人民币汇率波动对股票价格影响的实证研究

文章基于我国2005年7月-2010年2月的时间序列数据，采用单位根检验、协整检验、格兰杰因果检验以及VAR模型，对人民币汇率波动与股票价格间关系进行了实证研究，结果发现：人民币汇率、利率、CPI和股票价格之间存在长期的协整关系，且人民币汇率对股票价格有正的影响效应，CPI对股票价格也有一定的正向影响，而利率对股票价格有负向影响效果。     

人民币汇率波动对股票价格报酬影响的实证研究

文章基于我国2005年7月-2010年2月的时间序列数据,采用单位根检验、协整检验、格兰杰因果检验以及VAR模型,对人民币汇率波动与股票价格报酬间关系进行了实证研究,结果发现：人民币汇率、利率、CPI和股票价格报酬之间存在长期的协整关系,且人民币汇率对股票价格报酬有正的影响效应,CPI对股票价格报酬也有一定的正向影响,而利率对股票价格报酬有负向影响效果。     

基于K-means-LSTM模型的证券股价预测

鉴于股票数据具有非平稳、非线性等特征,传统的统计模型无法精准预测股票价格的未来趋势。针对这个问题,构建一种混合深度学习方法来提高股票预测性能。首先,通过将距离算法修改为DTW（动态时间归整）,令K-means聚类算法拓展为更适用于时间序列数据的K-means-DTW,聚类出价格趋势相似的证券;然后,通过聚类数据来训练LSTM（长短时记忆网络）模型,以实现对单支股票价格的预测。实验结果表明,混合模型K-means-LSTM表现出更好的预测性能,其预测精度和稳定性均优于单一LSTM模型。     

我国社会消费品零售总额预测方法与实证分析

本文通过对我国社会消费品零售总额的影响因素进行分析,建立线性回归方程对2015年社会消费品零售总额进行预测。再通过时间序列分析方法中的时间序列模型(ARIMA),对我国2015各月份社会消费品零售总额进行预测。通过对比两种预测方法,时间序列模型预测结果较为准确,可为政府决策提供科学依据。     

我国外汇储备的预测分析与政策选择

文章运用时间序列分析方法对我国自1981年以来的外汇储备进行了计量分析,发现我国外汇储备时间序列符合ARMA模型,并运用该模型对我国未来外汇储备规模进行了预测,最后提出了相应的政策建议.     

货币政策对股票价格行为的影响实证分析

文章以影响股票价格的理论为基础,采用现代计量技术,采用2005年1月至2007年6月的月度时间序列数据,研究了汇率、存款准备金率以及利率、货币供应量等宏观经济因素对股票价格的影响。从2005年6月以来我国A股市场股票价格的持续上涨,其主要原因是经济的高速增长、人民币升值以及充足的货币供应量;而加息与提高存款准备金率对股票价格变化的影响有限。     

我国进出口总额的动态分析——基于ARIMA模型

进出口总额是一国经济贸易的重要指标.文章利用时间序列分析理论对2000-2008年的进出口总额进行了分析,建立了ARJMA模型.并利用历史数据论证模型的正确性,研究我国进出口总额变化趋势和特征,给出了国内我国进出口总额的预测方法.     

基于MR和TSA的成品油价格模型

通过对影响成品油价格的众多因素进行数据整理分析,首先建立了多元回归模型对其数据进行预测;然后建立了二次移动平均预测模型、三次指数平滑预测模型对其进行时间序列分析预测。综合三种方法对近15个时间片的油价预测值与统计值进行比较与误差分析,仿真结果表明,多元回归模型和时间序列分析的三次指数平滑预测达到了较好的效果。     

基于ARMA模型的湖南省民间投资时间序列分析

时间序列分析方法是经济领域研究的主要工具之一。合理的时间序列模型会十分接近真实数据生成过程,运用时间序列模型来预测经济变量具有重要意义。ARMA模型描述时间序列的动态性和发展变化规律,具有广泛的实用性。本文通过ARMA模型分析时间序列的随机性和平稳性,借助EVIEWS软件对湖南省民间投资数据进行具体分析并预测。结果表明,模拟值和真实值接近,在实际应用中ARMA模型对短期内预测民间投资额具有很高的精确性,这一精确性对政府政策的决策和实施起重要作用。     

通用机场航油量预测

文章通过建立ARIMA季节模型并运用Eviews统计软件进行时间序列的分析,预测广汉机场未来5年航油需求量,结果表明,该方法预测精度较高,具有较强的理论价值和可操作性。     

基于BSP-HAR-RV模型的最优抽样频率研究

金融高频时间序列由于数量大,周期短,信息丰富从而可以很好的反映金融市场特征。通过绘出平均双幂变差已实现波动率散点图(BiPowe Realized Volatility Signature Plot,BSP),建立BSP-HAR-RV模型,改进以往国内通过列举法选择最优频率的方法。最后对TCL集团股票价格一年多的高频数据实证分析,验证模型结果,并将其在最优频率下测量得到的HAR-RV模型预测结果与以往广泛使用的5min、10min频率下得到的结果进行比较,发现最优抽样频率下模型预测能力较好,具有可行性。     

时间序列在经济预测中的运用研究

近几年以来,我国的经济得到了快速的发展,为了保证我国经济的可持续发展,进行有效的经济预测是至关重要的,因此,我们可以采用结构时间序列模型对经济进行预测。时间序列模型当中所得到了指标都是不可观测的变量,因此,我们不能使用回归分析这一方法,所以,在对时间序列模型进行解答时,我们要采用一些科学、有效的方法。我们通过不同的结构时间序列模型可以准确的预测出社会消费品零售总额、GDP等,保证了经济预测结果的准确性。本文主要对时间序列在经济预测中的应用进行详细的探究。     

中国高校生源危机的多角度预测与分析

中国高校招生需求和生源供给“一升一降”的态势使高校的生源危机问题突显,本文通过建立多种模型并对各种模型进行比较与筛选,发现主成分回归分析预测、时间序列预测和组合预测方法更加客观有效,从多角度对中国高校生源危机进行定量预测分析的结果表明,我国高校出现生源危机的大致时间是在2025年左右.     

基于BP神经网络的股票价格分析

文章从技术分析的角度分析股票市场的变动,以深沪A股在2012年五月份的具体数据作为实例,采用BP神经网络对股票价格进行预测。将关于每支股票的基本数据信息作为候选输入变量,再从中筛选出与股票价格变化相关性比较强的变量作为输入变量,从而建立一个三层的BP神经网络进行预测。     

我国宏观经济状况与股票价格关系研究

文章先理论研究宏观经济状况与股票市场的相互作用机制,得出宏观经济状况和股票价格之间有紧密的联系。再以我国股市为例,基于1993～2017年宏观经济状况的相应数据,建立指标体系并运用模糊数学模型、层次分析法拟合出一个反映宏观经济状况的指标:宏观经济指数。运用计量经济方法,实证得出宏观经济指数与股票价格之间存在稳定的二次曲线关系,股票价格与宏观经济状况存在不同步的现象,股票价格的变化对宏观经济形势具有一定的预测作用。     

基于事件驱动的证券市场波动生成机制分析

文章通过对事件驱动下的股票价格走势分析发现,事件对股票价格的波动率影响与该事件的作用强度、影响幅度和作用时间有关;为定量描述上述规律,首先构建了股票价格走势曲线的S-曲线模型,从数值模拟结果来看,S-曲线符合事件驱动股票价格波动的规律。然后基于多事件共同驱动的观点,提出S-曲线叠加模型,在有限市场资金约束条件下,通过分析发现事件驱动下的股票价格波动曲线由S-曲线转变成具有最值的单峰曲线;基于市场整体走势,给出了大盘指数影响下股票价格波动同向与异向变化的规律;最后,基于事件驱动机制,提出了"矩形窗口"的交易策略。     

APT模型对深圳股票市场有效性的实证检验

文章以套利定价理论为基础,从深圳股票市场随机选择了50家上市公司作为数据样本,采用诸如怀特检验、Durbin.Watson检验的分析方法对样本数据进行实证分析.从微观层面上对套利定价模型在深圳股票市场的有效性进行了检验.实证结论表明:股票价格的变动是随机的且不可预测的,即套利定价模型在深圳股票市场是无效的.     

灰色-时序组合模型在建筑物沉降预测中的应用

为了获得较为准确的建筑物沉降预测结果和较高的预测精度,结合灰色模型、时间序列模型的优点,提出灰色-时序组合模型进行建筑物沉降预测的方法,有效克服了单一模型预测精度低的缺点。以某工程实例沉降观测数据作为原始建模分析数据,通过对灰色预测模型、时间序列预测模型以及组合预测模型的预测结果进行比较分析,结果表明,灰色-时序组合模型预测的沉降值更接近实测值,预测的精度比单一模型更高,具有一定适用性,有利于高层建筑物的沉降预测、预警,确保建筑物的安全性。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.用ARMA模型可以对天津人均国内生产总值(1978-2004)时间序列进行建模和短期外推预测.