武汉市人均GDP时间序列模型构建及预测

ARMA时间序列模型反映某个变量过去的变动规律,并可以利用这个规律对未来值进行短期预测。人均GDP是衡量一个国家或地区经济发展和人民生活水平的一个重要参考指标。本文利用湖北省武汉市1980-2009年的时间序列数据建立武汉市人均GDP的ARMA模型,并利用该模型进行短期外推预测。     

时间序列分析在股价建模及预测中的应用

我国的股票市场是一个高度复杂的非线性动力系统,现实生活中预测股市的未来变化具有十分重要的意义。近年来,基于时间序列分析的预测方法在各个领域中都得到了广泛的应用。而对股票价格进行预测较为普遍的模型就是时间序列模型,因此本文将时间序列建模方法应用于股票收盘价的建模和预测。文章采用中国石化157个交易日（自2013年6月19日至2014年2月11日间）内股价数据为研究对象,采用ARIMA模型进行建模和预测。     

基于ARIMA模型的我国GDP分析预测

改革开放后,中国走上市：场经济道路,与以往的计划经济相比,国内生产总值的计量应该以改革开放1978年为分水岭,GDP经济模型的建立应当以此为计量起点,做出分析和预测。基于Box—Jenkins（博克斯一詹金斯）方法的时间序列分析技术,对我国1978--2008年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA模型,通过模型对我国2007—2011年度的GDP进行了预测。模型实证分析的结果表明：在GDP时间序列分析建模与预测方面,Box—Jenkins方法及其ARIMA模型是一种精度较高且切实有效的方法模型。     

ARIMA模型在黑龙江GDP预测中的应用

<正>一、引言经济运行过程从较长时间序列看,由于市场机制的作用,呈现一定的规律,这对预测提供了依据。目前,预测经济运行时间序列的理论与方法较多,运用传统的结构法建立模型进行分析和预测GDP往往比较困难,而AR-MA模型在经济预测过程中既考虑了时间因素,又考虑了随机因素的干扰,因此对短期的经济运行趋势预测有较高的准确率,是近几年应用比较广泛的方法之一。本文根据ARIMA模型的应用条件,选取黑龙江GDP的1978至2010年时间序列数据建模进行分析,并依据所建模型     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。     

多变量金融时间序列的相空间重构理论研究

金融时间序列是金融市场这个复杂系统在演化过程中产生的离散输出,根据观测点的数量,金融时间序列可以分为单变量时间序列和多变量时间序列。在多维时间序列中,有些维度的时间序列之间存在较大的演化差异,从众多的时间序列中挑选出这些对重构相空间提供贡献较大的时间序列并完成重构则可以得到较好的重构和预测效果。采用多维金融时间序列重构金融市场这个复杂系统可能会得到更好的效果,此外使用多维时间序列也可以有效地减少噪声对重构过程的影响。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

基于灰色马尔可夫链的企业盈利额预测

灰色马尔可夫模型预测兼有灰色预测和马尔可夫链预测的优点,并能针对较短的时间序列数据建模计算。介绍了灰色预测模型和马尔可夫预测模型的建模方法,并将灰色马尔可夫链模型应用于某企业盈利分析预测。分析表明,该模型具有较强的适用性。     

《社会主义市场学》第七讲、第八讲

(二) 趋势外推法当时间序列的散点图呈比较规则的直线或曲线趋势变化时,可以用某些初等函数来描述时间序列的变化规律,并依时间的外推来进行预测,这种方法称为时间序列的趋势外推法。在市场预测中,通常选用的初等函数有一次函数(直线)、二次函数(抛物线)、指数函数、幂函数、修正指数函数以及龚珀资曲线、逻辑曲线等。由于篇幅有限,在此仅介绍市场预测中最常用的直线型和指数型趋势外推法。     

宁夏实际人均GDP时间序列分析及预测

实际人均GDP是具有重要经济意义的指标,它的增长具有一定的内在规律性,文章建立了宁夏实际人均GDP的带趋势项的混合时间序列模型,分析研究了模型的稳定性和可外推性,预测了2011年～2015年宁夏实际人均GDP的发展水平,说明宁夏实际人均GDP具有一定的时间趋势.     

基于重庆市CPI指数的分析与预测

时间序列分析是一种根据动态数据揭示系统动态结构和规律的统计方法。本文以重庆市2010年1月至2013年12月居民消费价格指数为研究对象,基于居民消费价格指数存在明显的非平稳性,运用自ARIMA模型进行建模分析,并利用EVIEWS建立了居民消费价格指数时间序列的相关关系模型,对2014年进行预测,取得较好的效果。     

环境与能源双重约束下的经济增长可持续性分析

本文将环境和能源两个因素同时引入内生增长模型,并考虑能源使用带来的污染问题,同时内生化技术和资本,在一个包含四个内生变量的内生增长框架下,进行理论建模和求解。最后,利用我国的时间序列数据对理论模型进行了估计与检验,结果表明,实证的结论部分地支持了理论模型的结论。     

基于ARIMA模型的饮品销售预测

本文旨在用时间序列分析方法对某上市饮品公司近六年的月度销售量数据进行分析预测.作者根据样本数据自身特点,采取了时间序列分析方法,并结合统计软件Eviews6运用ARIMA建模方法对该组时间序列进行分析,建立最优计量模型,得到了合理的预测结果.     

GARCH和Copula模型在股市中的实证比较

长期以来资产收益率的波动性一直都是金融学家关注的问题,资产选择理论用方差来描述收益率的波动性,进而寻找最优资产组合。传统的金融计量方法认为方差是独立于时间变化的变量,但是近年来大量的金融时间序列实证分析发现,方差是随时间变化而变化的,而且金融时间序列的波动具有类聚性。近年来,一些学者把GARCH模型与Copula结合,动态地对金融变量间的相依性和风险加以研究。本文将结合两者的实证分析进行比较。     

证券分析师盈利预测与市场预期盈利实证研究

本文旨在探讨证券分析师的盈利预测和时间序列模型的盈利预测孰为较优的市场预期盈利的替代变量。本文经研究分析发现,作为市场预期盈利的替代变量,我国证券分析师的盈利预测只在接近年报公布日的"提前一个季度"的预测区间内优于时间序列模型的盈利预测。本文的研究有助于研究人员或资本市场中的投资者获取更为合理的市场预期盈利及其替代变量。     

外推型预期公式的检验与评价

经济学中的很多变量需要预测,其中的一个方法是运用外推型预期公式。由于外推型预期公式有 其自身特点和规律,即趋势值的选择是影响预测效果的一个主要变量,因此使用该公式进行经济预测时, 短期预测应选择较小的趋势值,长期预测应选取中间的趋势值。     

股票收益率预测模型的比较

本文的目的是对ARMA和人工神经网络模型预测股市的能力做比较,在介绍了文中用到的ARMA和人工神经网络模型的理论知识,建模过程,结果检验和预测的方法的基础上,将收益率数据和五个常见的技术指标和我国银行间债券市场7天回购加权平均利率作为神经网络的输入变量,并对模型的预测效果根据它们预测样本,预测范围等进行了对比,结果发现神经网络在输入变量较多时优于ARMA模型。     

ARIMA模型和X-11过程在农民人均现金收入预测中的应用研究

本文通过对我国2000—2014年的农民现金收入季度数据进行时间序列建模,利用ARMA模型和X-11过程来分析预测短期内我国农民现金收入的变动趋势,为短期内预测我国农民现金收入提供有效参考。     

ARIMA模型在中国商品零售价格预测分析中的运用

运用SAS软件系统中时间序列建模方法对中国商品零售价格指数序列建立了ARIMA(1,1,1)模型。预测结果表明我国商品零售价格将在2008年～2012年保持持续上涨的趋势,这可以为相关部门和单位提供一定借鉴。     

GM(1,N)灰色模型在能源消费预测中的应用

基于灰数模型(GM模型)的预测方法自20世纪80年代初期灰色理论创建以来,已在许多领域得到成功应用。灰建模型是以一切随机变量为研究对象,将随机过程看成是在一定范围内变化的、与时间有关的灰色过程。灰色模型对信息的数量和分布要求不高,一般只要求有4个以上数据即可建模,不需