我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标,也是国民经济体系中的一个重要指标。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2002年-2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现,误差较小,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,该模型可以提供较为准确的短期预测效果。     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标．也是国民经济体系中的一个重要指标。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2002年一2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现．误差较小．SAILIMA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,该模型可以提供较为准确的短期预测效果。     

基于小波网络的上证指数预测实证分析

本文利用小波分析与神经网络构造的小波神经网络模型,对金融时间序列上证指数进行预测。将预测结果与实际值进行比较,结果表明,小波神经网络方法预测效果优于传统神经网络模型。     

基于小波网络的上证指数预测实证分析

本文利用小波分析与神经网络构造的小波神经网络模型,对金融时间序列上证指数进行预测。将预测结果与实际值进行比较,结果表明,小波神经网络方法预测效果优于传统神经网络模型。     

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。     

企业价值评估中的定量预测模型实证分析

在采用收益途径对企业价值评估中,对企业未来发展有关情况进行分析和运用数量模型对其相关参数进行预测不仅是其重要的工作之一,也是该评估方法的技术关键。在该评估方法中,收益额是重要的预测参数之一,对其预测时,需要在定性分析的基础上,采用合适的数量模型分别对其中的收入、成本、费用等内容进行具体测算。常见的计量模型主要有：时间序列模型、单方程回归模型,灰色预测模型,神经网络模型以及组合预测模型等,本文选择其中的时间序列模型（固定时间序列和随机时间序列）、灰色预测模型和神经网络模型分别对某航运公司1994-2008年的收入进行具体预测和检验,并将其各自的预测结果进行分析和比较。     

ARIMA模型在云南省GDP预测中的应用

从云南省经济发展的实际情况出发,以1978～2013年云南省GDP统计资料为依据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关函数、偏自相关函数的性质确认序列应当适合的模型,利用时间序列模型中的ARIMA模型中的Box-Jenkins方法,对云南省1978～2013年的GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA(1,1,1)模型。模型实证分析的结果表明:在时间序列分析建模与预测方面Box-Jenkins方法是精度较高且切实有效的方法模型。     

基于支持向量机的利率期限结构实证分析

利率期限结构一直是量化研究领域的重点课题,目前国内关于利率期限结构拟合的研究较多,而对利率期限结构的预测则研究较少,关于利用支持向量机的方法预测利率期限结构的研究更是屈指可数,本文利用支持向量机对国债的即期利率进行了拟合和预测,并与普通的时间序列线性模型对比,发现支持向量机的拟合和预测效果均好于自回归模型。     

北京市软件与信息服务业发展预测

灰色GM(1,1)模型可以预测较短时间序列的发展态势,马尔可夫模型可以对具有随机波动性的时间序列进行预测。本文结合了两种模型的特点,综合预测了2008年和2009年北京市软件与信息服务业营业收入可能达到的规模,从而对新兴产业的发展预测提供了一种尝试。     

国债回购市场利率价差预测能力的再检验

本文在给出利率预期假说理论模型和相关推论的基础上，在误差修正模型框架下采用因子分解技术，将两个利率序列分解成长期记忆成分和短暂成分，并通过将短暂成分对利率价差进行回归，以此来检验回购市场长短期利率价差的预测能力。结果表明，利率价差对去除长期记忆成分后未来利率变化的短暂成分的预测能力显著增强，而对于短期利率序列的纯长期记忆成分的预测能力则很差。     

向量自回归模型对宏观经济变量的预测能力比较研究——以意大利GDP增长和CPI为例

分别利用包含不同预测变量且不同期限的双变量和三变量向量自回归模型(VAR)对意大利1992年至2006年间的真实GDP增长率和1980至2006年间的通货膨胀率进行了滚动模拟预测。从实证结果看,对上述宏观经济变量的预测,不同变量的预测能力随模型期限及结构变化而表现出明显差异,因而无法判断哪个(类)变量用于预测时将具有显著优势。研究还发现,如自回归模型(AR)等简单的时间序列模型,整体上较之相对更复杂的模型提供了更准确的预测信息。     

基于GARCH模型的人民币汇率走势预测

自2005年7月人民币汇率改革以来,人民币持续升值,分析和预测汇率走势对制定金融政策和投融资决策具有重要意义。本文运用时间序列的GARCH模型,选取05年7月至12年9月的人民币兑美元的日汇率作为样本数据,在论证了GARCH模型预测可行性的基础上,预测分析了人民币汇率在2012年上半年的大致波动趋势,拟合效果较好。     

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模型的上海居民消费价格指数分析及预测

大多数的经济时间序列存在惯性,通过这种惯性可以对时间序列的历史数值进行分析建模,从而对未来值进行预测。本文对1991~2015年上海居民消费价格指数的时间序列进行数据分析,利用Eviews9软件对1991~2013年上海居民消费价格指数实际的数据建立ARIMA(1,2,2)模型。用该模型对2014年和2015年的上海居民消费价格指数进行预测并与实际值进行对比,结果显示该模型预测的精准度较高。后对2016年上海居民消费价格指数进行预测,以达到合理预期和分析目的。     

存贷款时间序列指标数据预测方法比较研究--基于甘南州数据的预测实证

文章以2010年1月到2015年9月的甘南州存贷款历史数据为样本，利用时间序列预测理论中的平滑预测法与线性趋势预测法相结合进行了系统研究，构建时间序列模型对未来甘南州存贷款数据进行预测，并通过实证研究及结果对比分析论证了模型的可行性，得出用移动平均法模型预测存贷款数据更为接近实际观测指标，能够比较准确的反映出甘南州存贷款增长趋势。     

基于多尺度阈值方法的金融时间序列去噪研究

本文通过实证分析,说明金融时间序列建模前降噪预处理的必要性,更进一步地,运用多尺度阈值方法对金融时间序列去噪,再用传统时间序列预测方法ARIMA(p,d,q)模型对降噪后的数据进行预测。通过与小波阈值去噪预测模型的比较,得出多尺度阈值去噪预测效果更加理想。     

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,。     

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,。     

地方国库现金流量预测初探——以许昌市为例

本文以许昌市为例,通过分析地方级国库现金流的特点,选择时间序列预测法,利用ARIMA模型对2010年1-9月数据进行了预测,并提出了进一步提高预测精度的途径。     

我国货币供应时序结构的奇异谱分析

时间序列的结构分析是深入研究原始序列的重要前提。应用奇异谱分析并以极大熵谱估计为辅助,对我国广义货币供应量M2进行时间序列结构分析,结果显示:改革开放以来,我国广义货币供应量M2除了趋势项外,还具有周期分别约为10年、4～5年和3年,方差解释能力依次为23.22%、7.48%和3.44%的主周期波动成分;所有的周期波动成分的振幅均随时间而增大;长期趋势在改革开放前期增长速度较慢,而在中后期增长速度较快。