算过程中,考虑到对数收益率数据比较小的特点.利用矩阵的SVD分解和MoorePenrose广义逆,来求解参数的极小最小二乘解,以减少中间过程的误差,从而获得比较好的模型.最后.对模型进行了实验仿真.经检验分析结果比较理想.     

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.     

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。     

基于分形插值模型的股价时间序列分析及预测

文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征.     

时间序列趋势预测的三步滚动模型

如何对统计数据的时间序列的发展趋势进行科学的预测是对预测方法的理论研究和实际应用都是非常重要的,也是关系到能否有效利用统计数据并做出正确决策的重要前提。在经济社会领域的实际应用中,研究人员根据时间序列的特点,希望用一些拟合精度好、建模方法简单、应用方便的预测模型。而社会经济现实问题中的统计数据的时间序列的发展趋势往往是较复杂的,其变化规律和特征不易发现。它需要用系统工程的理论和方法,用定性分析和定量研究相结合的方法来进行分析研究,用不同的预测模型来拟合,进行分析研究是必要的。所以我们对统计数据的时间序列提     

我国GDP时间序列的模型建立与预测

本文利用统计软件对我国1952年到2005年的实际GDP时间序列数据进行了分析,分别建立了ARMA模型和Holter-Winter非季节短期预测模型,并对2006年到2010年的全国GDP进行了预测。结果表明两个模型都有很好的预测效果。     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

中国工业时间序列分析及预测

工业是现代经济的基础,工业现代化是社会现代化的重要标志.党的十六大提出了走新型工业化的道路,以加速工业的发展进程,拉动国民经济结构优化,实现中华民族振兴的宏伟目标.因此,监测和关注我国工业生产的现状和进程,了解工业经济的波动,是进一步经济分析研究的基础,也是宏观经济决策的依据.     

时间序列模型在海关税收预测方面的应用

为了对2008年江门海关税收总体形势进行把握,笔者利用SAS统计分析软件的时间序列预测模块对2008年江门海关税收总值进行预测.从预测结果来看,模型拟合度较高,预测值也较为准确.……     

中国人均GDP时间序列模型的建立与预测

人均GDP是以某地区一定时期国内生产总值(现价)除以同期平均人口所得出的结果。作为衡量一个国家和地区经济发展水平和综合经济实力的重要指标,人均GDP不仅考虑了经济总量的大小,而且结合了人口多少的因素,在国际上它也是划分一个区域经济发展阶段的依据之一。尤其像我们这样的人口大国,用人均GDP指标反映区域经济增长和发展情况会更加准确、深刻和富有现实意义。ARIMA模型是用于一个国家或地区经济和商业预测中比较先进适用的时间序列模型之一。本文试图以我国     

高频时间序列基于小波分析的预测

高频金融交易数据分析模型从上世纪90年代开始迅速发展,目前已广泛地用于金融市场微观结构理论的应用和实证检验.随着信息技术的不断发展,金融市场逐渐关注于利用高频金融数据的建模方法与理论的研究.但是,目前利用小波分析研究高频数据的文章并不多,而股市变化迅速且信息量巨大,正适合用高频数据的方法采集信息.     

居民消费价格指数的时间序列分析及预测

时间序列是按照时间顺序取得的一系列数据,大多数的经济时间序列存在惯性,通过这种惯性分析可以由时间序列的历史数值对未来值进行预测.文章主要利用时间序列的趋势外推方法对我国目前居民消费价格指数(CPI)进行了建模析和预测,以达到合理预期和分析的目的.     

用时间序列模型分析突发事件对经济的影响

"9·11事件",非典都属于突发事件,突发事件对经济的影响,有持续的过程,本文介绍用时间序列ARIMAX模型,分析突发事件"9·11"对股票指数的影响;估计非典对北京市旅游业的影响,本文所介绍的方法适用于一般的突发事件.非典对旅游业的影响,虽有其它方法可估计,其效果远不如本文所用的季节型ARIMA模型.本文的方法适用于一般的突发事件.     

时间序列分析的AR模型在全社会消费品零售总额预测中的应用

全社会消费品零售总额是一个与宏观经济运行状况有重要关系的经济变量,本文对全社会消费品零售总额作时间序列分析,建立AR模型进行趋势预测.我们以1987年至1995年的统计数据,作为时间序列分析的样本观测值,数据单位为人民币亿元,样本长度n=18.首先,假定全社会消费品零售总额x_t是一个平稳时间序列,为选择适当的描述x_t增长与变化规律的数字模型,我们对样本观测值进行数据分析,由公式     

时间序列预测的权数理论

时间序列预测的权数理论厦门大学聂皖生一、时间序列预测为什么要考虑权数在时间序列趋势预测中，尽管时间序列的各期资料对未来的预测值都有影响，但各期资料的影响程度不是等同的。显然近期信息对趋势变化影响大，而远期则较小，即存在近期信息对趋势变化的影响比远期信...     

时间序列转折点的贝叶斯预测

时间序列转折点的贝叶斯预测施发启在实际经济预测工作中,预测者越来越关心时间序列的变化趋势。迄今为止,由于转折点的预测和解释特别困难,本文试图运用贝叶斯方法对此问题作一初步探讨。一、预测转折点有关一个时间序列的转折点的定义,众说纷坛,莫衷一是。为了下文...     

卡尔曼滤波在高频金融时间序列模型预测中的应用

时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响.文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正.结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度.     

时间序列分析在经济预测中的应用

为了配合《统计学》课程的现行教学 ,提高学生运用统计方法分析、解决实际问题的能力 ,我们组织了一次案例教学 ,其内容是 :对烟台市的未来经济发展状况作一预测分析 ,数据取烟台市 1978～ 1998年 GDP的年度数据。在组织实施时 ,我们首先将数据资料印发给学生 ,并讲清本案例的教学目的与要求 ,明确案例所涉及的教学内容 ;然后给学生一段时间 ,由学生根据资料 ,运用不同的方法进行预测分析 ,并确定具体的讨论日期 ;在课堂讨论时让学生自由发言 ,阐述自己的观点 ;最后 ,由主持教师作点评发言 ,取得了良好的教学效果。本文是此次案例教学活动…