资产价格序列分析中的随机扰动探究

随机扰动在资产价格序列分析中具有特别重要的作用,区分其表现形式和性质不管在理论上还是在实践中都具有较大的意义。本文通过分析稳定的和非稳定的价格序列中随机扰动的作用,发现其在不同状态中的形式和性质各有特点。特别是,随机扰动在随机趋势价格序列中具有的表现,使得随机趋势与确定性趋势在图形上很形似,但是统计性质非常不同。随机扰动的作用在一定程度上影响了我们对随机趋势和确定性趋势的有效区别。     

预测技术 第三讲 趋势外推预测

预测技术门可佩第三讲趋势外推预测一、趋势曲线的概念所谓时间序列，就是按时间顺序排列的统计数据。时间序列可认为由趋势、季节（周期），随机三种成份构成，而趋势是其中最基本的成份。在很多情况下．时间序列不受季节影响（如年度数据），如果随机成份也不另作处理，...     

一种时间序列分析方法在经济预测中的应用

本文通过一种时间序列方法(序列有线性趋势和季节性波动),对具有季节变动趋势的产品销售情况进行了简要的预测研究,为企业制定经营决策、编制下年度的工作计划,改善经营管理提供依据与参考.     

趋势函数的求解方法研究

一、问题的提出趋势是经济预测中经常碰到的问题.研究经济问题要了解发展趋势,进行经济预测更要掌握发展趋势.有的预测方法直接运用趋势预测将来的变化状况,如外推方法,而有的预测方法则要将趋势因素去掉之后再进行预测,如自回归方法.这里所讲的趋势很容易理解,但是准确地刻画趋势很久以来一直没有一个很好的方法. 一般而言,趋势是指一个时间序列水平的系统的变化,即在一定时期内时间序列连续不断的变化态势,它反映总体发展水平. 经济发展具有趋势性,反映经济发展的大多数时间序列都沿某一条趋势曲线移     

X11季节调整技术介绍——北京市统计局宏观经济监测技术培训团赴美学习情况报告（之二）

一、基本知识 时间序列:在规则的、连续的时间间隔内,对同一指标进行测量所得到的数据序列. 经济时间序列及特点:反映经济现象的时间序列称为经济时间序列.经济时间序列的重要特点包括趋势、转折点和指标间的一致性.趋势是指随着时间的延续序列的数值是增还是降;转折点是指序列曲线走势在该点由上升(或下降)变为下降(或上升),或者上升(或下降)的速度比此前更快(或更慢).指标间的一致性是指不同行业(如制造业、零售业和建筑业)主要指标之间的比例关系是否合理,或者同一指标月度、季度和年度数据是否协调等.     

动态数列直线趋势预测方法和参数研究

本文通过采取步长和初始时间序列不同的两种情况,根据运用公式1计算的结果初步推断出动态数列直线趋势预测方法和参数的取值的规律,并对此规律进行数学证明和实例验证,并由此提出公式2和3。通过本文的论述可以得出,按照直线趋势预测法进行预测,预测值与取时间序列的第一个取值无关,也与时间序列间的步长大小无关,只要时间序列间的步长相等即可,预测值都是一样的,且预测值呈等差数列。     

趋势成分引起的虚假回归问题解决方法研究

本文研究了由序列中趋势成分引起的虚假回归问题的解决方法。发现在模型设定式中加入趋势变量,并考虑趋势存在结构突变的情况,再根据残差是否存在自相关进行可行广义最小二乘（FGLS）或普通最小二乘（OLS）估计,可以有效解决趋势成分引起的虚假回归问题。通过理论分析表明,采用本文中的估计方法,所得检验两序列是否为虚假相关的t统计量渐近服从标准正态分布或与标准正态非常接近的分布。Monte Carlo模拟证实了该方法的有效性。最后以Yule(1926)中两高度虚假相关的时间序列为例,佐证文中结论。     

Lq规则化趋势滤波

含有Lq罚函数的线性回归可以进行变量选择或者系数缩减,本文利用Lq罚函数的这种性质,将H-P滤波和L1趋势滤波推广为Lq规则化趋势滤波。本文研究了内在趋势是分段线性趋势（0＜q≤1）和无折点趋势（q＞1）两种假设,使用LLA方法和凸优化技术进行估计,并且提出修正的GCV准则进行调整参数选择。数值分析显示,在不同的假设下,本文提出的方法优于H-P滤波和L1趋势滤波。该方法可以有效地提取时间序列的内在趋势,也可以扩展得到其他形式的解,在时间序列分析中有着重要的意义。     

单位根的DF、ADF检验与PP检验比较研究

在检验时间趋势之前，先确定在时间序列中是否存在单位根（unitroot），只有在单位根假设被拒绝后，才能用带趋势的稳定过程。单位根检验之所以引起广泛兴趣，是因为许多经济时间序列被变换为对数形式后都含有单位根。     

我国GDP增长率序列中趋势成分和周期成分的分解

本文使用H-P滤波、时间趋势平稳、ARMA趋势平稳和状态空间分解等趋势分解方法，对我国GDP增长率序列进行了趋势分解，并对各种周期成分进行了对比检验。我们发现，这些分解方法得到的周期成分具有类似的统计性质，但就残差序列的白噪声检验来说，双变量状态空间模型的分解效果最为显著，因此应该采用状态空间模型进一步分析我国的经济周期性质。     

趋势外推法下构建自由现金流量预测模型

本文首先借助游程检验,以确定历史自由现金流序列是否存在趋势,然后运用趋势外推法中几种合适的趋势曲线模型,借助SPSS软件对历史数据进行拟合,并选择出拟合度最优的拟合曲线模型,最后以此最优拟合曲线模型作为自由现金流量的预测模型,对未来自由现金流量进行预测。     

ARMA模型在社会消费品零售总额中的应用

本文通过eviews软件对我国的社会消费品零售总额作了ARMA(3,1)模型,通过该模型较好地消除了该时间序列的季节影响和趋势的变动,较好地刻画了该序列的变化。并且,通过模型对社会消费品零售总额作了预测。     

经济预测讲座(三) 趋势外推法在经济预测中的应用

趋势外推是经济预测方法系列中的一种类型。这类方法就是运用数量方法,求出社会经济现象所给定的时间序列的发展趋势线。然后根据趋势线对拟议中的经济现象未来一定时期内的发展进行预测.趋势外推的具体方法很多,但归纳起来不外乎直线趋势外推和曲线趋势外推两种。本文举例阐明其应用。     

荔波县年降水的ARMA预测模型

文章应用时间序列分析方法,对贵州省荔波县多年降水系列进行分析,将其分解为趋势项、周期项和平稳随机项,建立了时间序列分解预测模型,实例验证结果令人满意,表明了该模型的有效性和适用性,其预测的结果可以用作荔波县旱情预测的参考依据。     

荔波县年降水的ARMA预测模型

文章应用时间序列分析方法,对贵州省荔波县多年降水系列进行分析,将其分解为趋势项、周期项和平稳随机项,建立了时间序列分解预测模型,实例验证结果令人满意,表明了该模型的有效性和适用性,其预测的结果可以用作荔波县旱情预测的参考依据.     

管理会计在旅游业的应用——季节差异下旅游景区财务资金风险探析

从管理会计的角度分析旅游景区财务季节性差异的变动趋势,主要采用时间序列分析法、移动平均调整、建立数学模型并测算预测值,进行收益预测评估,最后根据预测曲线的趋势分析,指出影响旅游景区财务资金风险的因素及应对策略。     

山西省城镇居民消费和支出的实例分析预测

收集相关数据,通过Eviews软件建立一个山西省城镇居民人均消费支出和可支配收入的模型,采取时间序列分解法对模型进行分析和运用趋势外推法进行预测。     

时段基因模式的财务指标分析与应用

本文结合时间序列的概念和遗传算法中的模式原理,提出了时段基因模式概念,将财务指标随时间变化的增减趋势转化为时段基因模式。用统计方法对大规模财务指标进行时间序列分析,得到具有一定特征性的指标时段基因子模式,对我国上市公司的财务危机预警问题预测准确度最高可达95%。     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

基于ARIMA模型的渭南市降水量趋势分析与预测

采用ARIMA模型对渭南市1953～2013年历史降水量趋势进行模拟,优选参数,建立降水量预测模型,对2014～2018年的降水趋势进行预测。经拟合结果分析可知ARIMA模型能够比较好地预测渭南市年降雨量变化趋势,渭南市近些年降雨量呈现略微下降的趋势,但随着预测期的延长,预测精度降低。建议在使用ARIMA模型预测年降雨量时,尽量保证数据序列足够的情况下,采用逐年实时校正的预测方法。