Lee-Carter模型在中国城市人口死亡率预测中的应用与改进

由死亡率下降带来的长寿风险给社会、政治以及经济带来了新的挑战。为了更加准确地对长寿风险进行评估和管理,需要对未来死亡率趋势进行预测。本文针对我国死亡率数据样本量小以及数据存在缺失的实际情况,对Lee-Carter模型进行了改进,通过一个双随机过程对Lee-Carter模型中的时间项进行建模。在模型中考虑了样本量不足对预测结果造成的影响,使得改进后的Lee-Carter模型更加适合目前中国的人口死亡率预测。     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

ARIMA模型在汇率预测中的应用——基于人民币汇率的验证

本文使用统计软件EViews7.2,分析人民币汇率从2010年1月1日到2012年12月31日共计725天的时间序列数据,并据此建立了2种ARIMA模型。根据模型的预测精度、检验结果,本文确定了最优预测模型ARIMA(1,0)。随后运用该模型来预测2013年1月1日至3月31日人民币与美元兑换汇率(55个数据),并与2013年实际数值进行拟合。对于2013年的人民币汇率走势,笔者认为,根据模型结果,其值仍将在短期内呈缓慢下降的趋势。     

中国生活能源热力消费的ARIMA模型及预测

本文利用ARIMA模型,对1980-2009年中国生活能源热力消费量序列进行分析,建立了差分自回归移动平均模型ARIMA(1,2,0)。检验结果表明,ARIMA(1,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国生活能源热力消费量的预测。在此基础上,对我国2010-2014年的生活能源热力消费量进行了预测,最后给出了结论及建议。     

基于ARIMA模型的汇率预测研究

本文采用2010年7月1日至2013年11月30日的人民币兑美元汇率周平均值,建立了ARIMA模型,对并汇率序列进行预测和评价。实证结果表明,ARIMA(2,1,2)模型预测结果比较成功,基本能反映人民币升值的趋势。     

基于Eviews上证综合指数预测

本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。     

高龄人口死亡率预测模型的比较与选择

高龄人口死亡率预测模型是人口预测、养老金成本和债务评估以及长寿风险度量与管理的基础。我国大陆地区高龄人口死亡数据量少、数据波动性大,如何选择适合我国高龄数据特点的死亡率预测模型,是重要的研究课题。本文在归纳总结死亡率预测模型研究进展的基础上,先采用数据较为充分的台湾地区高龄死亡数据,选用Lee-Carter、CBD、贝叶斯分层模型等八种死亡率模型,对模型的拟合效果、预测效果和稳健性做出比较。在此基础上,基于修正和平滑后的我国大陆人口死亡数据,采用CBD模型和贝叶斯分层模型建模和预测。结果显示:贝叶斯分层模型能捕捉我国大陆高龄死亡率数据的历史波动,预测区间能够涵盖全部死亡率的真实值,但预测区间过宽,生存曲线不收敛;相比之下,CBD模型对我国大陆地区高龄死亡率的拟合和预测较好,预测区间和生存曲线合理。在长寿风险度量中,建议采用CBD模型。     

小波分析结合ARIMA组合模型的2014~2017年石油贸易量预测研究

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年～2003年我国能源消费量的年度数据进行分析,结果显示ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测.     

LME铜价时间序列的预测模型

铜价的波动对于铜加工企业来说有着巨大的影响,是铜产品中成本影响的最不确定因素,本文借助Box-Jenkins建模法和ARIMA模型的理论以及Eviews 3.1软件,建立时间序列ARIMA模型,结果表明模型拟合比较成功,通过实际数据与预测数据的比较,证明该模型的预测精度较高,给铜加工企业的备科计划带来一定的参考意义.     

中国死亡率的抽样误差修正、预测及应用——基于引力模型与日本相应数据

死亡率引力模型是研究两个相关但暴露数规模不同的人群的动态死亡率模型。本文针对中国人口死亡率抽样数据偏差较大这一特点,运用引力模型思想借鉴日本相应数据建模。研究发现,引力模型改进了我国人口未来死亡率建模的方法,提供了更准确的预测。对于中国现有的数据,如果不考虑引力效应会导致年金产品的过低定价,低估未来老龄人口的抚养比。     

应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年-2003年我国能源消费量的年度数据进行分析，结果显示，ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点，并且可以用于未来值的预测。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

我国外汇占款变动的预测研究——基于ARIMA模型的实证分析

本文以我国2000-2009年月度外汇占款额为样本数据,通过建立ARIMA模型来确定我国外汇占款的变化规律进而预测其变动趋势.分析结果表明,我国外汇占款的变动符合自回归单整移动平均ARIMA(2,1,0)的过程,同时利用该模型预测发现,我国外汇占款额在未来会继续保持增长的态势但增速较之前会有所放缓.     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

湖北省CPI时间序列分析及预测

本文利用湖北省2002-2009年这8年96个月的月度数据,建立求和自回归移动平均模型(ARIMA)对2010年1-4月的湖北CPI进行了预测,结果表明,ARIMA(1,1,0)是描述我省CPI变化趋势相对较优的时间序列模型。     

基于R的新疆GDP分析与预测

根据新疆地区历年GDP数据的特点,基于R语言,建立求和自回归移动平均模型ARIMA(p,d,q)。通过对数和差分运算对数据进行平稳化处理,根据自相关系数、偏自相关系数以及单位根检验判断其平稳性,选择合适的ARIMA模型,进行预测和比较,得到较为满意的结果。     

我国通货比率的预测研究——基于ARIMA模型

本文以通货比率为研究对象,在初步探讨改革开放以来通货比率变动规律的基础上,选取1978～2012年的数据,首次采用ARIMA模型分析该时间序列,模型拟合效果良好,最后预测通货比率在未来两年有持续下降趋势,对货币乘数和货币供给的控制以及货币政策的制定有一定的参考意义。     

基于ARIMA模型的我国人民币汇率的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARIMA模型进行分析。但是通过对原始序列进行差分,将其转换为平稳时间序列,再用ARIMA模型进行建模。本文通过对2000-2010年我国人民币汇率时间序列的分析,预测2010年6-12月数据,并证实了ARIMA模型是一种很好的短期预测模型。     

基于ARIMA模型的上证50指数的分析及预测

上证50指数是中国股票指数期货中一个重要的品种,它是挑选上海证券交易所上规模大、流动性好的最具代表性的50只样本股构成,从而反映市场上最具有影响力的一批龙头企业的整体状况,因此对其研究具有非常重要的意义。本文根据数据的时间序列的特性,选取2004年1月到2016年11月每日收盘价为原始数据作为研究对象,利用数据时间序列特性具有优势性的差分自回归移动平均模型(ARIMA模型)建立ARIMA模型对其进行定量分析,并且对未来走势进行预测。