中国CPI时间序列预测模型

本文利用中国1990—2008年的月度CPI数据,建立自回归移动平均结合模型（ARIMA）对2009年1—5月的CPI进行了预测,结果表明,ARIMA（1,1,2）是描述我国CPI变化趋势相对较优的时间序列模型。     

基于乘积季节模型的湖南卫视收视率的分析与预测

以湖南卫视全天平均收视率为研究对象,考虑到收视率的周期性,引入ARIMA乘积季节模型对其进行分析与预测.对收视率序列做差分平稳化和消除季节性处理,再通过模型识别与定阶,确定选用ARIMA(4,1,1)×(3,1,1)7模型,建立模型并做参数估计.模型检验结果表明:该模型拟合效果好,预测值与真实值接近,误差较小.     

探索ARIMA模型在我国社会消费品零售总额的应用

以2004年1月到2015年5月我国社会消费品零售总额的月度数据为研究对象,利用ARIMA模型对其进行时间序列模型分析,并且用Eviews对2015年6月到12月的数据进行预测。     

时间序列分析在对国家工业总产值预测分析中的运用

通过引入Box-jenkins的随机时间序列ARMA(p,q)和ARIMA(p,q)模型分析法,运用SAS软件系统对1980-2003年的国家工业总产值建立了ARIMA模型,作了预测分析,得到了较高的预测精度。与新获得的2004年的实际数据比较,误差很小,表明本文方法的可行性。     

中国CPI时间序列预测模型

本文利用中国1990-2008年的月度CPI数据,建立自回归移动平均结合模型(ARIMA)对2009年1-5月的CPI进行了预测,结果表明,ARIMA(1,1,2)是描述我国CPI变化趋势相对较优的时间序列模型。     

ARIMA模型在零售业预测研究中的适应性分析——以江阴市为例

ARIMA模型预测研究是通过估计诊断序列对象统计量位置参数信息,揭示经济现象所蕴含的经济规律的重要方法。文章采用江阴市1978—2014年时间序列数据,对江阴市社会消费品零售总额相关统计量进行适应性分析,结果显示:ARIMA模型在零售业预测研究中提供了较为准确的模拟结果,具有较强的适应性,能较好应用于消费市场发展研究分析。     

基于BP神经网络的中国居民消费价格指数预测

本文采用归一化数据处理方法,建立了基于BP神经网络的中国居民消费价格指数预测的数学模型.经检验,该模型的预测值与历史值的系统总误差只有0.035%,并利用该模型对2010年中国居民消费价格指数走势进行预测,提出了相应的政策建议.     

基于BP神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5—8—1结构的BP神经网络预测模型,借助Matlab工具对城市可持续发展指标进行了分析预测。结果表明,BP神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

ARIMA模型在省级全社会固定资产投资预测中的应用

ARIMA模型较好地解决了非平稳时间序列的建模问题,并且在时间序列的短期预测方面有很好的表现,借助于EViews等统计软件,可以方便地将ARIMA模型用于时间序列问题的研究和预测。利用河南省1989至2006年的全社会固定资产投资总额数据,运用计量经济学软件EViews,基于时间序列分析方法建立相应的ARIMA模型,进行预测分析,为各级政府和企事业单位相关的管理决策,提供数量化的参考信息。     

ARIMA模型在安徽省GDP预测中的研究与应用

中国省区经济是国民经济的重要组成部分,是一个相对独立的研究对象。文章简要介绍了求和自回归移动平均模型ARIMA（p,d,q）及其建模方法,通过分析1978～2008年安徽省GDP相关数据,运用Eviews统计软件和ARIMA建模方法,将ARIMA模型应用于安徽省GDP数据的分析与预测,发现该模型的预测效果比较显著,与实际情况较符合。     

湖南省城镇规模扩展用地驱动因子分析及趋势预测——基于STIRPAT模型

研究目的:城镇规模扩展用地是现阶段土地利用变化研究热点之一,对城镇规模扩展用地驱动性因素进行分析及趋势预测有利于现阶段的土地集约利用与规划。研究方法:运用扩展模型,对湖南省2000~2012年城镇建设用地扩张的驱动性因素进行了分析,并运用BP神经网络模型对未来湖南省城镇建设用地需求进行了预测。研究结果:在研究期内,地区人口数、产业结构变动、城镇化水平是湖南省城镇用地扩展的主要驱动因子;运用BP神经网络模型预测2015年、2020年湖南省城镇建设用地分别增至1663.20平方千米、2030.01平方千米,城镇建设用地年扩展率为6.57%。研究结论:社会固定资产投资、地区生产总值对城镇建设用地扩张的促进作用较弱,政策性因素和人口年龄结构对城镇建设用地扩展则有一定制约作用;在"十二五"背景下湖南省两型社会的构建与城镇土地集约化使用将会存在一定压力。最后结合城镇规模扩展中建设用地驱动因子的边际贡献和预测趋势,本文提出了相关政策建议。     

BP神经网络在权证定价中的应用研究

采用BP神经网络方法,选取2006年4月15日前所有上市欧式权证作为研究对象,建立了权证定价的BP模型。其中,标的股价波动率是影响权证价值的一个重要变量,对所选14只权证的历史波动率和隐含波动率进行了估计,并将其同时作为BP模型的输入参数,以比较其影响。研究结果显示,不论是使用历史波动率还是隐含波动率,BP模型在定价精确度上均优于B-S模型;BP模型使用隐含波动率后,整体降低了与市价的误差。     

基于BP神经网络的制造业上市公司财务预警

采用BP神经网络方法,以263家制造业上市公司的截面财务指标作为学习样本,并使用76家制造业上市公司作为检验样本,建立了制造业上市公司财务预警模型。其研究结果表明与没有区分行业的通用预警模型相比,分行业的BP神经网络财务预警模型的预测精度有了较大提高,为广大投资者和监管机构预测公司财务状况提供了可靠的依据。     

BP神经网络在帆板控制系统中角度非线性校正的应用研究

针对帆板控制系统中角度的非线性误差问题,提出用BP神经网络算法对角度进行非线性校正。构建了BP神经网络模型,利用Matlab对该网络进行训练,训练结果表明该系统具有良好的收敛性。和未校正的结果进行对比,实验结果表明该网络能够有效的补偿角度传感器的非线性误差,提高了帆板控制系统的性能。     

广西第三产业发展与就业增长关系的协整研究

通过利用广西1978～2008年的统计数据资料,对广西第三产业的发展与就业的增长进行了协整研究。结果显示,它们之间存在着长期均衡关系,第三产业GDP每增长1%,长期来看将带动广西第三产业就业增加1.5042%。文章还利用误差修正模型,分析了广西第三产业发展与其就业量之间的短期波动及其调整机制。     

我国GDP时间序列模型的建立与实证分析

GDP的增长具有内在的规律性,本文以我国1954~2004年GDP的时间数据资料为依据,采用B-J方法,建立ARIMA模型,以揭示我国GDP增长变化的规律性,并对回归结果进行实证分析,由此对我国GDP增长情况做出分析。     

地方政府债务风险非线性仿真预警系统的构建——基于粗糙集-BP神经网络方法集成的研究

在设计地方政府债务风险预警指标体系框架的基础上,吸收了粗糙集和BP神经网络等人工智能方法在数据处理上的优点,构建出基于粗糙集-BP神经网络集成的地方政府债务风险非线性仿真预警系统。选取我国2007～2009年东、中、西部地区9个县的27个样本数据,运用该非线性仿真预警系统进行了地方政府债务风险预警实证分析。研究结果表明,大部分样本地区的债务风险都处于"中警"及以上状态,地方政府债务风险普遍较高,同时,样本地区债务风险综合评价值是不断提高的,说明近年来我国地方政府债务风险呈现出不断上升的趋势。与单纯的BP神经网络仿真预警系统相比,该仿真预警系统不仅降低了BP神经网络的复杂性,节省了训练时间,而且具有更好的预警准确性和推广应用价值。     

基于BP神经网络的企业发展内部动力测量模型研究

为了评价企业发展内部动力,采用BP网络模型,选取企业的相关数据作为训练样本,样本数据输入后系统自动学习,当误差减小到要求的范围内,系统停止学习。将BP神经网络学习算法用M atlab软件进行运算,训练企业发展内部动力的神经网络模型,以此测量和评价企业发展内部动力的主要指标,从而改进和调整企业发展内部动力的相关因素。     

中国国债发行规模影响因素的实证研究

基于VAR模型,并运用协整检验、方差分解、向量自回归误差修正模型的计量经济分析方法,对我国国债规模的影响因素进行实证分析.实证结果显示,我国国债发行规模与国内生产总值、财政赤字、国债还本付息额、居民储蓄之间存在着长期稳定的均衡关系,影响国债规模的主要因素是国内生产总值、居民储蓄、国债发行规模本身、财政赤字.     

基于BP神经网络的商业银行风险预警模型研究

建立一个科学、有效的商业银行风险预警模型,是有效防范、化解商业银行风险的重要措施.本文运用BP神经网络和主成分分析相结合的方法构建了一个商业银行风险预警模型.实证结果表明:该神经网络模型能达到88%的较高准确率.