基于趋势分解的机场季节旅客吞吐量预测方法

针对机场季节旅客吞吐量的特点,提出了基于趋势分解的机场季节旅客吞吐量预测方法,其基本思想是:首先根据机场季节旅客吞吐量历史数据的移动平均数,计算平均季节指数并进行修正,然后构建机场季节吞吐量趋势变动模型,从而构建航线季节客运需求分析模型。仿真结果表明该方法可行且结果具有较高的精度,可作为预测机场季节旅客吞吐量的有效工具。     

基于EGARCH模型估计权证时变VaR的分析

在权证市场上,由于我国衍生品市场还处在初级发展阶段,市场上衍生产品匮乏、品种稀少,而且市场在创新能力方面较弱、风险管理能力较差,监管层的市场监管手段缺乏、监管制度不完善,市场上投机气氛浓郁、投资者缺乏风险意识等。本文通过分析EGARCH模型估计权证的时变VaR值的有效性,得出定量分析权证的市场风险的较为有效的方法,有益于加强风险管理。     

基于TOPSIS准则和SARIMA模型的江苏省快递业务量短期预测

物流产业与诸多产业都有非常密切的联系,在推动GDP增长和提高社会经济发展方面具有不可忽视的作用。利用过去的快递业务量预测未来值,有利于反映物流产业的发展趋势。基于江苏省2013年5月至2021年4月的快递业务量数据,选用简单季节ARIMA(差分自回归移动平均)模型和乘积季节ARIMA模型以及基于TOPSIS(逼近理想解排序)准则的两种ARIMA组合模型进行拟合,并预测2021年5月至2022年2月的快递业务量数据。发现3种模型预测的平均相对误差均较小,且组合预测模型的预测效果优于其他两种季节ARIMA模型。     

基于ARIMA模型的深证指数分析及预测

深证指数是指由深圳证券交易所编制的股价指数,对其进行深入研究具有非常重要的意义。文中使用时间序列ARIMA模型对深证指数进行定量分析,以2009年7月1日到2010年6月30日的日深证指数收盘价格为原始数据,通过对数据进行平稳、零均值化处理,模型识别和模型定阶,再使用最小二乘法估计参数后,最终建立了ARIMA(6,1,6)模型,并对模型检验证明有效后,对未来数据进行了短期预测。     

基于ARIMA模型的海南旅游者人数预测

根据历年海南接待旅游者人数相关数据,分析海南接待旅游者人数的长期趋势、季节性和随机扰动等特征,应用SPSS软件,建立ARIMA时间序列模型,对海南旅游者人数进行预测。     

我国居民消费的增长与波动——基于季节调整方法

文章根据日销售额的节假日特征,提出我国居民消费序列季节调整的新方案,并运用季节调整结果分析我国居民消费的增长和波动.研究表明:在新方案中增加移动假日效应和工作日效应后,不仅能充分提取原始序列的季节成分和节假日效应成分,而且可以有效监测居民消费的增长和波动.原始序列的分解结果表明,我国居民消费的趋势循环成分持续稳步增长、季节波动模式基本保持稳定、不规则成分平稳随机变动.基于新季节调整方案得到的环比数据可以及时发现经济指标的转折点,因此更适宜于对居民消费进行实时监测.     

LEE-CARTER死亡率模型的估计——基于Bayes和SVD方法的比较分析

本文比较分析了Bayes和SVD方法对Lee-Carter模型参数估计的结果。结果显示,由于SVD方法充分提取了样本的信息,所以Bayes方法的估计效果一般。但是,Bayes方法能够给出参数估计的误差和处理奇异值出现的风险。     

出生人口性别比的估计模型

在严格推行计划生育政策后,我国的人口数量得到了有效控制,但是出生人口性别比一直居高不下,给人口自身的可持续发展造成了不利影响。文章将根据数理统计理论给出数学模型,探讨出生人口性别比的变化,并进行实证分析。     

货币供应量的实时监测——基于季节调整方法

货币供应量是我国货币政策的中介目标,对其进行实时监测具有重要的经济意义。同比和环比是分析经济指标变动的两种方法。本文结合春节效应和交易日效应,运用X-13ARIMA-SEATS程序对货币供应量序列（M0、M1和M2）进行季节调整,并据此计算环比数据。与同比数据相比,环比数据可以更及时地发现经济指标的转折点,因此更适宜于...     

基于季节调整的四川居民消费状况实证分析

由于种种原因,目前中国居民消费的比重偏低,出现了结构失衡。因此,准确把握当前的消费状况和特征,对于制定扩大消费需求的对策来说具有重要的意义。随着灾后重建项目的逐步完成,投资对四川经济的作用日趋减弱,在净出口额并不是很大的状况下消费便成了拉动四川经济增长的主要因素。文章在分析四川居民消费时间序列数据的基础上,运用季节调整的方法,准确分离出消费的长期变动趋势、季节变动趋势、不规则变动因素,并提出了刺激消费、扩大内需的对策建议。     

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA（2,2,0）模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。     

中国的金融危险程度：当前估计与中期预测

市场经济的发展使得金融愈显突出,以至于有人说,市场经济就是金融经济.不言而喻,我国金融运行的状况如何,必然成为全社会关注的一个焦点.在这一问题上,乐观者认为,未来3-5年(即中期)中国金融是机遇大于挑战,可以坦然应对入世;非乐观者认为,未来3-5年中国大有爆发金融危机之可能,中国的金融业面临严峻的挑战.笔者的观点是,当前与中期的中国金融是没有危机,但有危险.     

感恩的季节感谢有你

初冬的江城 深秋的思念意犹未尽     

基于指数平滑法的组合模型对住房需求量的预测研究

以哈尔滨市2000—2015年的城市人均住房使用面积和总人口数为基础,分别对总人口数建立三次指数平滑法模型,对人均住房使用面积建立二次指数平滑法模型,预测出哈尔滨市未来五年总人口数和人均住房使用面积,将总人口数和人均住房使用面积的预测结果代入M-W优化后的预测模型,更加精准的预测出了哈尔滨市未来五年的住房需求量,并对此提出对策和建议。     

日美成功开发台风预测新模型

由日美研究人员组成的一个联合小组最近成功开发出一种新的气象模型。这种利用超级计算机“地球模拟器”计算气流数据的新模型可以准确预测出在两周后形成的台风的移动轨迹及其对未来天气的影响。其技术关键是将地球表面细致地划分成许许多多个边长约35公里的正三角形，验证过程中，研究人员将以往发生的台风在形成两周前的相关数据输入新模型。     

基于X-12-ARIMA模型的中国粮食消费价格运行

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用X-12-ARIMA季节调整模型对中国1997年1月至2009年12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明：模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。     

我国最低工资制度对企业劳动生产率的影响——基于双重差分模型的估计

随着近年来美国次贷危机和欧洲国家主权债务危机的先后爆发,国际经济形势大幅下滑,我国企业特别是劳动密集型企业普遍遭受了严重的冲击。于是,为保证我国企业的生存和发展,国内学界围绕＂劳动政策是否会成为压倒企业的最后一根稻草＂的问题展开了一系列的讨论,而其中的一个政策焦点就是最低工资制度。     

指数模型xoert在经济中的应用

指数模型xoert在生物、考古等领域有着广泛的应用.它主要反映了实际生活中,一些事物的增长或衰减的规律.文章通过实例论述了指教模型在生物、考古、等经济领域的应用及预测的准确性     

基于区间经验估计法的建设项目社会稳定风险估计模型

社会稳定风险评估是建设项目前期决策的重要依据。为了克服现有经验估计法在风险动态管控中的不足，在论证建设项目社会稳定综合风险值概率分布的基础上，构建充分考虑单个风险因素发生概率、风险影响程度置信区间以及建设项目社会稳定综合风险值分布区间的区间经验估计法模型。实例分析表明，该模型客观反映建设项目社会稳定风险的动态变化趋势，为建设项目社会稳定风险动态跟踪管理提供了有力的科学依据。     

基于引力模型与ARIMA模型的城市旅游倾向预测

文章以山东威海、德州等7座城市为客源城市,对青岛的旅游倾向进行预测研究。首先从7个城市居民的旅游消费成本、到达青岛的距离、城市居民消费水平和大型活动对该城市居民的吸引力等作为考查该城市居民旅游目的地选择的四大因素,构造青岛市对山东省的其他7个城市游客的吸引力模型,并选取了模型中的量化指标,计算出相应的指标值;其次,根据青岛游客历史数据的波动特性构造了ARIMA(p,d,q)模型,并将非平稳的时间序列转变成平稳的时间序列进行计算;然后对两个模型进行估计与检验,通过检验发现,引力模型呈现出非常明显的线性关系,可信度大于99%,对时间序列进行ADF检验后为平稳序列;最后,分别利用两个模型预测出2018年青岛旅游人数,并根据设定的基数分别列出A、B和C三种预测方案,计算出2018年山东7座城市参加青岛啤酒节的人数。同时,根据原始数据和预测数据,将参加青岛啤酒节的人群分成了三类,并给出了合适每一类人群的预测模型,对青岛的旅游业的发展提供有力的借鉴。