基于时间序列的房地产价格走势辨识

本文采用时间序列分析法按照复杂经济系统的影响原理将上房住宅指数分解为长期趋势变动、月度变动以及循环波动三种相互独立的变动趋势,同时结合政策、市场等因素对三种变化趋势的原因进行解析,从而发现了上海市住宅市场的大势所趋以及月度变动、循环波动的典型特点。     

中国经济周期的划分与波动趋势研究

明确而合理地划分出我国历次经济周期的起止时点,是极为重要的基础性研究。文章采用我国GDP增长率作为基准时间序列,并以GDP增长率的三年移动平均为辅助序列,将我国经济周期进行划分为九轮的短周期,进而根据短周期的波长变动趋势,将我国经济周期划分为两个阶段。对我国经济周期的波动特征进行详细地分析,并发现我国经济周期的波型出现了新的变动趋势。根据划分的结果作了简要的分析。     

宏观经济时间序列的频率域特性与HP滤波器平滑参数的选择

文章分析了The Hodrick-Prescott(HP)滤波器传输特性和指数增长时间序列的频率域特性,分别定义HP滤波器和指数增长时间序列的3dB带宽,推导了它们的计算公式。给出了由HP滤波器3dB带宽包含谐波数确定平滑参数λ的方法,建议对宏观经济时间序列进行初始值归一化以改善HP滤波器分析效果。通过HP滤波器对我国国内生产总值(GDP)(1952~2010)宏观经济时间序列的分析,说明上述方法可以有效地控制趋势分量的精度和波动分量的幅度,为HP滤波器处理不同宏观经济序列选择平滑参数提供了依据。     

应用直接法测度循环波动应注意的问题

直接法是由M.A.Brumbaugh提出的,它是用经济时间序列中每年各月数值与它前一年同月数值的百分比来度量循环变动和不规则变动程度的,只要对这一结果作一定长度的平滑以消除不规则变动,就能表明循环变动程度。不过,当原始序列不是指数趋势,直接法在方法上就失效了。直接法的缺点远不止是运用性差,更突出的表现在经济意义上。首先,它反映的并不是各时期经济水平的循环波动程度,而是各时期循环变动水平与其前一年同期循环变动水平的相对程度。其次,直接法不宜用来测度古典循环波动。古典循环波动程度是用循环水平(常常是用实际序列每期水平对该时期正常水平的百分比来表示的)来反映的。直接法的计算结果,只是一系列年距发     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

我国宏观经济指标周期波动相关性的互谱分析

时间序列谱分析方法可以从频域角度反映序列周期波动特征的全部信息 ,它的基本思想是把时间序列看作互不相关的不同频率分量的叠加 ,利用富氏变换等手段将各频率分量加以分解 ,通过谱密度函数来衡量各分量的相对重要性以找出序列中存在的主要频率分量。我们曾利用该方法对我国转轨时期主要经济指标的周期波动特征进行了分析 ,结果表明 :80年代以来 ,我国经济增长中出现了 7～ 9年为主的中周期波动 ,这与西方工业国家曾出现的主周期波动即朱格拉周期是基本一致的 ;此外 ,围绕 2～ 3年还存在一个作用相对较弱的短周期波动。谱分析方法不但能分…     

经济预警的理论和方法(之四)

四、经济波动的测定方法(2)——剩余法剩余法又称残余法,其基本前提是假定时间序列Y可分解为长期趋势T、季节变动S、循环变动C和不规则变动I四个部分。采用剩余法测定经济波动,就是从时间序列中逐次或一次消去长期趋势T和季节变动S,余下循环变动与不规则变动,在此基础上,再消去不规则变动,最后得到循环变动值。这样,就将测定周期性波动的问题,转化为选择时间序     

季节分析中趋势剔除的研究

一、问题的提出在传统时间序列分析中,重点是确定性因素的分解和提取。确定性因素分解一般归纳成四大因素:长期趋势、季节变动、循环波动、随机波动。由于非固定周期的循环波动和长期趋势难以严格分解,人们对四因素的分解作了改进,现在通常分解成三大因素:(1)长期趋势:包括长期     

中国股市的实际波动率

中国股市实际波动率实证研究表明(1)经实际波动率标准化的收益率序列接近于正态分布;(2)对数实际波动率序列的分布近于正态;(3)实际相关系数序列接近于正态分布;(4)实际波动率序列、对数实际波动率及相关系数序列均具有显著的长记忆特征;(5)不同股票的对数波动率序列之间具有显著的相关性.     

中国房地产价格指数的模拟和预测

一、基本思路和统计方法(一)基本思路目前的房地产价格指数主要包括房屋销售价格指数SI、土地交易价格指数GI和房屋租赁价格指数LI三大类,而房屋销售价格指数与公众对房地产价格波动预期的相关性最强,所以本文选择房屋销售价格指数SI来反映房地产价格指数的整体性波动。从理论上分析,房地产价格指数受供给和需求以及预期等多方面因素的影响,如果我们能够找出客观存在的影响房地产价格变动的先行指标,则有可能利用这些先行指标的变动,提前若干期来预测房地产价格变动的趋势。根据这一思路,我们按照以下步骤开展房地产价格变动的模拟与预…     

运用最小二乘支持向量回归机和CARRX模型对股市波动率的预测

条件自回归极差模型(CARRX)是一类新的描述波动率的模型。为了提高CARRX类模型的预测精度,文章将最小二乘支持向量回归机(LSSVR)应用于CARRX模型。先将CARRX模型转化成ARMAX形式,再利用LSSVR对ARMAX模型的参数进行估计(LSSVR-ARMAX)。通过对沪深300指数的预测实证分析,发现无论是采用直接预测还是迭代预测,LSSVR-ARMAX模型的样本外预测能力均优于Perez-Cruz(2003)提出的方法;LSSVR的估计方法能够在长期预测中捕捉到极差波动率的变动趋势,而CARRX类模型对中短期极差波动率的预测准确度较高。     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

基于经验模态分解和广义可加模型的双变量频率结构影响研究

文章提出了一种基于经验模态分解和广义可加模型的组合方法,以研究非平稳自变量中不同频率的波动成分对因变量的非线性影响。模拟分析表明,经验模态分解可以对非平稳序列进行有效的分解,得到不同频率的波动成分,揭示了数据的内部频率结构。     

时间序列分析与回归分析之异同

时间序列分析与回归分析之异同西安公路交通大学雷渐宏不少统计文献是分别论述时间序列分析和回归分析这两个问题的。时间序列分析在于测定时间序列中存在的长期趋势、季节性变动、循环波动及不规则变动，并进行统计预测；回归分析则侧重于测定解释变量对被解释变量的影响...     

经济时间序列频率转换方法的研究与应用

经济时间序列的频率转换是计量经济分析领域的一个重要研究问题.本文首先对不同经济指标类型(流量、存量和指数)及传统频率转换方法进行了系统梳理;在此基础上,重点介绍了3种低频向高频转换的前沿方法:Denton方法、Chow-Lin方法和Litterman方法,并给出了流量、存量和指数3种类型变量由低频(季度)向高频(月度)转换的实例;最后,对3种频率转换方法的数据转换质量进行了比较分析.研究显示,频率转换后的月度数据都较好地反映季度数据的变化趋势和波动特征,从而通过频率转换方法可以很好地解决由于收集到的数据类型不一致而无法建模的问题.     

我国实际GDP的季节特征研究

一、引言季节波动的存在是许多经济时间序列的主要特征之一。Hylleberg(1992)认为:“季节性是一种系统的,未必是规则的跨日波动,这种波动是由天气、时间和经济机构直接或间接的生产或消费决策时机的变化造成的,因为经济决策总是受到决策者的天赋、预期、偏好以及经济中所能获得的生产技术的影响和制约”。这个论述着重指出:季节波动不仅是一种天气和日历效应,而且可由经济机构的行为所形成,且未必是一种常量。在经济时间序列分析中,季节波动的研究有很长的历史。过去一般地认为它是一种噪音,其存在干扰了趋势、增长以及循环等成分的分析,于…     

我国CPI季节调整模型预测

文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测.实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5％之内.     

中国股票市场波动率的多重分形分析与实证

我国股票市场波动表现出随时间变化的动态特征。文章采用多重消除趋势波动分析法(MFDFA),对沪深股市四个主要指数的日波动率时间序列进行了分析。结果表明,沪深股市四个主要指数的日波动率时间序列均表现出多重分形特征,且上证指数和中证500指数日波动率序列相对于其他两个指数日波动率序列表现出更强的多重分形特征。各指数日波动率时间序列的多重分形特征均是自身的长程相关性和波动的厚尾分布共同作用的结果,且波动的厚尾分布对原始序列的多重分形特征的影响比长程相关性大。     

利用Excel实现时间序列分解分析

一、简介分解分析法是时间序列分析和预测过程中常用的统计方法。该方法假设时间序列是趋势变动（T）、循环变动（C）、随机变动（I）综合影响的结果,分解过程首先从原始序列中消除随机变动,然后在此基础上,分别识别出循环变动和趋势变动的变化模式。假设的合理性、方法的科学性和操作的简易性使分解分析法在经济预测中得到了较为广泛的应用。本文结合具体例子介绍如何用电子表格软件Excel实现时间序列的分解分析。二、实例如图（1）所示,表中A1至B13单元格是1996至1998年各季度某海滨城市旅游人口数（千人）,试预测1999年各季度旅…     

基于DWT的相似性搜索算法

时间序列数据聚类在统计分析中具有重要意义。然而高维时间序列数据挖掘高度依赖的相似性搜索方法仍面临计算量大、准确率低等问题。为了提升高维时间序列数据挖掘任务的准确率和效率，提出一种基于波动特征的时间序列相似性搜索算法。该算法首先提出局部高频离散小波变换(LHFDWT)方法，通过合理的分解与重构来实现序列的降维；然后提出基于欧氏距离(ED)、波动幅度和秩相关系数从时间序列形态波动的相对偏差和趋势一致性角度计算相似度；最后提出一种相似性搜索算法和新的基于波动特征的时间序列聚类方法，并利用k-medoids聚类技术进行聚类分析。基于UCR标准时间序列数据集的实验结果表明，相对于动态时间规整(DTW)和最长公共子序列(LCSS)方法，所提新方法下的聚类准确率表现更优，置信度达到99%;在正确预测聚类数目和搜索效率方面具有更好的效果，且聚类结果具有更高的稳定性；1-NN分类准确率更高，说明其在确定更好的聚类中心方面效果更优，置信度至少为85%,证明了所提新方法的相似性搜索算法的优越性。