混沌时间序列分析法在生产总值预测中的应用分析

国内生产总值是国家经济建设中一个重要的参数,是衡量国家经济实力和经济发展规模的重要指标,利用混沌动力学原理,采用相空间重构技术的混沌时间序列分析法,对改革开放以来(1978-2004年)我国国内生产总值(GDP)时间序列进行了分析,计算了时间序列的嵌入维数、延迟时间等关键参数,建立了局域预测模型。并且把预测结果和用灰色系统预测结果进行了比较。结果表明,用混沌时间序列分析法预测国内生产总值具有较好的精度。     

“时间序列外推法”在体育预测中的应用研究

本文通过查阅有关原始数据和文献，采用时间序列外推法对裘、章二人和省九届大运会男子乙组三级跳远前六名成绩进行了预测,将所得结果作了对照分析；并对该项目的发展趋势作了进一步的分析研究。     

时间序列预测新方法及其在电信预测中的应用

利用时间序列稳定的季节性,建立一种新的时间序列预测模型。即建立季节末总量基于给定资料的条件分布,利用季节周期内已知的少数观测值来预测周期末总量;在总量预测的基础上进一步预测周期内的为止观测点。经过实证研究可以看出,该模型对于观测值少的时间序列有很高的预测效率。     

时间序列在城市交通预测中的应用

在地铁的可行性报告中，客流量的预测是一个重要的组成部分。T市地铁可行性研究报告中关于客流量的预测方法，采用的是国际上目前通用的四阶段法〔‘一，」。但该方法需要大量的调查数据，存在着调查的时效性问题，而且涉及许多参数，增大了预测的难度。此外，还存在着预测的跨     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上，使用人民币／美元的日汇率值进行实证研究，建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明，EGARCH模型的预测结果较ARIMA模型理想，适合描述人民币／美元汇率的变动趋势。     

基于时间序列分析的股价预测

基于收盘深发展股票价格的实际数据资料,通过对实际样本数据的预处理,确认股票价格序列为平稳非白噪声序列的基础上,利用SAS/ETS软件,采用ARMA方法,建立时间序列预测模型。应用的结果表明：本预测模型考虑了各种随机因素的影响,与实际状况有较高的吻合度,对动态数据进行预测是可行的,对于经济统计预测有一定的实用价值。     

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。     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

基于合作对策的股指时间序列智能组合预测研究

针对我国股市呈现出非线性、大幅度、频繁波动的特征,提出一种基于合作对策的股指时间序列智能组合预测方法,利用改进GRACH方法从时间关联性的角度辨识股指时间序列;同时利用神经网络方法从多种经济指标之间的相关性出发,建立股指时间序列预测模型,同时引入合作对策方法,对两种预测方法进行组合。实证分析结果表明,采用本算法能够有效地将预测精度控制在2.68%以内,同时在RMSE、MAPE和F三项指标上,较单一模型有极大提升。     

蔬菜价格时间序列的分解与分析——基于北京市2002-2012年数据

基于北京市2002-2012年的蔬菜价格数据,采用时间序列分解和H-P滤波技术,将蔬菜价格分解为季节性波动、随机性波动、周期性波动和长期趋势4部分,并测算各波动成分对蔬菜价格波动的贡献率。结果发现,季节性因子特征显著,是影响蔬菜价格变化的最主要因素,平均贡献率为62.3%;2002-2012年划分为6个周期,周期的时间跨度和波动幅度均有变大的趋势,周期性波动对蔬菜价格变化的贡献率为23.6%;突发和异常事件是引起蔬菜价格随机性波动的主要诱因,随机性波动对蔬菜价格变化的贡献率为14.1%;蔬菜价格长期趋势由持续上行转为波动上行,可分为升幅较缓、升速加快和波动上行3个阶段。〖JP2〗基于此,提出如下政策建议：完善蔬菜产业链条监测,强化信息流对物流引导作用的发挥;开展蔬菜市场预警建设,降低突发事件引起的随机性波动对市场的影响;自产蔬菜供应采取“见缝插针”的策略,在突发事件时起到平抑市场价格波动的作用等。     

正态模糊数时间序列的回归预测问题研究

讨论了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型的解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

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.     

博克斯——詹金斯预测模型在商品销售量预测中的应用

对商品在未来一段时间内销售量的预测,可以直接影响到企业整体营销策略的制定.运用博克斯-詹金斯预测法是一种对商品销售量的预测有较高精确度的模型,该模型是建立在零平稳随机时间序列的基础上,依据商品以往的销售量,预测未来一段时间内该商品的销售量.通过实例应用,证明了此方法具有较高的实用价值.这对于企业制定自己的营销策略具有很好的参考价值.     

2020年国际原油价格分析与趋势预测

2019年国际原油价格在以小幅增长开局后,受供过于求基本面影响冲高回落,于中低位持续震荡。展望2020年,从基本面和非基本面着手,分析全球经济、供需、美元、黄金、市场投机和地缘政治等因素未来动向,对2020年国际原油价格走势进行整体展望和预测。预计2020年Brent、WTI两市价差明显,国际原油全年均价将不会出现大幅增长,日常运行将延续震荡态势,对Brent、WTI原油均价预测结果为61~71美元/桶和53~63美元/桶。     

2016年国际原油价格分析与趋势预测

在回顾2015年国际原油市场主要发展历程的基础上,从两方面对2016年油价走势进行了发展态势展望和预测分析。研究认为:受全球经济形势、供需基本面因素的主要作用,在产量相对过剩情况下,尽管2015年油价已经下跌至成本价水平,但2016年油价整体还将呈现下降态势或将持续在低位震荡。预计2016年Brent、WTI原油均价为40~50美元/桶,并且两市明显价差将消失。     

2019年国际原油价格分析与趋势预测

2018年,国际原油价格经历平稳开局后,减产协议、核制裁等多种因素交错影响原油供需,导致全年市场波动较大。展望2019年,从基本面和非基本面着手,分析全球经济、原油供应、库存、汇率、市场投机和地缘政治等因素的未来动向,对2019年国际原油价格走势进行整体展望和预测。综合考虑国际原油市场各影响因素,结合预测模型客观计算和专家的主观判断,2019年国际原油价格将出现阶段性较大幅度涨跌,但整体还将保持低位震荡态势,Brent、WTI两市价差不确定性增大。预计Brent、WTI原油均价将会达到57~72美元/桶和51~66美元/桶。     

2013年国际原油价格分析与趋势预测

当前, 世界经济复苏进程艰难而复杂, 下行风险显著。受此影响, 国际原油市场不确定、不稳定因素增多。在此背景下, 在回顾2012年国际原油市场主要发展历程的基础上, 从原油市场供需基本面和非基本面形势两个方面, 较为系统地展望了原油市场发展态势, 并对2013年油价走势进行了预测分析。研究指出, 欧元区经济和债务危机可能进一步恶化是2013年世界经济面临的主要风险, 因此导致国际油价走低的可能性较大。     

2015年国际原油价格分析与趋势预测

在回顾2014年国际原油市场主要发展历程的基础上,从两方面对2015年油价走势进行了发展态势展望和预测分析。研究认为:受全球经济形势复杂多变,复苏进程缓慢、脆弱而不均衡以及供需基本面因素的主要作用,在产量相对过剩情况下,2015年油价上半年依旧延续下跌趋势,国际原油价格还将在低位震荡,下半年或出现企稳反弹,全年油价波动幅度小于2014年。预计Brent原油均价为50~65美元/桶,WTI原油均价为45~60美元/桶。     

ARIMA 模型在湖北省 GDP 预测中的应用

本文依据1978至2010年湖北省 GDP 的相关数据建立 ARIMA 模型。利用 STATA 统计分析软件对时间序列数据进行了平稳性检验、模型的选择、模型的定阶和模型的检验。经过合理筛选,选择 ARI－MA（0,1,1）模型作为最终模型,并以此模型对湖北省2011至2015年 GDP 值做出预测。结果显示,2013年前的预测结果基本符合事实,2014—2015年 GDP 的预测值具有参考价值,所以模型具有可应用性。