中国猪肉批发价格短期波动规律研究

本文在确定猪肉批发价格时间序列是一条直线上升的线性曲线上叠加了一条波动曲线的基础上，消除了2004年1月到2011年10月的猪肉月度批发价格时间序列线性趋势，得到波动时间序列。根据消除趋势后的时间序列的波动形式，提出了应用’正弦波与余弦波叠加的形式拟合波动时间序列的方法。运用一个正弦波和一个余弦波的形式拟合得到周期为39．767个月的正弦波和周期为54．165个月的余弦波，拟合优度达到0．869；最后运用叠加成最终的猪肉批发价格预测模型，并对2011年11月到2013年10月的猪肉批发价格进行预测，发现在2012年2月左右猪肉批发价格出现拐点，拐点处的猪肉批发价格分别为25．1642元／千克，随后猪肉批发价格逐渐下降。     

基于方程组的新型模糊时序分析

基于线性方程组的模糊时间序列分析是一种新颖的方法,但根据二次规划求得的参数存在两个不可调和的矛盾,即模糊中值序列和模糊距度序列不同时得到很好的拟合。为此文章考虑利用一种新的模糊时间序列分析的方法,即将模糊中值和模糊跨度分别建模。并给出了实例。     

甘肃省社会消费品零售总额的分析预测

文章根据甘肃省1978-2008年社会消费品零售总额的数据做了时间序列分析,建立了ARIMA(2,1,1)模型,此模型很好地拟合了数据序列,有比较精确的预测效果。     

基于时间序列分析的湖南粮食总产量预测

文章对比传统时间序列分析模型(线性回归、二项移动平均、一次指数平滑、二次指数平滑等)与ARIMA模型在湖南省粮食总产量中的拟合精度,并应用ARIMA(2,1,10)模型预测了未来3年内湖南省粮食总产量.结果表明,在湖南省粮食总产量拟合中,ARIMA(2,1,10)模型得到的粮食总产量拟合值与观测值的相对误差均方最小,优于传统时间序列分析模型;利用ARIMA(2,1,10)模型预测未来3年内湖南省粮食总产量,粮食总产量有逐年上升的趋势,且增长率逐年上升.     

引入小波分解的神经网络预测——以玉米大宗商品价格序列为例

采用世界银行发布的连续752期月度玉米国际价格,将其视为离散价格时间序列,运用小波理论中的Mallat算法,把价格序列分解为若干高频分量和一个低频分量,然后将各分量导进循环神经网络,再累加所得的各个分量预测值,作为最终预测价格。实验表明：引入小波分解的神经网络模型,在玉米价格时间序列中,比较灵活地捕捉到高频和低频信号,并准确拟合和预测这些部分的数值;说明该方法对于价格频繁剧烈波动的场景具有实用意义。     

浅析指数曲线模型在我国石油需求中的应用

文章以1978～2005年我国石油消费量的历史数据为基础,根据其趋势图拟合出现实的指数曲线回归,时其参差序列应用时间序列进行分析和识别,建立起适合我国石油需求预测的指数回归-ARMA(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测需要.     

污染设备月度装船量时间序列分析

本文利用SAS软件对季节性非平稳时间序列进行模型的估计,并做出一定的预测。通过对所给原始数据合理的分析处理,这一时间序列进行一系列的模型识别和拟合以及相关的检验,找到一种最适当的模型。从而进行有效的预测,同时也为公司管理层提供客观正确的决策方案。     

时间序列分析在我国黄金价格预测中的应用

本文研究了时间序列分析的基本理论,通过Eviews软件对2009～2012年上海黄金交易所Au9999各月加权平均价进行统计分析,建立了二次曲线拟合模型并以此对其进行短期预测,为投资者进行黄金投资提供参考依据.     

ARMA模型在西藏自治区GDP预测分析中的应用

该文以西藏自治区1978～2011年的地区生产总值时间序列为具体的分析对象,通过对数据的平稳化处理,在此基础上建立自回归移动平均模型（ARMA模型）。用Eveiws软件拟合ARMA模型并做预测分析。     

新疆居民消费水平时间序列模型的建立及预测

对新疆居民消费水平（1978—2007年）数据进行研究分析,为探究新疆消费水平的规律及其发展趋势,建立了时间序列中的求和自回归移动平均ARIMA（p,d,q）模型,比较了真实值与预测值的拟合程度,拟合效果好。分析2008年新疆居民消费水平,从其中的结果得知,新疆在未来几年内人均消费水平将继续保持高速的发展趋势。