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。     

时间序列分析在成都GDP预测中的应用

本文基于时间序列理论,对成都市1980～2012年的GDP数据进行分析,初步建立AR（2）、ARMA（2,1）、MA（1）三个模型,再结合AIC准则和简约原则等,最终确定模型为ARIMA（2,3,0）.最后,利用所建模型做出预测,得到成都未来三年的GDP值.     

基于GM（1，1）模型的漳州市花卉销售额预测

对花卉销售额发展趋势进行预测是正确制定花卉产业战略的前提和基础。文章根据灰色系统理论，利用漳州市2004年到2008年花卉销售额的资料，建立了GM（1，1）灰色预测模型，并应用该模型对漳州市花卉销售额进行预测。结果表明，预测模型精确度达到1级，为准确预测花卉销售额提供了一种较为简便可行的分析预测方法。     

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。     

基于循环神经网络的西北太平洋台风路径预测

西北太平洋是全球台风高发区域之一,我国每年受登录台风影响,造成沿海地区发生狂风、暴雨和风暴潮等灾害性天气,准确预测西北太平洋台风路径对我国防震减灾意义重大。 基于循环神经网络的多元时间序列预测模型,以处理好的包含中国气象局（CMA）台风最佳路径数据集和欧洲中期天气预报中心（ERA5 ）数据集两种资料的多元时间序列数据为样本,训练3种循环神经网络并预测未来 6、12、24 h 的 热带气旋（TC）中心位置。结果表明预测失效为24 h时利用长短期记忆神经网络（LSTM）模型预测E值为173.15 km,误差要远小于门控循环神经网络（GRU）模型和循环神经网络（RNN）模型,认为利用 LSTM 网络对未来 24 h TC 中心位置的预测具有可行性和参考价值。     

灰色预测模型在房地产投资预测中的应用

本文简要介绍了灰色预测方法GM（1，1）模型的构造与模型检验。通过对合肥地区近年来房地产开发投资数据的分析，建立了GM（1，1）模型，经模型检验，该预测模型可靠，分析结果具有一定的参考价值。     

ARMA模型在社会消费品零售总额增长分析中的应用

时间序列分析是经济领域应用研究最广泛的工具之一,AEMA模型是一种最常见的重要时间序列模型。本文首先简单介绍了AEMA模型,然后利用2004年1月到2008年11月的社会消费品零售总额数值,建立AEMA（6,6）模型．最后用该模型对2008年12月的社会消费品零售总额数值进行预测。     

中国股市收益及波动的ARFIMAFIGARCH模型研究

与现有研究方法不同，本文通过考察Akaike、Schwarz、Shibata、Hannan-Quinn四个信息准则，建立了描述深圳股票市场收益过程和波动过程双长记忆性特征的ARFIMA-FIGARCH模型。实证分析说明采用ARFIMA（0，m，1）-FIGARCH（1，d，0）模型拟合最好。研究结果表明：深圳成分指数日收益序列无长记忆，但波动序列具有较强的长记忆特征。     

湖北省社会消费品零售总额ARIMA模型与预测

本文首先根据1999年1月至2008年12月湖北省社会消费品零售总额数据建立了时间序列分析模型：ARIMA（2,1,1）（1,1,1）^12,并利用该模型对2009和2010年的社会消费品零售总额进行了预测和分析。     

基于样本分位数的波动率估计:条件自回归拟极差模型

考虑到金融市场收益率分布的厚尾性，在数值模拟的基础上，提出了一类新的波动率模型一条件自回归拟极差模型（QCARR）。QCARR和Chou（2005）所提出CARR模型，Engle（2002）所提出的ACD模型等具有类似的结构，可看作CARR在样本分位数下的推广。利用上证综指估计了两种特殊类型的QCARR模型（QCARR1，QCARR2），采用滚动样本预测的方法，比较了上述模型与经过常数调整的CARR（ACARR）以及GARCH的样本外预测能力。结果表明：（i）对模拟数据，在所考虑的估计方法中，第二类拟极差估计和调整极差估计最优。（ii）对上证综指收益率数据，无论是预测的误差分析还是回归分析，QCARR，在上述模型中都是最优的，对上述结论我们给出了相应的解释。     

财务报告保护投资者了吗？——中国股票市场的实证检验

本文选取2003年度被ST的27家上市公司做为样本，考察财务报告是否可以保护投资者的利益。研究发现：（1）财务指标能够成功地预测公司财务困境；（2）无论是Altman模型的财务变量还是Beaver模型的财务变量，预测年度越早，正确率就越低。财务指标的短期预测能力高于中长期预测能力；（3）与净利润指标相比，现金流量信息具有更强的预测能力；（4）Altman模型财务变量的预测能力高于Beaver模型财务变量。证据表明，中国股票市场的财务报告具有预测价值，投资者若正确使用财务报告，可以在一定程度上规避投资风险，最大化投资收益。     

我国能源消费的ARIMA模型预测

能源影响着我国社会经济的稳定持续发展,对未来能源消耗的准确预测具有重要意义。本文利用Box-Jenkins法的ARIMA模型,对我国1978年—2010年的能源消费总量数据序列进行分析,证明ARIMA（1,2,2）模型拟合较好,预测了2011年我国能源消费总量。实证分析结果表明,所选模型能较为精确地预测中国能源消耗情况。     

资本资产定价模型--浅析青岛啤酒公司股票

资本资产定价模型通过简单的线性关系模型阐述了投资组合的预期收益与预期风险之间存在的关系，即认为一个资产的预期收益率与衡量该资产风险的一个尺度β值之间存在正相关关系。本文通过选取单个股票青岛啤酒A股（600600）的时间序列数据分进行回归分析，得到β值，进而验证资本资产定价模型的有效性，通过对比青岛啤酒净资产收益率，研究其对股票投资的指导作用。     

基于深度学习对茅台机场降水量预测的研究

强降水等恶劣天气对于民航的正常运行有着极大的危害，降水量的准确预测有助于民航等企业安全稳定运行。通过对机场跑道自动气象观测系统（AWOS）收集的降水时序数据进行预处理，为深度学习提供训练和测试的样本集，然后分别构建长短期记忆模型（LSTM）和时序卷积网络（TCN）模型，实现对未来1～3 h降水量的预测，并对两个模型的预测精度进行比较分析。结果表明,TCN模型的预测效果优于LSTM模型。其中，对未来1～3 h降水量的预测中，TCN模型的R2分别为0.96、0.91和0.86。     

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.     

ARMA模型在河南省对外贸易总额预测中的应用

改革开放以来,河南省经济快速增长,对外贸易发展迅速。本文以1978—2006年河南省对外贸易总额的历史数据为基础,利用该序列的数据特征,建立起适合河南省对外贸易总额预测的指数回归——ARMA（1,1）模型,并根据此模型进行预测分析。     

西安市旅游市场境外游客长期记忆及ARMA模型适用性研究

本文通过用分析旅游业游客动态常用的ARMA（即分整自回归滑动平均模型）模型对国外旅游市场境外游客研究后,证明在用时间序列模型在对西安市旅游市场进行预测分析时,不宜用ARMA模型。     

人民币汇率的ARIMA模型的预测

在简要介绍时间序列模型的基础上,使用美元/人民币的日汇率值进行实证研究,建立相应的ARIMA模型.本文试图将此模型应用于汇率的短期预测,并对其预测效果进行评价.     

ARIMA与ARIMAX模型在私人汽车拥有量预测中的应用

为了提高私人汽车拥有量的预测精度,利用时间序列分析方法对全国2005—2020年的私人汽车拥有量数据进行研究,建立基于动态回归（ARIMAX）模型。运用Lasso模型和灰色关联分析得出影响私人汽车拥有量的主要因素,并将主要因素作为回归项引入差分自回归移动平均（ARIMA）模型。然后,在ARIMA模型的基础上建立ARIMAX模型。模型预测的对比结果揭示了ARIMAX 的拟合效果更佳,适用于全国私人汽车拥有量的预测。     

“阿尔曼”模型在我国上市公司财务预警系统中的应压——基于沪市上市公司2010年XBRL文档

阿尔曼模型（Z--Score模型）是多元线性函数回归模型,是理论界和学术界预测企业财务危机的一个重要的函数模型,本文在系统阐述模型概念及相关理论的基础上,选取沪市XBRL文档数据中披露的868家上市公司（剔除了异常数据）作为样本,对上市公司的财务风险进行了实证分析,并且验证了阿尔曼模型在财务风险预测中的应用,同时针对ST、＋ST公司存在的财务风险进行了单独的分析和预测,在分析中总结出各项指标对Z值的影响：进而提出预防企业财务风险的对策。