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…     

时间序列分析在经济预测中的应用

社会消费品零售总额是一项重要、敏感的政府统计。定期发布的消费品零售统计资料,常常引起国内外的强烈关注,间或还会引发一些疑义和争议。文章拟通过运用EXCEL及SAS软件建立季节分解模型和季节哑变量、ARIMA模型,对我国的社会消费零售总额的情况进行预测分析,从初步确定几个不同的模型中,把拟合效果最好的模型保留,并对模型的实用性进行了探讨。     

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     

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。     

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.     

时间序列分析在公司净利润预测中的应用

企业利润,通常是指企业收入减去成本费用后的余额,亦称为财务成果或经营成果.在商品经济条件下,企业追求的根本目标是企业的价值最大化和股东权益最大化.而无论是企业价值最大化,还是股东权益最大化,其基础都是企业利润.利润已成为现代企业经营与发展的直接目标.企业的各项工作,最终都与利润的多少相关.净利润是指企业所有者最终取得的财务成果,或可供企业所有者分配或使用的财务成果.因此,净利润是企业所有者最关心的指标.通过分析、预测净利润的未来趋势,企业所有者可以更好地对企业进行决策.     

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。     

时间序列的综合分析法在经济预测中的应用

在传统时间序列分解计算方法的基础上 ,采用灰色预测方法对趋势项进行预测 ,建立以传统分析方法和灰色系统理论相结合的经济变量长期预测数学模型 ,并对经济指标进行预测     

时间序列的多项式模型及其应用

对时间序列作预测一般采用移动平均法 ,指数平滑法。本文利用拉格朗日插值公式及最小二乘法给出时间序列的多项式模型。一、拉格朗日插值公式及多项式模型传统的拉格朗日插值公式指的是 :如果 ｙｉ=ｆ(ｘｉ) ,ｉ=0 ,1,2 ,… ,ｎ ,则存在唯一的ｎ次多项式Ｐｎ(ｘ )满足Ｐｎ(ｘｉ) =ｙｉ　 (ｉ=0 ,1,2 ,… ,ｎ) ,并且 :Ｐｎ (ｘｉ ) =Σｎｉ=0 ｙｉｌｉ(ｘ) ,其中ｌｉ(ｘ)= (ｘ -ｘ0 )… (ｘ -ｘｉ-1 ) (ｘ -ｘｉ 1 )… (ｘ -ｘｎ)(ｘｉ-ｘ0 )… (ｘｉ-ｘｉ-1 ) (ｘｉ-ｘｉ 1 )… (ｘｉ-ｘｎ)因此 ,对于时间序列 {ｘｉ,Ｔｉ},ｉ =1,2 ,… ,…     

时间序列模型对深证成指的预测分析

一、时间序列建模的主要方法 依据时间序列数据进行经济预测的方法主要有四种.     

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     

新型模糊时间序列模型与应用

为了提高模糊时间序列的预测精度,文章利用小波分析多尺度分解方法,选择适当的小波函数,把一维数据分解为低频逼近部分和高频细节部分,在低频部分和高频部分根据各自数据特征利用模糊C一均值聚类算法分别建立模糊时间序列模型并预测,然后把每个部分的预测值根据小波重构得到最终预测结果.通过对国家财政收入实例验证对比发现,该模型在预测精度方面有较大提高.     

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。     

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...     

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...     

时间序列和神经网络的组合预测及其应用

近年来各种预测方法中,时间序列是线性模型中精度比较高,应用较广的模型之一;而在非线性类中,神经网络模型是典型的非线性预测.建立时间序列和神经网络的组合预测模型可以有效的反映各种因素的综合影响,组合预测理论已经证明多种模型的线性组合在一定的条件下能够有效的改善模型的拟合能力和提高预测精度.本文采用线性组合预测方法,应用线性规划方法,从而在预测中得到比单项预测方法更好的科学预测结果.     

时间序列的图模型及其在股市相关性中的应用

图模型方法是高维数据统计分析的重要工具,时间序列的图模型方法有链图、因果图和偏相关图,将基于VAR模型的时间序列链图和因果图应用于国际股票市场,研究主要股指的动态相关性,结果表明：美国股市对周边股市的影响较大。将偏相关图应用于亚洲股票市场,研究亚洲主要股指的交互作用,结果表明：中国内地是相对独立的市场,中国香港、台湾以及新加坡、日本股票市场之间存在显著的信息流动。