基于时间序列分析的黔西南州经济增长分析与预测--基于1978-2007年的黔西南州宏观经济数据

时间序列的预测方法有着广泛的应用背景,在解决经济发展,金融市场动态,气象预报和水文预报等领域的预测问题时,都可以利用时间序列的预测方法。结合黔西南的实际州情,本文采用EVIEWS统计软件及时间序列分析法对1978—2007年的黔西南州宏观经济数据进行了系统分析,构建了GDP序列的ARIMA模型,响应变量为GDP序列的ADL模型,对投资、消费对黔西南州经济增长的相互作用进行了实证研究,并预测黔西南州未来8年经济增长的变化趋势,相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。通过对黔西南州的宏观经济动态模型ADL模型,我们掌握黔西南州的宏观经济系统的主要特征及其运行机制,GDP与投资、消费互相影响,互相促进;通过预测,我们了解和掌握了经济增长的变化趋势,能有效地对政策制定进行合理化建议。     

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。     

基于SKT分布的中国股市波动率研究

本文以上证指数收益率序列为例,利用R／S分析法,假设残差分别在正态分布、t分布、GED分布及SKT分布下,使用“滚动时间窗”的方法对波动率进行预测,并采ARFIMA（p,d,q）-FGARCH（m,n）-M模型对收益率序列进行了实证分析。实证结果表明：上证收益率序列存在长记忆性;基于SKT分布条件下ARFIMA（2,1）-FGARCH（1,1）-M模型能够较好的处理序列“尖峰厚尾”和聚集现象并且较其他分布条件下具备较强的预测精度。     

非线性动态系统的递归神经网络预测研究--对我国钢铁产量的预测分析

钢铁行业是我国国民经济的支柱产业之一,为国民经济的持续发展作出了积极的贡献.因此,对钢铁产量的预测研究已经成为一项非常重要的课题.文章使用基于数据挖掘和知识发现的人工神经网络法、时间序列分析法、递归神经网络技术来预测钢铁产量的方法,并将递归神经网络方法预测的结果与前面的两种方法的预测结果进行比较,比较的结果说明该方法是可行的.     

我国社会消费品零售总额时间序列模型及预测

本文运用时间序列分析方法中的季节时间序列模型（SARIMA）,对我国社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且通过模型对社会消费品零售总额做了预测,该模型可以提供较为准确的短期预测效果。     

基于距离比协调度模型的甘肃省生态与经济系统协调性评判

首先利用主成分分析法,以2002—2015年数据为基础得出了甘肃省生态系统与经济系统的综合指标,并通过对现有应用较为广泛的协调度模型的分析,给出了一种新的协调度计算方法,依此对甘肃省生态环境与经济系统的协调度进行了评判。最后采用时间序列预测方法对2016年的系统协调性进行了预测,并针对分析结果提出了相应的政策建议。     

基于R/S分析和V/S分析的香港股市长记忆性比较研究

对金融时序的长记忆性进行研究在金融市场预测中具有重要的意义.目前一般认为Gjrajtis等人于2003年提出的V/S分析法更具稳健性、不易受短期记忆性的影响.尽管很多研究表明V/S方法在分析时间序列的记忆性问题上表现更为稳健,然而本文同时运用R/S分析和V/S分析法对香港股市进行研究,发现两种方法对时间序列短期相关性的敏感度却是大体相当的,这与以往的研究结论并不一致.     

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。     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

中小区域多单元人口发展预测——以南京市为例

中小区域人口预测是当前人口预测的难点问题.综合运用相关分析、回归分析和时间序列分析法,把时间和空间结合起来建立时空回归模型对南京市及其区县的人口发展进行预测.研究表明,南京市在2020年和2030年的户籍人口数分别为673万和727万人,常住人口分别为873万人和1027万人.在影响人口发展诸因素不完全确知的条件下,用多个相邻小区域目前几年的人口数量通过时空回归方法对未来年份的人口进行预测,是一项简便而有效的方法.     

西藏城乡居民收入差距变动趋势分析

基于西藏自治区1978—2008年间官方统计数据,对比分析西藏城乡居民绝对收入差距、相对收入差距以及在此期间所呈现出的特征,进而运用时间序列分析法与趋势外推法对未来十多年西藏城乡居民收入差距进行预测,最后得出西藏城乡居民收入差距过大将影响西藏经济的持续发展、社会的稳定、西藏统筹城乡发展的进程以及小康西藏目标的实现与和谐西藏的建设。     

时间序列模型描述个体经济发展趋势的局限性及改进方法

趋势是经济时间序列最主要的特征之一。利用时间序列模型不仅能够分析经济序列的趋势，同时还可以进行预测。但利用时间序列模型对总体的经济趋势的估计不能用来描述个体的经济趋势。因此，研究描述个体经济趋势的改进方法是必要的。     

谱分析方法及其在经济周期研究中的应用——以美国经济周期波动(1930-2009)的谱分析为例

谱分析方法弥补了时域分析的不足,它把经济时间序列分解为具有不同振幅、相位和频率的数个周期分量的叠加,通过比较各周期分量的相对重要性,找出原序列中隐含的各个主要周期分量,从而为说明经济周期波动的内在机制、经济周期波动的监测预警及其对策研究提供依据。根据该方法确定的各主要周期长度值,还可建立周期波动序列的三角函数叠加拟合模型,并可通过该模型实现对经济波动的预测。本文介绍了谱分析方法的原理,并运用此方法对美国1930年至2009年间的经济周期进行了研究。     

上市公司成本领先指标体系研究

本文运用时间序列分析法以及相关性分析法研究上市公司成本先行指标,指出了PPI,CPI可以作为上市公司成本领先指标,同时对有关指标的预测性进行检验,以期为投资决策提供支持和参考.     

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.     

基于多种时序模型的河北省某市卷烟需求预测比较

通过对河北省某市卷烟历史销售数据构建定量预测模型,分析比较了趋势外推法、时间序列分解法和多元回归法对历史数据的拟合优度以及预测上的功效。得出结论：时间序列数据的模型能很好地利用历史销售数据,在市场没有发生显著变化的情况下,预测精度高;而多元回归法能有效捕捉市场变化信息,预测结果能反映相关因素的影响。     

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。     

期货市场讲座(六)——期货市场行情分析

进行期货交易,无论是出于保值还是投机目的,关健都在于对市场行情(现货和期货的价格)预测的准确程度如何。一般说,期货保值要求的行情预测时间长些,而期货投机要求的行情预测时间则要短些。预测期贷市场行情涉及到下面几方面内容:首先要了解决定和影响期货价格变化的因素,如商品的供求情况;有关的金融市场行情(利率、汇率等);政治因素;消费者心理变化等。其次要掌握分析期货市场行情的方法,主要有两大类,即基本分析预测法和技术分析预测法(包括指标体系法、移动平均法、条形图法和点数图法)。这两类方法都强调定性分析和定量分析相结合,都离不开统计分析方法(如经济计量模型、回归分析、指标体系、移动平均等)的应用。本文主要介绍指标体系法和移动平均法。     

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。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。