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。     

我国房地产价格发展趋势研究

 本文从房地产价格的相关理论出发，主要从房地产需求、房地产供给、房地产金融和房地产宏观调控等角度对影响房价的因素进行了分析，并从实证角度分析了各因素对房价的影响。本研究运用近10年房地产价格季度数据和时间序列模型对房地产价格发展趋势进行预测，最后提出房地产价格发展预警和稳定房价的建议。     

从12SrRNA部分基因序列探讨鳄的系统发生关系

本文用常规方法测定了雅卡凯门鳄（caiman yacane）、新几内亚鳄（crocodylus novaeguineae）等2种鳄类的约400bp的mtDNA12SrRNA基因片段的部分序列，所测序列与GenBank中的其他18种鳄类的12SrRNA基因相应片段同源序列一起经Clustal X1．8软件进行比对，并以乌龟（chinemys reevesii）为外群，用ClustalX（1．8），Mega2软件以及paup软件将这20种鳄的12SrRNA基因部分序列进行比对后构建了20种鳄的进化关系树，并分别用NJ树，MP树探讨它们之间的系统发生关系。其结果显示：食鱼鳄属Gavialis与马来假食鱼鳄属Tomistoma的亲缘关系较近，构成姐妹群并位于鳄科分支的基部。非洲窄吻鳄（Crocodylus cataphractus）与骨喉鳄（Osteolaemus retraspis）形成姐妹群，它们的亲缘关系比与其它真鳄类的关系更近，赞同非洲窄吻鳄应从鳄属中独土出来归属于长吻鳄属Mecistops的观点，因此鳄科包括鳄属、骨喉鳄属和长吻鳄属，它们的关系为（鳄属（骨喉鳄属，长吻鳄属））。鼍科4属中凯门鳄属与黑鳄属关系最近，接下来的是古鳄属、鼍属，而且鼍属是鼍科中起源最早的类群。扬予鳄（Alligator sinensis）与密河鳄（Alligator mississippiensis）较近的亲缘关系得到支持，但它们并没有形成姐妹群关系。     

基于分形理论的时尚商品价格预测问题研究

在研究时尚商品价格规律及影响因素的复杂性、不确定性的基础之上，提出了基于分形理论的时尚商品价格预测新方法。该方法首先运用重标极差法分析了时尚商品价格时间序列预测的可行性，然后根据分形统计模型，得到时尚商品历史价格时间序列的分形维数，通过不断增加新销售或预测得到新的记录方法，求得增加新记录后的新分形维数，由此可以预测出下一时间单位的商品销售价格。通过实例进行了方法检验和结果比较，取得了较为理想的预测结果，证明了该方法的可行性和有效性。     

方向和位置对S160功能影响的研究

研究抑制序列S160对基因表达的影响。首先将hKv4.3基因5非翻译区的一段序列（＋2～＋160,S160）以不同的方向和位置克隆到报告质粒pβ-gal-promoter vector中,瞬时表达,之后进行β-galactosidase相对活性分析。结果表明S160对基因表达具有强烈的抑制作用,且抑制序列S160的抑制功能具有位置特异性,没有方向特异性。     

《世说新语》研究与魏晋文学史的"原生态"视角

文学史研究中一直存在着这样的尴尬:"史"的序列性、规定性解释系统反过来会破坏作品原初存在的"活性"成分.为此,我们不得不用"原生态"的理论来回溯作品的历史情境,以期减少必定存在的文学性的散失.《世说新语》之与魏晋文学研究,恰是一个难得的"原生态"视角.     

直接序列扩频信号PN序列盲估计方法

在非协作信息侦测情况下,提出了一种实用的直接序列扩频(DS-SS)通信信号PN码序列的快速盲估计方法。该方法根据DS-SS基带信号的特点,首先采用二阶循环统计量估计PN码周期,然后利用分段互相关平均估计PN码同步始点;并在准确预估计这2个参数的基础上,将接收信号以PN码周期分成多个时段,利用多重互相关方法估计PN码序列。理论分析与仿真表明,该方法在截获信号信噪比很低的情况下有很好的估计性能,且无需任何先验知识,对PN码码型也没有任何限制,是一种有效的快速盲估计方法。     

Excel与基于时间序列的动态市场预测分析

本文简要介绍了基于时间序列的分析方法。重点介绍其中的移动平均法，结合实例介绍基于移动平均法的市场预测方法、步骤及Excel实现。指出该方法具有通用性和动态适应性。     

金融时间序列混合智能预测模型及实证研究

文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型.经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值.证券市场实证研究表明该模型可以准确预测金融时间序列.