商业银行新增信贷的统计与时间序列模型研究

为不断改善商业银行流动性和信用风险管理水平,减少商业银行的亲周期效应,同时不断提高监管部门货币政策的效果,开展商业银行信贷投放的量化研究非常重要.本文在对某大型商业银行新增贷款进行统计分析的基础上,对贷款规模的变动规律进行了时间序列模型的拟合,并进行了趋势预测和实证检验.研究认为,商业银行信贷投放具有显著的日、周、月不同的概率统计分布特性,时间序列模型可以作为前瞻性的开展信贷规模管理的重要工具.     

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.     

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。     

基于灰色-ARIMA的金融时间序列智能混合预测研究

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

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。     

商业银行新增信贷的统计与时间序列模型研究

为不断改善商业银行流动性和信用风险管理水平,减少商业银行的亲周期效应,同时不断提高货币政策的效果,开展商业银行信贷投放的量化研究非常重要.本文在对某大型商业银行新增贷款进行统计分析的基础上,对贷款规模的变动规律进行了时间序列模型的拟合,并进行了趋势预测和实证检验.研究认为,商业银行信贷投放具有显著的日、周、月不同的概率统计分布特性,时间序列模型可以作为前瞻性地开展信贷规模管理的重要工具.     

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。     

商业银行新增信贷的统计与时间序列模型研究

为不断改善商业银行流动性和信用风险管理水平,减少商业银行的亲周期效应,同时不断提高货币政策的效果,开展商业银行信贷投放的量化研究非常重要。本文在对某大型商业银行新增贷款进行统计分析的基础上,对贷款规模的变动规律进行了时间序列模型的拟合,并进行了趋势预测和实证检验。研究认为,商业银行信贷投放具有显著的日、周、月不同的概率统计分布特性,时间序列模型可以作为前瞻性地开展信贷规模管理的重要工具。     

ARIMA模型在湖北省GDP预测中的应用——时间序列分析在中国区域经济增长中的实证分析

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。广泛求证和搜集从1952年到2006年以来湖北省GDP的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件EVIEWS运用ARMA建模方法,将ARIMA模型应用于湖北省历年GDP数据的分析与预测,得到较为满意的结果。     

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ARIMA模型下的时间序列分析与预测——以江苏省社会消费品零售总额为例

大多数的时间序列存在着惯性,或者说具有迟缓性。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1949年到2004年江苏省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(1,1,2)模型能比较好的对江苏省社会消费品零售总额进行市时间序列分析和预测,。     

我国人口时间序列拟合模型的比较

通过对我国1949年至2012年共49年的人口数据进行实证分析,分别运用确定性因素分解法和ARIMA模型两种不同的时间序列分析方法,对我国人口的变化规律进行了拟合研究。     

基于ARIMA模型下的时间序列分析与预测——以江苏省社会消费品零售总额为例

大多数的时间序列存在着惯性,或者说具有迟缓性。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1949年到2004年江苏省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(1,1,2)模型能比较好的对江苏省社会消费品零售总额进行市时间序列分析和预测,。     

ARIMA模型在杭州市全社会固定资产投资预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于杭州市全社会固定资产投资数据的分析与预测,得到较为满意的结果。     

基于B-S公式与时间序列模型对期权价格的预测

国内的期权市场发展迅猛,目前不仅规模庞大、活跃度高,而且价格波动较大,因此期权价格的预测对于投资者和市场的稳定发展极其重要。本文利用Black-Scholes公式(最常用的期权定价公式)和时间序列模型相结合的方法对期权价格进行预测,以50ETF的沽2018年6月2.90期权的实际数据作为实验数据,对该方法进行了验证,结果显示该方法的短期预测效果非常好。     

居民消费价格指数的时间序列模型分析

居民消费价格指数能够反映价格变动趋势和程度,反映通货膨胀水平,在现代社会经济中占有极为重要的地位,也越来越受到社会的重视和关注.研究居民消费价格指数的发展变化特征和未来短期内的发展趋势,把握居民消费价格指数发展变化的动态特征,有利于有针对性的制定政策措施,维持物价稳定,促进经济的健康发展和社会稳定.本文通过对国家统计局公布的过去20年居民消费价格指数的已有数据,利用时间序列的方法建立ARIMA模型进行分析,从中选出预测精度相对较高的模型,并对我国未来一段时间内的居民消费价格指数水平进行了预测.     

山东省社会消费品零售总额ARIMA模型和预测

本文截取了山东省2001年-2010年社会消费品零售总额数据,对数据进行了统计分析,建立ARIMA模型,并通过此模型对山东省2011年和2012年的社会消费品零售总额进行了预测.