基于ARIMA模型的我国石油价格预测分析

石油价格波动较为复杂,不确定性影响因素较多。ARIMA模型是将预测对象随时间推移而形成的数据序列视为一个随机序列并加以描述,被广泛地应用于对高频金融时间序列建模,它能较好地把握此类时间序列的动态规律。在利用ARIMA模型对我国1997年以来大庆石油价格进行拟合,短期预测结果模拟值与实际值十分接近,预测效果良好。     

CPI季节调整中消除春节因素的实证研究

文章首先对CPI季节调整原因、方法进行说明,然后介绍X-12-ARIMA方法。考虑到中国特有的春节等移动假日效应问题,为剔除春节假日因素,笔者引入春节虚拟变量,建立了消除春节效应的模型。结果显示:消除春节因素的季节调整可更加准确地反映中国CPI的基本发展趋势。最后,利用消除春节因素的效应模型对CPI进行短期预测,预测结果与实际较为吻合。     

基于网络搜索数据监测的CPI预测

网络搜索经济类关键词的范围和频率能反映公众的关注度和倾向,可用来对经济指标进行预测,从而预示经济走势。为解决居民消费价格指数(CPI)预测中的官方数据滞后问题,使用时间序列法,采用网络搜索监测数据对CPI进行预测。运用百度指数分析方法,搜集宏观、微观、投资三类指标,对初始指标的百度指数进行主成分分析,拟合出CPI预测模型。结果表明,预测CPI和实际CPI走势基本一致,可比官方数据提前一个月得到预测值,为把握宏观经济走势提供参考。     

基于在线大数据的iCPI与CPI关系的研究

本文对清华大学iCPI项目组发布的基于在线大数据的居民消费价格指数iCPI与国家统计局发布的CPI的相互关系进行分析.运用时间序列模型研究了iCPI和CPI的短期和长期的统计相关性,并且运用混频数据抽样模型研究了iCPI所具有的实时和高频发布的特征对CPI实时预报和预测的作用.研究发现,iCPI和CPI在长期走势和短期变动方面都存在较大的差异,同时iCPI能够对CPI实时预报和预测提供有用信息.研究创新包括深入挖掘了iCPI的统计性质,提出改进iCPI编制的建议,以及利用iCPI改进CPI编制的政策建议.本研究为将iCPI与CPI相结合构建全面准确反映居民消费整体价格变动的新型价格指数提供参考.     

我国经济增长周期模型的理论基础与建模思路

以经济增长周期理论为基础,从需求决定角度构建一个简单的经济增长周期模型,该模型共有GDP、投资、消费、出口、进口等16个内生变量,包括短期波动模型、中期波动模型、中长期波动模型、长期波动模型和动态均衡值模型等5个子模型。从模拟预测情况看,除短期波动模型模拟预测值与实际值偏差较大外,其他模型模拟预测值均与实际值高度一致,即经济增长周期模型能够较好地模拟样本区间内各内生变量的周期性波动及其动态均衡值发展状况。     

基于混沌时间序列分析的股票价格预测

根据股票市场是非线性动力系统的假设,利用混沌理论对混沌时间序列的分析方法,提出了股票价格预测方法。同时利用重构相空间的嵌入维数和延迟时间分别确定经向基函数模型网络的结构和训练样本对,对实际的股票时间序列预测结果表明,该方法能有效地进行短期预测,并与前馈神经网络模型相比,可得到较好的预测结果,因而在股票时间序列预测中有广泛的实用价值。     

基于我国股市混沌行为的预测分析

时间序列中的随机性蕴涵着非线性确定性系统混沌行为,混沌系统对初值的极端敏感性使之不可能对其进行长期预测,然而,在判定时间序列混沌行为的基础上运用局域法对我国股市进行了短期预测,并指出在计算关联维数时存在的问题,得到了较好的结果.     

基于小波变换和时间序列法考虑随机分量的短期风速预测

为提高短期风速预测的准确性,本文结合小波变换和时间序列法,考虑随机分量进行短期风速预测.利用小波变换对风速时间序列分层,将高频变化的风速时间序列利用自回归滑动平均模型(ARMA)进行预测,低频变化的风速时间序列利用持续法进行预测,最后将预测结果叠加并通过随机阵列对结果进行修正.通过实例验证以及与时间序列方法进行对比,结果证明该方法的预测精度和预测稳定性都有所提高.     

中国经济周期性波动及其对策分析

改革以来，在长足的经济增长中伴随有经济的波动，波动的状态和特征既反映了一定的客观经济规律，也反映了一定的主观控制痕迹。多种因素的共同混合作用，使我们很难从表面上找出产生波动的原因。本文首先找出影响经济波动的几乎所有的因素，其次运用多种主成份筛选的方法，找出改革以来影响经济波动的主要成份，接着对这些主要的原因进行经济分析，然后对经济波动进行长期和短期的预测，并对如何控制对经济有负面影响的波动提出一些对策分析。     

基于COX模型的财务危机动态预测方法

企业爆发财务危机是一个动态的演化过程,与财务危机静态预测研究不同的是,文章采用多元时间序列数据表述企业特征,并结合COX模型进行动态预测研究。从多角度采集企业爆发财务危机的影响变量,完成必要的数据预处理后采用Mann-Whitney U检验和多重共线性检验进行变量筛选,并提取财务危机预测的主成分变量以降低变量维度,最后对比分析静态COX模型、动态COX模型和其它模型的预测效果。沪深两市A股上市公司的全样本实证结果表明:动态COX预测模型的综合识别准确率比静态COX预测模型高,且分类识别的第I类准确率和第II类准确率均有所提高,与其它模型相比具有较好的预测效力。动态COX预测模型具有较好的财务危机预判能力。     

交通基础设施投资与居民收入——来自中国农村的经验证据

选取了1999年至2008年我国30个省市农村数据,分别构建静态和动态面板数据分析模型,对交通基础设施投资与居民收入之间的关系进行实证分析。静态面板数据模型的估计结果显示,短期内交通基础设施投资对农村经济的发展能够产生直接的经济效应,促进农民增收;动态面板数据的结果则表明,交通基础设施投资所带来的农村交通设施条件的不断改善,将在一定程度上促进农民收入的长期稳定增加。进一步地,将两类模型的估计结果予以对比分析发现,农村基础设施投资促进农村居民收入增加的短期效应将高于长期效应。     

基于SVR的股市预测与择时研究

本文首先阐述支持向量回归机原理,在此基础上建立了SVR预测模型,以HS300指数数据为测试样本,分析了SVR模型在时间序列预测问题中的优势,并在此基础上进行了交易实验.结果表明：支持向量回归机适用于预测股市大盘的短期走势,并能够得到比较好的预测效果.     

行业系统性风险的动态特征及其影响因素

现代经济主体间网络关联性越来越强,风险很容易在不同行业间扩散,因此有效识别并分析系统性风险是防范金融危机的关键步骤。基于条件风险价值(CoVaR)和边际期望损失(MES)两个指标,对巨潮行业指数系统性风险的静态和动态特征进行了研究。结果发现,各行业间系统性风险的相关性较强,动态特征显示2009年年初和2016年3月为系统性风险的两个峰值;从分行业来看,材料行业的系统性风险最高,而消费和医药行业的系统性风险最低。采用动态面板模型分析影响行业系统性风险的市场面因素发现,短期涨幅较高、长期涨幅较低及流动性较充分的行业,其系统性风险往往更低。因此,应加强对系统性风险较高行业的监管力度,建立好金融防火墙,防止外部金融风险的过度传染;同时应加强对各行业的实时监控,尤其是关注短期暴涨暴跌及流动性充分与否的监控。     

Deferment of the First Birth and Fluctuating Fertility in Sweden

In Sweden, as in other industrialized countries, a decades-old decline in fertility rates has been accompanied by a rise in the age at first birth. In contrast to other industrialized countries, however, fertility rates rose sharply in the 1980s before plummeting in the 1990s. In this paper we apply hazard regression to data from the 1992 Swedish Family Survey, supplemented by annual earnings data linked to individuals and by annual time series of national-level economic indicators, to investigate the predictors of the timing of the first birth of women in Sweden since the mid-1960s. The discovery that both individual characteristics and aggregate-level factors influence the timing of the first birth casts light on both the continuing trend of postponement of the first birth and annual fluctuations in first-birth rates.     

试油层非线性产量预测模型研究

准确的产量预测是油田勘探开发的重要研究任务,而常规的预测方法无法应用于开发初期。同一勘探区块, 试油层产量与各影响因素存在一定的相关性。首先建立了产量与各静、动态参数的一元非线性回归模型,然后将其作 为新的自变量,进行多元线性回归,最后获得了预测试油层产量的非线性回归模型。现场实际应用表明,建立的多元 非线性模型比线性模型预测精度更高,适用性更好。为该勘探区块试油层措施改造决策提供了科学的指导,提高了试 油经济效益。     

ARMA模型在成都市人均GDP预测中的应用

从时间序列的基本概念出发，以成都市1978～2010年的人均GDP时间序列数据为基础，建立了ARMA模型，并对成都市未来三年的人均GDP进行短期预测．     

基于ARIMA模型的山东省月降水量时间序列分析

采用SAS和SPSS软件,结合相关的数学统计方法和时间序列分析方法,运用ARIMA模型进行建模,分析了山东省境内2000年到2009年的月降水量的变化趋势,对2010年的月降水量数据进行预测并与真实值进行对照.结果表明ARIMA模型在短期预测中能起到一定作用,所预测结果均在95%的置信区间内.     

张家界旅游城镇化响应动力仿真分析

在旅游城镇化响应动力系统中，旅游资源禀赋、经济发展水平、旅游需求和交通通达性等动力因素，通过因果反馈关系，推动城镇化对旅游产业成长的响应。以张家界2005—2018年相关统计数据为基础，构建系统仿真分析模型，选取仿真区间为2005—2030年。模型系统结构共划分为三个子系统，分别是人口子系统、经济子系统和旅游子系统，在仿真期间，各子系统及其要素均呈现出增长趋势，但增长幅度和发展趋势有所差异。在不同情景模式下，经济水平和旅游业发展增长幅度存在差异，通过对比三种情景模式得出，为促进旅游业发展，需要加强基础设施建设，增加旅游投资，同时也应加强旅游宣传。