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.     

时间序列趋势分析方法的选择及矫正

经济定量化的发展,使时间序列趋势分析在解决社会经济生活中问题的作用越来越广泛,如国民生产总值(GNP)和股市行情的趋势分析等等.单纯地谈及趋势判断问题和趋势预测问题,人们都很清楚其重要性,然而实际分析中,一些貌似枝节实际极为重要的环节往往被人们忽略.那么,如何开展时间序列趋势分析呢?     

经济时间序列建模中序列趋势问题的探讨：对确定趋势与随机趋势的比较

文章讨论了确定趋势时间序列与随机趋势时间序列在统计性质上的不同特点,比较了两类时间序列在预测值、预测误差以及外部冲击的动态乘数等方面的差异,指出在实际应用中应严格辨析不同时间趋势对建模分析的影响.     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

基于HRM的金融时间序列预测

由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。     

时间序列的分频与建模

文章采用分频方式分析时间序列并为时间序列建模,首先对时间序列做离散余弦变换,用低频变换系数重构出时间序列的低频分量,而剩余的高频部分则采用时滞自相关分析方法确定模型结构。针对股票多年日收盘价所作仿真试验证明,该时间序列建模方法是有效的,模型比较好地刻画了时间序列的变化规律。     

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.     

基于特征提取的金融时间序列形态挖掘

以金融时间序列的上升三角形形态为例给出了金融时间序列挖掘与特征提取的方法,在挖掘过程中充分利用挖掘者的经验背景知识,提出了一种基于特征提取的金融时间序列形态挖掘算法。该算法首先对金融时间序列进行趋势化预处理,将曲线转化为折线表示,形成形态的趋势片断,然后再从这些趋势片断中提取出相关形态的属性特征。它提高了序列形态特征提取的有效性,使搜索空间大为减小。     

基于滚动误差规律的时间序列预测模型的修正方法

文章针对当前出现纷繁复杂的时间序列预测方法,提出了"平均误差滚动"概念,并通过误差突变规律的加权处理,得到滚动区间预测数值的推导规律,使用倒推方法在原有预测基础上进行数值修正,最后采用一个案例结合OLS方法进行了实例运算。     

基于机器学习与时间序列组合模型的中国汽车市场预测

文章构建了基于差分自回归移动平均(ARIMA)模型与支持向量机(SVM)、随机森林(RF)、极端梯度提升树(XGBoost)的三种组合模型,将其应用于国内汽车市场批零量预测。基于2009—2018年国内汽车市场乘用车批零量数据以及上汽集团数据库中相关指标数据,将组合模型的预测结果与改进后的三次指数平滑(HW)算法、ARIMA模型进行比较。结果显示:组合模型均能有效地改善建模结果,其中ARIMA与XGBoost的组合模型针对批发量与零售量的三个月内预测平均相对误差分别为3.53%与2.97%,对汽车企业具有参考价值。     

面板数据聚类分析的时间序列趋势外推预测方法

面板数据的聚类分析可以进行压缩的预处理也可以不进行压缩,文章提出可以根据样品中各个指标的时序数据的趋势特征来考虑是否应该进行压缩或如何进行压缩。然后考虑聚类的统计量的设置,再后给出系统聚类法的计算公式。     

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。     

我国蔬菜价格的时间序列变动分析

文章依据全国集贸市场上黄瓜、西红柿、大白菜三种常见蔬菜的价格数据,首先分析了蔬菜价格的季节变动和趋势变动;然后运用ARIMA模型对蔬菜价格进行拟合和预测;最后比较分析了2010年的模型预测价格与实际价格。     

案例教学在时间序列分析中的应用

案例教学是理论与实践紧密结合的一种先进的教学方式,对调动学生积极性、掌握理论知识、提高综合素质有着重要的作用。本文从时间序列课程本身实用操作性强的需要出发,探讨了应用案例教学的必要性,指出时间序列案例教学选择标准,提出案例选择应遵循的原则和提高案例教学整体效果的措施,并阐述了案例教学的组织实施过程。     

贝叶斯时间序列方法研究与应用评述

文章对贝叶斯时间序列方法的研究与应用现状进行了评迷,内容包括一元时间序列、多元时间序列及模型识别等三个方面,以期为该方面的研究与应用者提供参考.     

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…     

时间序列数据流直方图构造方法研究

文章文针对金融等领域的时间序列数据流,提出了一种直方图的构造方法,该方法具有联机处理高频时间序列数据流的能力,并具有与最优化直方图构造方法接近的精度.     

非平稳时间序列的EMD组合预测及其应用

非平稳时间序列预测问题一直都是一个难题,文章运用EMD技术将非平稳时间序列分解为一系列的imf和一个残余量。由聚类分析得到若干个cimf,然后通过对每个cimf以及残余量建立神经网络模型进行预测,达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题,且预测精度达到良好效果。