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。     

基于灰色-ARIMA耦合模型的中国发电量短期预测

针对国内发电量的持续增长现象,基于中国2012—2021年的发电量数据,使用新陈代谢GM(1,1)模型与阻尼趋势模型耦合所得的灰色- ARIMA耦合模型,对中国2022—2030年的短期发电量进行预测。比较新陈代谢GM(1,1)、传统GM(1,1)与新信息GM(1,1) 模型的试验结果,将误差平方和最小的模型与ARIMA模型耦合,引入时间序列分析来拟合发电量,构建等权的灰色-ARIMA耦合预测模型,得到2022—2030年发电量的可靠耦合预测数据,具有一定的鲁棒性。为我国制定新能源措施和发展规划,实现碳中和、碳达峰及可持续发展具有重要的借鉴意义。     

从上证180指数的表现看未来的统一指数和指数化投资

上证180指数出台的背景和意义 随着市场的快速发展,长期未作调整的上证30指数已无法适应市场。从样本股规模代表性看,上证30指数样本股流通市值占上海市场流通市值的比例从。1996年7月末的33.26％下降至2002年4月的10.05％:从样本股活跃度代表性看,上证30指数的成交额占上海市场股票成交额的比例从1996年7月的43.64％下降至2002年4月的6.60％。上证30指数的市场代表性已经降低到相当严重的地步。 上证180指数正是在这样的背景下于今年7月1曰正式被上证交易所推出以取代沿用了6年的上证30指数。新编制的上证180指数样本数量扩大到了180家,样本股所涉及的行业包括金融服务、石油化工、交通运输、商业贸易等十几个行业,基本上涵盖了我国目前主要的经济领域。从市场代表性看,上证180指数与上证指数从1999年5月1日以来的运行轨迹基本上保持一致。上证     

我国股票市场行业指数超额联动的实证分析

本文探讨股票市场行业指数超额联动的问题。行业指数收益率用Fama和French的三因素模型解释后,通过计算其残差之间的相关系数,可以反映行业指数两两之间超额联动的程度。本文利用1996年5月31日至2004年12月31日上海证券交易所行业指数的周收益率数据。用滚动回归的方法得到行业指数超额联动的动态行为,结果发现,我国股票市场的行业指数经过系统性因素解释后仍然有相当高的相关性。本文最后对行业指数超额联动的原因做了简单分析。     

ARIMA模型在西安卫星城建设预测中的应用

卫星城在社会主义市场经济中是一个新生事物,对于西安市来说,加快卫星城建设,促进城乡一体化,是缩小城乡差距,缓解城市中心区人口压力,实现产业链深度整合,提高城市竞争力的一个非常重要的战略。文章以1988年～2008年西安市及其六个卫星城的人口总量为基础,借用ROXY指数并运用ARIMA模型对ROXY指数进行预测,得出西安市目前及未来几年仍处于人口集聚状态,确定西安市卫星城建设应既包括伦敦式又包括巴黎式。     

粤港澳湾区市场一体化对该地区FDI的影响——基于固定效应及异质性检验的分析

运用粤港澳湾区2001—2018年的商品市场一体化指数,通过固定效应模型实证研究市场一体化对粤港澳湾区外商直接投资(FDI)的影响并进行异质性检验.结果显示:粤港澳湾区的市场一体化指数与FDI负相关,市场一体化指数越高,FDI反而减少;同时,滞后的市场一体化指数与FDI具有显著的负相关关系,而不同地区的市场一体化程度对外商投资有不同的影响.在此基础上,政府应当积极制定引导政策,大力推进高素质人才建设,并坚持对外开放,同时针对地区差异因势利导,发挥优势促进经济内循环.     

军工跃进

军工板块持续受到资本市场热捧,是对国家战略的认同与支持。中国证券市场上,2014年最为亮眼的明星板块非军工行业莫属。至10月14日收盘后,Wind航空航天与军工指数今年以来已上涨72.02%,中证国防指数上涨55.89%,申万国防军工指数亦上涨47.87%。追踪军工行业的富国军工B指数分级基金,更是于10月8日公告,由于净值已经翻番,将触发罕见的向上折算条款,而此时距其上市仅过去5个多月。10月13、14日,完成折算的军工B连续两日涨停,已较实际净值溢价近17%。     

ARIMA模型在国内旅游市场预测中的应用

采用ARIMA模型,利用实际数据进行模拟,建立山东省国内旅游游客量预测模型,结果与BP网络模型、灰色系统模型、多元回归模型、指数模型的模拟结果进行比较,结果表明,该方法准确可靠高、方便快捷,适用于国内旅游市场游客量的预测。     

上海股票市场空气质量指数的实证研究

空气质量能够通过情绪渠道和信息渠道去影响投资者的决策和投资行为,从而影响股票市场。采用2014年5月14日至2017年2月17日的上证指数、全国PM2.5指数以及百度指数数据,对空气质量如何影响股票市场及其影响力度进行实证分析。结果显示空气质量能够显著地影响股票市场,且季节性紊乱会加剧这一影响力度。此外空气质量对上证工业指数的影响大于上证综指,表明空气质量对特定行业的影响大于整体市场,而信息获取方式又会影响到影响的方向和力度。     

基于特征工程的建设工程造价指数预测模型构建

对建设工程造价指数的预测能够有效解决建设项目前期投资估算误差较大引起的成本问题。结合实际工程中对造价指数预测模型的需求，以U市发布的2012—2021年建设工程造价指数为例，通过对比不同特征工程方法构建的XGBoost和神经网络两者之间预测误差，选择最优预测模型进行建设工程造价指数模型预测。结果表明，基于树模型特征筛选和均值填充数据集的XGBoost模型，在测试集、训练集、交叉验证误差最低，能够作为建设工程造价指数预测的模型。     

基于PMI指数对我国经济增长进行预测的实证研究

采购经理指数PMI在每月月初发布，超前于其他经济指标，又具有简易性、综合性、国际可比性等优势，满足了经济预测的时效性要求。运用2005年第一季度至2016年第二季度的数据,选取制造业PMI和居民消费价格指数CPI指标，对国内生产总值GDP进行实证分析,运用Stata软件通过序列相关系数检验、单位根检验、VAR模型以及Granger因果关系检验分析得出PMI、CPI和GDP三者间存在长期均衡关系，PMI指数领先总产出指标GDP 3～6个月，对GDP具有正向推动作用；相比CPI指数，PMI能够更准确的预测GDP，提高GDP的预测精度。     

房地产业与银行业间的风险溢出效应研究——基于DCC-GARCH-CoVaR模型

通过将2016年1月4日至2021年3月19日房地产业板块指数与银行业板块指数进行DCC-GARCH拟合,并利用两者动态相关系数计算ΔCoVaR值,实证检验近年来房地产业与银行业间的风险溢出。结果表明,房地产“三条红线”新规提出时风险值有明显的下降趋势,即新规对于风险溢出抑制有较为明显的影响。此外,根据实证结果,将风险调控路径分为传统信贷行为路径和行为金融学路径。最后,根据实证结果,为有效防范房地产与银行业风险溢出效应提出政策建议。     

中国CPI指数的时间序列分析

CPI指数是一个滞后性的数据,但它往往是市场经济活动与政府货币政策的一个重要参考指标.CPI指数稳定、就业充分及GDP增长往往是最重要的社会经济目标.文章利用SPSS、E-Views软件,将时间序列的ARIMA模型应用于中国地区CPI指数分析,通过对CPI指数进行拟合、预测分析,得到了较好的效果.     

基于百度指数的公路运价指数RO-ELM预测

公路运价指数是公路运输市场波动的衡量指标,对中国的公路运输业有重要的预示功能.利用极限学习机(ELM)的神经网络模型快速、低成本预测公路运价指数.以各百度指数与公路运价指数的相关性确定各分量对公路运价指数的影响,进而利用ADF平稳性检验与Johansen协整检验构建输入序列,最后运用时域优化思想优化输入变量,在ELM神经网络模型内输出预测值.结果表明:基于滚动窗口的ELM模型的MAPE与RMSE分别为1.85％ 与25.17,比单一ELM模型在平均绝对百分比误差和均方根误差上都有提升,预测结果与指数波动相符,可以为公路运价指数的走向提供决策参考.     

宁波港集装箱吞吐量预测模型的选择

宁波港集装箱运输业务的发展状况对宁波经济和浙江经济有重要影响,所以如何准确预测宁波港集装箱吞吐量,就成为一个重要课题.之前许多学者运用关联因素预测法、GM (1,1)灰度模型、三次指数平滑法等方法进行预测,但预测精度不高.文章运用时间序列预测模型中的ARIMA模型,先后进行49次建模尝试,最终建立最优ARI?MA (4,2,4)模型,并顺利通过一系列检验.运用该模型,对宁波港集装箱吞吐量进行预测,精度较高.同时预测结果显示,近两年宁波港集装箱吞吐量将继续保持低速增长.     

基于差分自回归移动平均模型的汽车零配件行业需求预测

科学预测汽车零配件行业的市场需求对整个汽车后市场乃至汽车行业具有非常重要的现实意义,而国内相关研究较少.为了对汽车零配件行业的调控提供支持,文章结合汽车零配件需求的特点和ARIMA方法的优点构造了汽车零配件行业需求预测模型,并进行了实证研究,结果表明该模型具有较高的精度.     

基于ARIMA的PPI时间序列分析

ARIMA模型是一类精度较高的时间序列短期预测模型,本文借助于计量经济学软件Eviews对我国2010年5月到2012年7月PPI时间序列数据建立了ARIMA(0,1,1)模型,并对未来我国PPI的走势进行了预测分析.     

基于GIS的邹城工业园区大气污染物浓度时空变化研究

本文收集了2019年3月1日至31日邹城工业园区10个环境监测站点的数据,首先对其进行归一化处理与平稳性ADF检验,然后进行ARIMA模型时间序列分析和模型预测,最后基于ArGIS平台的IDW空间插值算法,进行大气污染物浓度空间特征分析。其间从时空角度分析了邹城工业园区大气污染物质量浓度变化情况,揭示其机理与成因,为同类工业园区的空气污染防治提供可参考的研究方法。     

基于时间序列分析的湖南粮食总产量预测

文章对比传统时间序列分析模型(线性回归、二项移动平均、一次指数平滑、二次指数平滑等)与ARIMA模型在湖南省粮食总产量中的拟合精度,并应用ARIMA(2,1,10)模型预测了未来3年内湖南省粮食总产量.结果表明,在湖南省粮食总产量拟合中,ARIMA(2,1,10)模型得到的粮食总产量拟合值与观测值的相对误差均方最小,优于传统时间序列分析模型;利用ARIMA(2,1,10)模型预测未来3年内湖南省粮食总产量,粮食总产量有逐年上升的趋势,且增长率逐年上升.