时间序列分析在金融中的应用

本文介绍了时间序列分析在金融中的应用.首先明确了时间序列的概念及其四种基本组成成分,然后以自回归模型和移动平均模型为例,说明了时间序列模型的常规形式和特点及其应用意义.最后分别从定性和定量两个角度,分析了时间序列在金融中的应用.     

小波变换在金融时间序列中的应用

文章从理论上分析了小波变换及其去噪原理,并建立小波去噪模型对金融时间序列进行去噪,并用上证指数和深圳综指两年的日收益数据进行实证分析,结构表明小波函数对金融时间序列进行去噪是非常有效地。     

基于MATLAB动态神经网络进行时间序列预测房地产价格的研究

文章以MATLAB动态神经网络为前提,采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本,利用训练样本和基础样本来建立房地产价格基于动态神经网络时间序列预测模型来预测近几年房地产价格,并与实际价格对比研究来证明此方法的有效性。     

基于决策树和支持向量机的金融时间序列预测方法

由于传统的金融时间序列预测方法无法有效识别不同领域时间序列的不同特征,从而导致了当前一些时间序列预测方法的不足,无法有效地指导实际研究。文章提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,利用决策树对时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列进行预测。实验结果表明,文章的方法能有效的降低预测模型的复杂度并提高预测精度。     

计量经济学方法之时间序列分析

本文介绍了一元时间序列分析中常用的AR、MA、ARMA和ARIMA等经典模型,分析了这几个经典模型的理论要点以及单位根检验的方法和程序,总结了时间序列分析在预测等方面的优势及其在复杂科学管理中的应用,并以我国一月期国债回购利率和上证180月收益率为分析对象,介绍了一元线性回归分析的基本步骤。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果.纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据.本研究以北京某地铁站两个同一工作日的客流量作为研究对象,以15分钟为单位进行时间段的客流量采集,建立时间序列,通过已知数据对下一时间点(15分钟内)客流量进行预测,并针对同一工作日的数据进行实证检验.根据预测结果分析,验证了时序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性.     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果。纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据。本研究以北京某地铁站两个圊一工作甘的客流量作为研究对象,以15分钟为单位进行时阐段的客流量采集,建立时阈序列,通过已知数据对下一时间点（15分钟内）客流量进行预测,并针对同一工作日的数据进行实证捡验。根据预测结果分析,验证了时闻序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性。     

我国活鸡价格波动分析与预测

本文运用时间序列分析的X12方法和H-P滤波,获得了我国2001年1月至2009年10月活鸡价格序列的周期成分。周期成分的分析结果表明,活鸡价格存在长约26～40个月的波动周期,而且周期长度有随时间推移变长的趋势。肉雏鸡和肉鸡饲料价格波动轨迹与活鸡价格波动轨迹相似。此外,活鸡价格序列分析显示,禽流感疫情对其价格产生重大冲击。进一步地,用Holter-Winter模型对活鸡价格进行预测,得到了样本外推12个月的预测结果。     

消费价格指数的时间序列分析

人们在从事经济活动的时候，往往会根据以往的经验和过去的实际情况而作出决策。那么过去的经济数据在其中就起到了重要的角色，我们可以通过分析以前的数据从中找到经济活动的发展规律，总结出更多的经验。那么，怎样从以往的数据去发掘这些信息，运用什么样的方法来分析以及这种分析方法能达到的效果也就成了我们最关心的问题。这里，就为大家简要的介绍一些建立在时间序列基础上的分析方法，主要是介绍怎样通过构建模型对经济数据反映出来的信息价值进行提取，使我们在从事经济活动的时候能够更有效、更准确地作出判断。     

北京市人均GDP的时间序列分析及预测

人均GDP是具有重要经济意义的指标,它的增长具有一定的内在规律性,文章建立了北京市人均GDP的时间序列模型,分析研究了模型的稳定性和可外推性,预测了2005年～2010年北京市人均GDP的发展水平,说明北京市人均GDP具有一定的时间趋势。     

中国人均GDP时间序列的实证分析与预测

本文结合1970～2009年我国的人均GDP数据,应用SAS软件进行分析,建立中国人均GDP的时间序列ARMA模型,并在此模型的基础上对我国2011～2013年人均GDP进行了短期预测,探讨经济发展趋势,深入分析这一指标对于反映我国经济发展历程、探讨经济增长规律、研究波动状况、制定相应的宏观调控政策有着十分重要的意义.     

河北省旅游外汇收入时间序列建模及预测

本文在分析1984年至2011年河北省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARMA(p,q)模型.首先针对序列的非平稳特征,对河北省旅游外汇收入额变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,然后对序列继续进行差分处理,变成平稳序列,建立河北省旅游外汇收入时间序列的ARMA模型并对模型进行检验,最后将模型用于河北省旅游外汇收入的预测分析.实证结果表明:ARMA(1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.     

我国棉花短期价格波动研究——基于时间序列

采用ARCH模型对我国国内短期棉花价格波动的影响因素进行了研究。结果显示:棉花流通体制改革和市场宏观调控政策对棉花价格波动分别表现为正向影响和负向影响;棉花当期价格受一期和八期滞后价格影响,这显示出市场主体预期对市场变动趋势具有一定影响;国内持续上涨的需求对棉花市场价格波动的影响相对不显著,而供需缺口的变动是影响国内棉花价格波动的重要因素;棉花进口量的增加有利于减弱国内棉花价格波动;国际市场棉花价格波动对国内价格波动存在显著的正向影响。短期内棉花价格呈现出明显的季节特征,这种季节特征与市场预期、供需变化有较大关联。     

基于模糊时间序列模型预测三亚旅游总收入

提出模糊时间序列预测的一种改进方法,重新研究杭州宋城主题公园旅游收入预测问题,历史数据的模拟预测时的AFER比应用GM（1,1）灰色模型预测时更小,因此就杭州宋城主题公园旅游收入预测问题的案例而言,模糊时间序列预测的一种改进方法比GM（1,1）灰色模型的预测精度要高。应用该方法研究三亚市旅游总收入预测问题,不仅进行历史数据模拟预测研究,还进行未知年数据的预测研究。该方法预测公式结果简洁,计算方便,历史模拟预测误差率较小,是一种可行的短期预测方法。     

Excel在企业盈利预测中的应用及效果评价

时企业未来盈利的预测在企业价值估计的理论研究中占据着重要地位.对普通股票投资者而言,预见到企业未来盈利变化的方向和幅度,可进行理性投资从而获得丰厚的回报.将Excel用于季度盈利预测模型对上市公司季度报告数据进行一元时间序列因素分解分析,从而预测上市公司的盈利,操作简便可行,精确度也可满足投资者的信息需要.     

趋势外推法在人均GDP预测中的应用

文章根据广西南宁市2006-2015年的人均GDP的时间序列趋势图,建立了直线模型、二阶曲线模型及指数曲线模型.并对三种模型结果进行了分析对比,最终得出二阶曲线模型为最优模型.     

基于时间序列的BP神经网络预测鄂尔多斯市的GDP

国内生产总值(GDP)是制定经济发展战略、规划、年度计划以及各种宏观经济政策的重要依据,研究GDP预测方法具有重要的现实意义。在对鄂尔多斯市GDP数据序列分析的基础上,考虑到BP神经网络可以通过简单非线性函数的复合能够实现对于复杂函数的映射,本文采用BP神经网络方法来预测鄂尔多斯市的GDP,取得了较好的预测效果。     

发电量的时间序列模型构建及实证分析

主要研究乘积季节模型在中国发电量预测中的应用,通过对中国发电量1992年1月至2009年12月共216个月份的月度资料来进行实证分析。首先采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立一个中国发电量的乘积季节预测模型ARIMA（4,1,0）×（1,1,1）12。接着对模型进行诊断检验,结果都表明,用该乘积季节模型对中国发电量的拟合效果较好。最后,利用此模型对中国2008年发电量的趋势进行了预测。     

基于时间序列的上证综合指数分析及预测

近年来,随着我国金融体系越发完善,机遇与风险并存,金融市场的潜在危机也日益显现,所以对股价的合理预测变得更为重要。鉴于此,选取时间序列作为模型,使用R语言作为实现的软件,先对序列进行平稳性检验和白噪声检验,计算出不同的模型的AIC值,最终选择ARIMA(2,2,0)作为报告使用模型,用时间序列回归来对上证综指进行拟合预测。     

基于时间序列模型的海南省城市化水平预测研究

海南城市化进程自建省后突飞猛进,但是目前国内外文献中涉及海南省城市化水平预测的研究并不多见。我们利用海南省的人口数据,以时间序列模型的方法来对海南省未来十年的城市化水平进行预测研究,目的在于为海南省城市发展战略的制定提供科学的理论支持。