交通货运量的智能预测模型

文章针对交通货运发展呈现出的高度的非线性、耦合性和时变性,提出了基于支持向量机的货运量智能预测方法.介绍了核方法在处理非线性、不确定性和不精确性数据上存在的优势,并在此基础上,建立了基于支持向量回归货运量智能预测模型.以我国近年来的交通货运量作为应用对象,验证了基于该模型的有效性.     

中国国际航空货运量预测

论文通过构造缓冲算子,对中国国际航空货运量的原始数据进行弱化处理,有效减少了原始数据的随机性,以此为基础建立GM(1,1)模型进行预测.取得的数据结果比较准确地反映了我国国际航空货运发展的趋势,从而为我国国际航空货运发展的政策制定提供有力依据.     

基于灰色系统理论的铁路货运需求预测

本文运用灰色系统理论,建立了铁路运输货运量需求的灰色预测模型,较详细地叙述了建模过程.从对我国铁路货运需求的预测结果来看,对历史实际值拟合的比较好,表明了模型具有较高的可靠性和实用性,并利用该模型对我国2003-2006年全国铁路货运量需求进行预测.     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

基于Holt-Winters滤波模型的我国互联网普及率分析

文章运用2000年12月至2015年6月我国的互联网普及率数据,基于R软件来进行分析,通过ARI-MA模型和Holt-Winters滤波模型分别对互联网普及率数据进行拟合,最后经过模型比较选择了Holt-Winters 滤波模型,并运用Holt-Winters滤波模型预测了我国未来5年的互联网普及率.分析表明到2020年6月年我国的互联网普及率将达到59.4％.     

基于ARIMA模型的消费者价格指数预测

科学准确地预测CPI将为宏观经济政策的制定提供合理的数据支持.文章根据我国2010年1月至2015年6月CPI月度数据建立ARIMA模型,对2015年下半年我国的CPI数据进行预测.实证结果表明:ARIMA(12,1,2)模型的预测效果良好,可以作为我国CPI走势判断的有效依据.     

基于季节调整的CPI统计环比指数研究

本文首先阐述了季节调整与统计环比指数的必要性,简要介绍了X-12-ARIMA与TRAMO/SEATS季节调整原理,然后运用X-12-ARIMA程序对中国1997年1月至2010年5月CPI月度数据进行季节调整,再运用TRAMO/SEATS方法解决季节调整程序中中国春节因素问题。接着由季节调整后的数据计算得到月环比CPI,对月环比CPI和同比增加率进行了比较,结果显示月环比CPI领先同比CPI。最后利用TRAMO/SEATS程序建立ARIMA模型（210）（011）进行了24个月的预测,预测结果显示,未来24个月内我国消费者物价指数温和上升,不会发生大的通货膨胀,但是存在一定的通胀压力。     

中国GDP的季度调整模型及预测分析

基于全国2000年1季度至2014年4季度的GDP季度数据,文章采用乘法模型的时间序列分解法对其进行季度调整,得到不合有季节性特征的时间序列,然后进行趋势性分析以及趋势模型的建立、估计与检验,并结合季节指数预测出2015年1季度至2016年4季度的季度GDP.     

基于协整与ARMA组合模型的居民中长期消费贷款预测

文章运用协整回归与ARMA组合模型,通过房屋销售价格指数对居民中长期消费贷款进行了短期预测.先用2007年1月至2010年1月的37期数据进行Granger因果关系检验,再运用协整回归和ARMA组合建立预测模型,模型对2010年2月至6月共5期的居民中长期消费贷款进行预测,与实际数据相比,预测相对误差小于1.5%,最后提出了一些相关的政策建议.     

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.     

基于ARIMA模型的北京居民消费价格指数预测

自回归单整移动平均模型(ARIMA)是目前较为广泛应用的时间序列建模方法之一,文章以北京市1998年1月~2013年5月的CPI月度数据为样本,采用Eviews6.0软件,建立了ARIMA(12,18)模型,模型对样本内数据拟合较好,预测误差较小,用该模型对北京市2013年6月~2013年12月的CPI指数进行了预测。     

我国生猪价格与生产要素价格波动的动态分析

文章选取我国2000年1月至2010年11月猪肉以及饲料、豆、玉米、仔猪等生产要素月度价格为研究对象,分析了猪肉价格与生产要素价格波动的总体趋势、特点与波动周期。通过猪肉价格与生产要素价格数据整理分析,建立VAR模型,运用脉冲响应函数和方差分解来刻画猪肉价格波动影响因素与猪肉价格波动的影响。     

基于VaR-GARCH模型的机场货运量数据实证研究

机场货运量一直是机场各种数据预测中最难以预测的一种。该数据预测结果的准确性直接影响到机场高层决策者决策的效果,对管理者日常经营活动的安排也至关重要。文章将广泛应用于金融风险管理中的VaR方法,引入到非金融领域,以上海机场为应用背景,对机场货运量波动情况分析预测问题进行了讨论。使用GARCH模型对机场货运量数据波动性进行检验。将计算所得的VaR值与利用ARMA模型计算出的预测值相结合得出机场货运量的最大波动预测区间。经过采用配对样本差异性t检验过程对机场货运量的真实值和预测值进行检验,得出货运量的预测值与真实值不存在显著性差异,说明采用本方法得出的预测结果合理可靠。     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

我国通货膨胀结构突变及不确定性检验

 我们利用GARCH (1, 1) 模型对我国通货膨胀率动态过程中的结构转变点进行了样本内及样本外检验,进而对通货膨胀不确定性进行测度。研究发现,我国通货膨胀率序列在1983年1月至2008年5月之间存在一个显著的结构转变,结构转变点发生在1996年1月,这与我国在1996年成功实现经济“软着陆”的事实相一致。基于两个基准模型和五个比较模型在不同预测水平下对样本外数据进行预测所得结果表明,五个比较模型在大多数情况下能够获得小于两个基准模型的均值损失。此外,我们使用多个模型进行联合预测,发现联合预测的结果具有一定的代表性。     

ARMA模型在我国体育股票价格预测中的应用

中体产业股票作为我国唯一的体育类股票,为了准确把握其波动状况,科学预测未来发展趋势,收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本,进行了时间序列分析,建立了中体产业股票的自回归移动平均模型(即ARMA模型)。结果显示:模型ARMA(3,1)能较为准确地预测中体产业股票每日数据,模型的预测值与实际观测值非常接近,说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

房产市场风险与银行信贷风险传导的时滞分析

运用向量自回归模型,利用脉冲响应函数和方差分解方法对2007年1月至2010年6月居民中长期消费贷款和房屋销售价格指数月度统计数据之间的波动传导关系和时滞特点进行了研究。研究结果显示:居民中长期消费贷款和房屋销售价格指数之间存在协整关系;长期来看房屋销售价格指数与居民中长期消费贷款互为Granger因果原因;房屋销售价格指数的波动和居民中长期消费贷款的波动之间具有明显的双向传导效应。最后提出了一些相关的政策建议。     

ARMA模型在我国体育股票价格预测中的应斥

中体产业股票作为我国唯一的体育类股票，为了准确把握其波动状况，科学预测未来发展趋势，收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本，进行了时间序列分析，建立了中体产业股票的自回归移动平均模型（即ARMA模型）。结果显示：模型ARMA（3，1）能较为准确地预测中体产业股票每日数据，模型的预测值与实际观测值非常接近，说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

经济新常态下农产品价格波动趋势分析

文章利用2008年1月至2015年9月的全国农产品批发价格总指数数据,选择ARMA模型,预测2015年10月至2020年12月的全国农产品批发价格总指数;并以此为基础,运用季节分析法与滤波法分析农产品价格波动的趋势与特征.结果表明:经济新常态下农产品价格波动整体呈现周期性上升态势,农产品价格波动的季节性和周期性特征明显.因此,促进我国农产品市场稳定运行需要谨防季节性和跨周期性的内外冲击.     

中国制造业PMI与CPI的相关性分析

文章选取了2005年1月至2015年4月的中国制造业采购经理指数(PMI)与居民消费价格指数(CPI)的数据进行相关性分析,并对两个时间序列构建向量自回归模型,进而通过Granger因果检验、脉冲响应函数分析、方差分解分析说明了中国制造业PMI与CPI之间的定性定量关系,得出PMI与CPI互为Granger因果关系,PMI与CPI之间存在相互作用关系,且PMI对CPI具有较长时间和较大程度的正向影响.