商业数据的时间序列实践分析

本文以带有一定普遍性的美国某大型餐饮连锁集团的销售数据的时间序列分析为案例,介绍简单易操作的时间序列预测的模型分析步骤,更快捷有效地从商业数据中汲取信息,从而利用这些信息制定更好的商业决策。     

基于加权支持向量机的金融时间序列预测

金融时间序列数据的预测是商业领域的热点问题,对金融时间序列进行准确的预测,对金融投资决策与风险管理具有特别重要的意义。针对金融时间序列的特点,对传统支持向量机进行了改进,提出了基于加权支持向量机的金融时间序列预测方法。研究表明,与传统金融时间序列预测方法比较,基于加权支持向量机有效地提高了金融时间序列预测的精度。     

我国城乡信息消费对比分析

利用1998-2008年间我国城乡信息消费的时间序列数据,通过"新恩格尔系数"这一指标对我国城乡信息消费结构进行分析,并提出相应的对策。     

面板数据在当代经济学中的应用

经典计量经济学在进行建模和分析应用是,其更多的是采用纯粹的横截面数据和时间序列数据,例如,我们在对于一个国家和地区进行经济分析时,通常情况下会采用以该国家或地区为研究对象的不同统计指标的在一个时间段内的数据。当然,在对微观层面进行研究,我们亦会采用此类的方法,在对于某企业的生产能力分析中,我们会收集到该企业的相关多个年度、季度亦或是月度指标,即这就是我们通常定义的时间序列数据;而横截面数据是指同一时间段(点)下的不同观察对象的观测值的一个集合。随着经济社会的快速发展,经济社会问题与现状愈加变得错综复杂,单纯的时间序列数据和截面数据已无法满足我们进行分析解释经济社会问题的要求。面板数据的优势则很明显,面板数据集截面数据和时间序列数据的特点,可以构造三维信息,相比以往进行更加深入的分析。本文将阐明和回顾panel data的发展历程与研究基础,从而更加详细科学的分析面板数据对于经济学研究的作用以及在经济学研究中的应用。     

基于ARIMA模型对某种重要化工原料价格变动的分析

在分析过程中,首先利用SAS软件绘制时序图,从整体上把握数据信息。再进行数据的预处理,发现该化工原料价格序列具有非平稳非白噪声的属性,说明该序列有值得提取的相关信息,同时考虑差分方法使序列平稳。     

关于大数据时代的商业模式创新研究

随着我国社会经济的不断发展,我国商业的发展模式也在随之不断的改变,特别是处于大时代这一背景之下,商业模式的改革可以说是翻天覆地的。当前,人们对于大数据的定义为无法在相应时间内使用通常数据处理软件完成相应信息分析处理工作的数据量的统称,是数据的集合。只有通过相应的数据处理软件进行数据的筛选工作,从而在大量的数据海中提取出能够帮助到企业发展的信息,便是当前所有企业均在执行的方法。通过这些数据信息,对自身商业模式进行创新工作,能够为商业带来非常巨大的利润,本文将针对在大数据时代这一背景之下的商业模式创新进行研究,并提出相应的策略,希望能为相关单位提供可供参考的文献。     

基于ARIMA模型下的时间序列分析与预测——以上海市社会消费品零售总额为例

大多数的时间序列存在着惯性。通过对这种惯性的分析,可以由时间序列的当前值对其未来值进行估计。本文以1978年到2007年上海市社会消费品零售总额数据为研究对象,将这些数据平稳化并做分析,发现ARIMA(1,1,1)模型能较好的对上海市社会消费品零售总额进行时间序列分析和预测。     

模型法与挖掘法在时间序列分析中的效率比较——以上证综指月度数据为例

采用上海证券交易所1996年至2009年月度上证综指数据,实证分析对比时间序列模型法与数据挖掘法在数据拟合与预测方面的效率。结果表明,模型法在时间序列预测方面存在相当大的缺陷,采用挖掘法进行时间序列预测有明显的优势。     

大数据时代的商业模式创新研究

随着社会经济的发展,商业发展模式也在发生改变,尤其是在大数据发展的背景下,商业模式发生着巨大的变革。所谓的大数据是指无法在可承受的时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。其实简单来说,就是指那些具有潜在价值,可以给商业带来巨大利润,但是需要经过复杂处理的数据信息。因此本文将对大数据时代的商业模式创新发展过程中遇到的问题展开分析,并提出具体的创新策略。     

中国进出口总额的统计分析

本文中采用1977年至2012年我国的进出口总额年度数据,从时间序列的定义出发,运用统计学原理对我国进出口总额进行时间序列平稳性的检验。利用EViews软件对所采集的数据进行时间序列分析,建立模型,并对模型中的残差进行拟合,最终利用所建立的模型对2013-2015年我国进出口总额进行了预测分析。     

大数据时代中国商业伦理的困境及对策研究

大数据作为现代信息社会重要的基础性资源，已全面渗透到社会的各个方面。而在大数据技术辅助商业发展的过程中，出现了诸多有悖中国传统商业伦理的异化现象，侵犯了人们的权益，破坏了社会的秩序。本文试从大数据产品用户信息商品化、大数据产品的劝说特性以及大数据技术对人们的不当利益宰割三个方面探究大数据产品“智能”背后的商业伦理问题，分析现代中国商业伦理体系中“法-商-人”的主体关系以及在大数据环境下中国现代商业伦理有关科技伦理的内涵发展。结合“法制”原则与“以人为本、利义兼顾”的理念，以期为大数据时代中国商业伦理所面临的困境提供对策建议。     

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.     

数字经济下社区商业数据的保护与利用研究——以智慧社区为例

研判数字经济下社区商业发展趋势,明确社区数字化、智慧化改造提升势在必行,社区终将过渡成为智慧社区,社区商业数字化、智慧化水平将不断提高,并越来越依赖于社区商业数据实现其高效运行。以智慧社区为研究对象,阐述了智慧社区的具体定义、总体框架及内容、综合管理平台功能,以及社区商业数据概念、结构、特殊属性等内容,提出社区商业数据可能面临的居民隐私、商业机密以及公共安全等数据信息保护问题,并给出社区商业数据保护与利用的对策建议：需要政府、企业和居民的共同努力,建立健全相关法律法规和机制,加强数据安全保障和整合分析,推动数据的共享和开放,提高居民数据素养,加强国际合作与交流,以实现数字经济下社区商业高质量发展。     

大数据在企业网络精准营销中的作用分析

网络技术的迅猛发展致使数据库应用不断扩大,数据信息业已成为企业营销的重要资源。企业在通过搜集拥有大量基础数据信息后,如何在这些拥有着重要商业信息数据背后挖掘信息价值成为企业精准营销的重要工作之一。本文就从商业发展角度对数据信息挖掘进行了方法分析,并对企业网络营销提出了合理化建议。     

基于面板数据的东部地区城镇居民消费结构研究

面板数据模型同时利用截面数据和时间序列数据,具有很好的应用价值。本文运用面板数据模型建立了我国东部地区城镇居民的消费函数模型,根据模型对1995年～2003年东部地区城镇居民消费支出的时间序列数据进行分析,探讨了近年来城镇居民家庭消费结构变动的情况。     

四川农民人均纯收入的时间序列模型的建立与分析

大多数的经济时间序列存在惯性,或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。农民人均纯收入的增长具有其内在的规律性。本文收集到了四川1978年～2004年的农民人均纯收入统计数据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关函数,偏自相关函数的性质,确认数据所适合的模型,从而建立了时间序列模型,并对其进行了分析。     

大数据时代的审计分析

随着科技信息的发展,大数据越来越多被提及。它给我们带来了新的思维变革、管理变革和商业变革。随之审计环境发生了翻天覆地的变化,出了财务数据人们更多的是面临业务数据、网络信息和更多的电子数据信息。本文在阐明大数据时代的相关概念和特点后,分析了大数据时代的数据处理问题和挖掘数据的方法,以及对审计分析工作的思考。     

数据挖掘方法在商业领域的应用研究综述

随着数据采集技术的发展进步,收集到的商业数据信息日渐庞大.如何从众多的数据挖掘方法中选择有效的技术,从这些海量数据中挖掘有用的知识是商业数据分析者或商业决策者面临的艰巨任务.本文调研了数据挖掘在商业领域的主要成功应用案例,归纳、总结和分析了在商业领域中常用的数据挖掘方法,指出了它们各自的使用条件和范围.这些可为商业数据分析者和商业决策者选择恰当的数据挖掘方法来指导他们的工作提供帮助.     

浅谈数据挖掘在电子商务中的作用

数据挖掘是一种新的商业信息处理技术,其主要特点是对商业数据库中的大量业务数据进行抽取、转换、分析和其它模型化处理,从中提取辅助商业决策的关键性数据。利用功能强大的数据挖掘技术,可以使企业把数据转化为有用的信息以帮助决策,从而在市场竞争中获得优势地位。     

非平稳时间序列数据的相似性方法研究

在经济学领域时间序列是一种十分重要的方法,通过这种方法可以有效的描述出数据在一段时间内的具体变化规律,这对研究经济发展问题、医学发展、工程建设等都是十分重要的。而对非平稳时间序列数据的相似性研究对于各个领域的发展所起到的作用也是十分重要的。所以接下来在本文中我们就来详细的分析一下非平稳时间序列数据所存在的相似性,以及具体的研究方法。