基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

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.     

运用时间序列模型和周期因子预测商业银行存款

商业银行的存款预测对商业银行流动性有着重要影响,文章基于中原银行2020-2022年的每日存款总量数据,对比ARIMA、LSTM两种机器学习算法的预测准确度,并叠加了周期因子。其中,在数据表现比较平稳的时期,ARIMA模型叠加周期因子后要比ARIMA单一模型的平均绝对误差（mae）和均方根误差（rmse）分别降低19.1%和19.3%,LSTM模型叠加周期因子后的这两个指标比单一模型分别降低10.7%和11.6%。因此,周期因子的叠加使本次商业银行存款数据预测大大降低了误差,发挥了重要作用。综合比较来看,LSTM模型叠加周期因子相较于ARIMA模型来说可以处理更复杂的情况,表现更稳定,预测结果也更合理。因此,文章推荐商业银行在预测存款数据变动时使用LSTM模型叠加周期因子。     

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。     

基于时间序列模型的中国GDP增长预测分析

作为度量一个国家或地区所有常住单位在一定时期之内所生产和所提供的最终产品或服务的重要总量指标,如果能够对GDP做出正确的预测,必然可以有效引导宏观经济健康发展,为高层管理部门提供决策依据.选用适合短期预测的ARIMA模型对中国1952～2010年的GDP进行计量建模分析,预测结果认为未来五年中国的经济增长仍将处于一个水平较高的上升通道.     

基于时间序列模型的农业总产值预测

本文采用时间序列分析方法,对河南省2001年第一季度到2018年第一季度共69个农业总产值季度数据进行研究分析,建立ARIMA时间序列模型,并对这一模型具有的残差异方差性进行了改进,最终建立ARIMA―GARCH模型。之后,利用建立的模型对原始数据进行预测,最后得到了河南省农业总产值2018年第二季度到第四季度的预测数据值。     

改进SVR在金融时间序列预测中的应用

针对目前金融时间序列预测方法的不足,在利用训练样本与测试样本间马氏距离对惩罚因子进行加权的基础上,改进传统的支持向量回归机(SVR).通过以上海证券综合指数趋势的预测为例子,与标准BP人工神经网络(BPANN)和SVR方法进行了对比,发现该方法能获得更准确的预测结果.结果表明,该方法能充分反映股票价格时间序列趋势规律,是研究金融时间序列预测问题的有效方法.     

时间序列分析在我国GDP预测中的应用

GDP是反映一国经济增长、经济规模、人均经济发展水平、经济结构和价格总水平变化的一个基础性指标,而且也为国家和地区在部署战略方针和制定宏观经济政策上提供了一种参考和依据。改革开放后,中国的经济实力不断提高,GDP连年增长,并呈现一定规律。如果可以准确地预测未来中国之后几年的GDP,将为国家的宏观调控工作提供巨大帮助。本文基于时间序列分析理论,以我国1986年~2016年国内生产总值为基础,利用EViews8.0软件,对数据进行拟合分析,建立模型,并利用所建模型对我国未来三年的GDP作出预测。     

基于上证指数的标准差系数时间序列预测模型分析

证券市场的风险可以通过很多种方式测度出来,其中,稳定性是衡量股票市场风险程度的一个重要的指标,而对于稳定性的度量主要是通过方差的计算来实现的。所以通过预测方差就可以提供另一种描述股票市场未来风险的方式。本文通过对上证指数2009年3月到2012年1月每月的全部交易日收盘价的标准差系数进行研究,运用ARIMA时间序列技术,得出预测模型,对未来的标准差系数进行了预测。     

铜仁地区货币发行预测模型构建研究

构建起人民银行货币发行的投放、回笼预测模型,对于开展人民银行货币发行工作具有现实的指导意义。本文基于铜仁市十年来每月的货币发行投放、回笼数据,考虑到铜仁地区经济发展和货币发行特点,综合运用回归模型、时间序列ARIMA模型和结构时间序列分析模型,运用趋势分量与自然时间进行回归,参考季节分量和不规则分量对时间序列变化的影响进行分析,构建铜仁地区货币投放、回笼函数分析模型。基于这个预测模型,合理安排铜仁地区的发行基金投放、回笼。     

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。     

The Relation of Export and Employment of China

Export is seen as foreign demand for domestic goods.Therefore for long export has been considered being able to promote China's GDP as well as employment.However,for recent years,there is a paradoxical phenomenon that we have high growth rate of export along with the problem of unemployment.In this essay we build a VAR model to analysis the mutual impact of employment,GDP and export to show that there may be no significant correlation between China's export and employment.     

Estimation of the effective bid-ask spread on high frequency Danish bond data

In this paper the effective bid-ask spread is estimated using 12 high frequency Danish bond samples. A clear-cut MA(1)-model for the mean of the return series, and a GARCH(1,1)-model for the variance, are found. Basically, Roll's model is used, but three different methods of calculating the first-order autocovariance are suggested. Each of these in turn produces three possible ways of estimating the effective bid-ask spread. First, Roll's original autocovariance estimate is used. Second, the autocovariance is calculating using the parameters of an estimated MA(1) model. Third, the autocovariance is obtained from the parameters of a joint MA(1)-GARCH(1,1) model. By means of bootstrapping the standard error of the bid-ask spread estimates are found. It is shown that the gain in efficiency, measured by the relative difference in the standard error of the estimates, is 29% when going from method one to method two, but only 1% when going from method two to method three. These results indicate that the extra gain in efficiency obtained by taking account of the MA(1) structure of the data is noteworthy, but the gain when incorporating the GARCH-effects is negligible.     

基于时间序列极值理论的跳跃风险研究

金融资产的跳跃行为作为对极端事件的刻画,为研究极端事件风险提供了良好工具。基于时间序列下的极值理论,在放松独立同分布假设下,构造了金融资产收益率序列尾部中跳跃动态特征的极值模型。通过对上证综指大跨度、高频度的实证研究,剖析了投资者结构、投资者行为与收益尾部分布之间的相互作用机制,进一步对金融资产收益尾部的跳跃风险进行了有效测度。结果表明,极端跳跃风险的分布特征在频率与尾部方向上呈现很强的不对称状态。     

基于ARINA模型的我国广义货币供应量变动规律研究

货币供给对我国货币政策运行乃至整个宏观经济调控具有重要意义,广义货币供应量的规模及其变化趋势直接影响到中央银行货币政策的执行效果。本文运用ARIMA模型,对1996年1月至2012年1月期间我国广义货币供应量的变动规律进行研究,并运用模型对给定样本期内的M2值进行了预测,结果表明本文建立的ARIMA模型具有良好的预测精度。     

财务危机预警研究:存在问题与框架重构

现有财务危机预警成果没有表现出其能有效地服务于现实的能力,从而使人们产生对财务危机是否可以预警的信任危机。本文围绕财务危机预警的最基本目的——"预",分析了现有预警研究中存在的主要问题,并结合经济所呈现出的一些新的特点,如企业共生现象、金融工具的大量使用,从经济动力学的角度,提出了嵌入利益相关者行为的、以影响企业财务状况的两种基本力量为主要分析对象的财务危机预警框架和面向未来的敏感性分析方法。从理论上讲,新的框架可以把现有框架未予考虑的大量相关信息纳入进来,从而减少"伪危机"和"伪健康"现象,增强财务危机预测的针对性和准确性。