统计软件R与ARMA模型

一、ARMA模型概述 ARMA模型包括三种基本类型:自回归模型AR(p)、移动平均模型MA(q)和自回归移动平均模型ARMA(p,q).自回归移动平均模型ARMA(p,q)的一般表达式是:     

ARMA模型参数估计算法的改进

文章提出了一种ARMA模型的非线性估计方法,这种方法通过DFP算法构造具有遗传对称正定性的矩阵来近似Hesse矩阵的逆,从而实现了ARMA模型参数的估计.仿真结果表明,该方法具有良好的准确度和可靠性,可以改进ARMA模型的参数估计.     

黑龙江省空气质量数据的分析和预测

本文分别基于ARMA模型,主成分分析模型和神经网络模型对黑龙江省空气质量数据进行了分析和预测。首先,基于ARMA模型,本文对黑龙江省未来的空气状况数据进行预测并检验了其预测精度。其次,采用主成分分析对大气污染物等自变量进行降维,选取了有效的主成分,并对AQI进行一定刻画。最后,借助神经网络的计算机手段,对数据中变量的复杂关系做深入挖掘,以对前面的分析结果进行合理补充。     

基于Boosting-ARMA的碳价预测

自回归滑动平均(ARMA)模型是最流行的预测模型之一,而模型选择却是使用ARMA进行预测的难点,尤其是当真实模型的阶数较高时,因此提出Boosting-ARMA预测算法,利用Boosting算法进行最优子集ARMA寻找,自动且高效地完成ARMA模型的识别。模拟实验显示,Boosting-ARMA优于其他方法,用新算法预测碳价实证分析发现,Boosting-ARMA算法可以获得较高的碳价预测准确性并且方便快捷。     

基于图方法的MA和ARMA模型系数检验

应用图模型方法来讨论传统的MA和ARMA模型,证明了MA和ARMA模型的系数为去掉其他时间序列分量线性效应的条件下的偏相关系数,且利用图模型推断算法提出了一种新的参数估计和检验方法。     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

能源需求组合预测模型的构建及应用

随着中国经济的快速发展,能源消费不断提高。文章利用能源消费量的历史数据,建立了我田能源消费系统的ARMA模型和灰色预测模型的组合模型,通过组合模型和ARMA模型、灰色预测模型的具体比较分析,证明组合模型更为易行、有效。结论可以作为我国及地区未来能源消费量预测的有效工具。     

Logit模型在上海股市预测中的应用

本文采用了基于概率理论的二值选择模型——logit模型来检验我国上海证交所上证综合指数的运动方向。二值选择模型的特点是通过检验价格运动的上涨(或下跌)的概率,达到对价格运动方向的判定。本文介绍的Logit模型都要优于作为参照物的ARMA模型。     

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。     

动态因子模型与ARMA模型的比较

在时间序列模型中,随着变量数目的增加,所要估计的参数的数量也随之加大,结果在应用中模型中通常不得不选取尽量少的变量。动态因子模型独特的优势在于,它不必考虑自由度损失问题,也不必对经济结构施加约束。文章根据中国宏观经济变量数据库中的41个变量,建立了动态因子模型预测GDP,并与ARMA模型的预测结果进行了对比。结果显示,动态因子模型的预测效果优于ARMA模型。     

包含虚拟变量的澳门酒店入住率预测模型及实证

本文通过引入时间趋势项、虚拟变量等,拟合出酒店入住率的主要趋势,再利用ARMA模型拟合出次要趋势——随机扰动项,在此基础上建立了新的入住率回归模型。检验结果表明,该模型对酒店入住率的预测效果更加理想。最后使用相关模型预测了2007年1-12月的酒店入住率。     

基于ARMA模型的房地产价格指数预测

本文简要介绍了ARMA模型的理论知识,并针对1998年1季度到2006年3季度的房地产价格指数的季度数据进行了实证分析,然后运用所建模型对2006年四季度以及2007年一季度的房地产价格指数做了预测,并给出精度误差值,收到了很好的效果,所以模型具有一定的参考价值。     

自相关过程的ARMA控制图

由于自相关过程违背了过程输出数据独立性的假定,使得常规控制图的有效性降低。ARMA控制图技术使用自回归移动平均模型作为统计量,依据两个信噪比指标来确定适宜的参数值。文章运用平均链长(ARL)系统研究了ARMA控制图的检测性能,并与残差图进行了比较。模拟结果表明,在自相关条件下,ARMA控制图对均值偏移具有较高的检测灵敏性。     

对2005年GDP季度数据的预测--基于包含趋势和季节成分的ARMA模型的分析

一、包含趋势和季节成分的ARMA模型 在经济领域里,根据一个经济变量的时间序列数据来建立经济计量模型并以此模型对该变量的未来趋势进行预测已经得到了广泛的应用,其中比较成熟的建模技术有:趋势建模、季节性建模、周期建模(ARMA模型)以及它们的混合建模.     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

沪市收益率波动聚集性实证研究

金融市场的波动性不仅是投资者关注的焦点之一,而且也是被研究的热点之一。本文首先检验了上海证券市场的ARCH效应和序列相关性,在此基础上,将ARMA—GARCH模型应用于上证综指,结果显示该模型能有效拟合股市的波动性,最后,针对结果分析了我国股市的行为。     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

基于质量损失函数的ARMA控制图经济设计

为提高统计过程监控灵敏度并减少监控费用,文章研究了自回归移动平均(ARMA)过程的统计与经济设计问题.首先构建ARMA控制图监控自相关过程,基于田口质量损失函数对ARMA控制图进行经济设计并构建经济模型;利用遗传算法求解,确定ARMA控制图的五个参数[n,h,k,φ,θ]最优组合,使单位时间费用最低.最后,对该模型的参数进行灵敏度分析,由此得出在实际监控过程中与单位时间期望费用相关的参数,以减少质量损失.     

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。     

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。