浅析处理经济数据的几种方法

本论文对时间序列进行分类:按线性性分,时间序列可以分为线性时间序列和非线性时间序列;非线性时间序列模型又可分为参数非线性模型和非参数非线性模型。并简单的介绍了重要的几个模型,分析它们的优点和缺点。阐述了处理不同类型的时间序列数据,要用不同的模型。     

基于GARCH模型的欧元／美元汇率的预测

本文对今年来欧元兑美元的日收盘价进行数据分析．发现欧元／美元汇率日波动不服从正态分布。而且汇率的时间序列有波动异方差性,根据近年来欧元／美元的汇率数据特征．建立欧元／美元汇率的GAR．CH（1,1）预测模型,实证分析所建模型的拟合度较高,适应做短期预测。     

基于线性时间序列模型对金融数据分析——以云南白药股票数据为例

股票市场的繁荣与国民经济的活跃程度存在一致性,从宏观角度来说,股市的繁荣往往意味着一国或者一个地区的经济繁荣,从微观角度来看,股票市值的变动对上市企业乃至投资个体均是有较大影响的。因此对股票走势采用科学合理的研究方法对投资主体而言是及其必要的。本文基于云南白药上市公司股票数据,试图采用时间序列模型模型及其扩展对云南白药上市企业股票市值建立适合的时间序列模型对股票未来走势作出预测,研究结果表明,云南白药股票市值适合ARFIMA-EGARCH模型,预测误差最小,在实际分析中可作为参考。     

经济时间序列波动率的度量与ARCH

尽管金融经济学家很早就知道经济时间序列的波动率有簇聚效应,并且边际分布具有尖峰形态,但却一直没有建立能够反映这种特点的时间序列模型。恩格尔在20世纪80年代早期开始了波动率模型的研究,成功地突破了传统的时间序列统计分析方法,开创性地建立了随时间变化的波动率模型一自相关条件异方差(ARCH)模型,从而有力地推动了金融经济学的发展。本文介绍了ARCH模型的产生背景、模型结构及其对金融经济学的学术价值。     

ARMA模型在居民消费价格指数预测中的应用

居民消费价格指数(CPI)是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标。本文利用近年来的月度数据,通过对居民消费价格指数自相关函数与偏相关函数的统计识别,建立了一个ARMA模型,并运用Eviews软件估计出其参数。利用这个模型对我国的居民消费价格指数进行合理的预测。     

基于ARMA模型对经济发展的预测——以我国工业生产总值指数为例

本文以我国1978年至2010年工业生产总值指数的年度数据为代表,建立了能够有效模拟我国经济时间序列趋势的预测模型。分析我国改革开放以来经济发展的宏观趋势。首先根据工业总产值指数序列特征对其做数据处理得到具有平稳性的二阶差分工业总产值指数序列,然后观测其自相关函数与偏自相关函数,最终建立具有高精度的ARMA模型,并对2011年我国工业总产值指数进行有效预测。     

基于ARMA模型对经济发展的预测——以我国工业生产总值指数为例

本文以我国1978年至2010年工业生产总值指数的年度数据为代表,建立了能够有效模拟我国经济时间序列趋势的预测模型.分析我国改革开放以来经济发展的宏观趋势.首先根据工业总产值指数序列特征对其做数据处理得到具有平稳性的二阶差分工业总产值指数序列,然后观测其自相关函数与偏自相关函数,最终建立具有高精度的ARMA模型,并对2011年我国工业总产值指数进行有效预测     

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。     

ARMA模型在居民消费价格指数预测中的应用

居民消费价格指数(CPI)是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标。本文利用近年来的月度数据,通过对居民消费价格指数自相关函数与偏相关函数的统计识别,建立了一个ARMA模型,并运用Eviews软件估计出其参数。利用这个模型对我国的居民消费价格指数进行合理的预测。     

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SAS软件的时间序列分析在GDP预测中的应用

国内生产总值(GDP)是国民经济核算的核心指标,GDP预测的准确与否直接关系到就业、收入分配等许多国计民生的重大问题.根据1982年～2001年GDP数据,利用SAS统计软件,建立时间序列ARMA模型来预测未来5年的GDP的数值.通过比较模型预测数据与实际数据,证明模型预测精度较高.该结论不仅为GDP的预测提供了可靠信息,也可以在一定程度上作为政府决策的依据和参考.     

基于ARMA-EGARCH-M模型的深证股指研究

文章简要介绍了股票市场波动性研究的发展过程,并以2003年1月2日—2011年1月4日的深圳证券收盘价为样本,对我国深市收益率进行统计分析。对收益率序列ADF检验,自相关检验,发现收益率可用ARMA模型模拟。对ARMA模拟后的残差ARCH效应检验,发现我们可用ARMA-EGARCH-M模型拟合。再对两模型进行比较分析。     

基于时间序列的山东省人均GDP分析与预测

人均国内生产总值综合考虑了一个地区经济总量和人口基数,能够较好地反映一个地区经济增长和居民经济生活水平。本文以1978—2013年的山东省人均GDP数据为样本,用时间序列分析方法建立自回归预测模型。根据预测,山东省“十二五”期间人均GDP呈现出先慢后快的增长特点,可能原因是前期受金融危机影响较大,后期影响逐渐减弱。政府应保持宏观经济政策连续性稳定性,不断扩大开放,实施创新驱动,加快转方式调结构促升级,深化国民收入分配体制改革,实现经济持续健康发展和社会和谐稳定。     

股票资金流强度的实证分析

由于很难从相同金额的“资金流向”判断其对流通市值不同的个股的影响强度,“股票资金流强度”的概念为解决上述问题而被提出.本文引入股票资金流强度的概念,应用Matlab软件及其数学公式计算出相对资金流强度时间序列,使用ARMA模型对招商银行资流强度的历史数据（2013-03-05到2013-08-16）建模并预测.预测结果可以看出预测误差很小.该模型对股票资金流强度的预测有一定的指导作用,能够较好的反映股票资金流强度的变化特征.     

安徽省城市化水平时间序列分析

城镇化是农业人口转化为城市人口的过程,即以农村人口不断向城市迁移和聚集为特征的一种历史过程.文章分析了我省城市化水平的现状,并利用了从2004~2014的十年间的城镇人口占总人口的比重,即城市化率;利用时间序列分析去拟合ARMA模型,并利用模型预测法对安徽省城市化水平时间序列数据进行预测分析。     

中国黄金现货价格预测模型——基于时间序列的数据分析

本文通过建立ARMA即自回归移动平均模型对中国黄金现货价格进行预测,研究结果显示,该模型预测值与实际数据相比拟合度高,预测结果较为精确.黄金去货币化三十多年后的今天,在学界对黄金价格的形成和变动的影响因素和作用机理并未有明确认定的大环境下,本文绕开了对传统影响黄金价格的种种因素作用机理的分析,而围绕这些众多因素共同作用下的黄金价格所表现出的实际数据展开研究,这种类似于抛开.黑箱关注结果的研究方法对黄金这种特殊商品价格的形成和变动比较适合,具备一定的借鉴意义.文章也提出了研究不足和下一步研究展望.     

基于AR模型的中信银行收盘价预测

大多数经济时间序列都是存在惯性的,通过对这种惯性的分析可以由时间序列的当前值及过去值对未来值进行预测。本文用AR模型对中信银行收盘价(2010年1月20日～2010年7月19日)共128个数据进行建模和短期预测。     

基于AR模型的中信银行收盘价预测

大多数经济时间序列都是存在惯性的,通过对这种惯性的分析可以由时间序列的当前值及过去值对未来值进行预测。本文用AR模型对中信银行收盘价(2010年1月20日～2010年7月19日)共128个数据进行建模和短期预测。     

银行房屋抵押贷款总额的时间序列预测——基于ARMA模型与趋势-ARMA组合模型的比较分析

基于1990年第一季度到2011年第三季度美国全部银行的房屋抵押贷款总额,建立了ARMA模型以及组合模型来拟合时间序列,并通过残差序列趋势和残差序列相关图,偏相关图等的分析,预测出2011年第四季度与2012年第一季度的美国全部银行的贷款总额。     

ARMA时间序列模型在自助设备现金需求预测中的应用

银行自助设备现金需求量本身是不确定的,它受到地区环境、人口密度、季节周期等诸多复杂因素的共同影响,很难对各影响因子进行有效选择,并对各因子的影响权重进行量化分析。因此,传统的回归分析法和人工神经网络等人工智能方法,往往在这类预测问题上显得比较困难。但是无论有多少作用因子,以及它们是如何作用的,最终导致的现金需求量结果却总是依时间表现出一定的周期性和稳定性。白助设备在每个加钞周期内的现金需求量的集合是一个典型的时间序列。时间序列预测模型