基于时间序列分析的黔西南州经济增长分析与预测--基于1978-2007年的黔西南州宏观经济数据

时间序列的预测方法有着广泛的应用背景,在解决经济发展,金融市场动态,气象预报和水文预报等领域的预测问题时,都可以利用时间序列的预测方法。结合黔西南的实际州情,本文采用EVIEWS统计软件及时间序列分析法对1978—2007年的黔西南州宏观经济数据进行了系统分析,构建了GDP序列的ARIMA模型,响应变量为GDP序列的ADL模型,对投资、消费对黔西南州经济增长的相互作用进行了实证研究,并预测黔西南州未来8年经济增长的变化趋势,相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。通过对黔西南州的宏观经济动态模型ADL模型,我们掌握黔西南州的宏观经济系统的主要特征及其运行机制,GDP与投资、消费互相影响,互相促进;通过预测,我们了解和掌握了经济增长的变化趋势,能有效地对政策制定进行合理化建议。     

大数据背景下的银行经济预测和金融统计研究

网络技术、信息技术、数据传输技术的不断革新,推动社会经济强化数据信息的利用,为银行进行经济预测及金融统计提供更多便利条件.本文简单分析了大数据时代下银行经济进行大数据建设工作时的影响要素,通过对大数据技术的理解,分析银行经济预测和金融统计的实际需求,并就此进行银行经济预测和金融统计的方法研究.     

基于决策树和支持向量机的金融时间序列预测方法

由于传统的金融时间序列预测方法无法有效识别不同领域时间序列的不同特征,从而导致了当前一些时间序列预测方法的不足,无法有效地指导实际研究。文章提出了一种改进的金融时间序列数据预测方法,该方法首先对采集到的数据进行预处理,利用决策树对时间序列进行特征抽取,并建立基于支持向量机的时间序列预测模型,最后对时间序列进行预测。实验结果表明,文章的方法能有效的降低预测模型的复杂度并提高预测精度。     

基于时间序列趋势外推的CPI预测

CPI与人们的生活息息相关。随着近年来CPI的不断上涨,人们越来越关注它的未来增长趋势。基于此,文章提出了如何预测CPI的问题。以2001年1月至2009年12月我国CPI定基指数为样本,在分析其波动特征及差异的基础上,通过温特模型将其分解为季节和趋势波动。得出了我国CPI定基指数有一定的趋势和明显的季节特征的结论,并在此基础上对2010年和2011年的CPI作出预测。将预测值与实际值比较,预测值较为准确。     

时间序列分析在金融价格预测中的应用

与回归分析不同，时间序列分析不是根据与其它变量的因素关系来预测一个变量的未来变化，而是根据该变量自身过去的规律来预测其未来的变化。这与实际中价格信息的复杂性特征具有较好的符合关系。作在Intnet网上查取了伦敦金属交易所（LME）镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个，用其中的前37个数据进行时间序列分析，得到了AR（3）模型，用最小二乘法和Yule-Walker法预测后五个数据，得到了较好的效果。因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景。     

试论大数据背景下的金融统计和经济预测的发展

在互联网时代,数据逐渐成为促进社会工作、日常生活快速发展的重要动因,近年,随着全球大数据平台和数据库的建立,我国也建立了相关的数据库中心,特别是2015年在贵阳市成立了中国的大数据交易中心(GBDEx),也是经贵州省政府批准成立的全国第一家以大数据命名的交易所,该交易所的建立为资本市场提供了规模信息和分类资源,极大地满足了金融主体对密集信息的需求,为金融主体提供了关键的基础分析资源,成为金融主体进行统计及预测的新渠道。文章通过对大数据技术进行定义,围绕如何利用、提炼大数据信息,提出相关统计实施策略和建议,增强金融行业中数据的价值预测的准确性和指导性,发掘资本市场蕴含的经济规律。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果.纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据.本研究以北京某地铁站两个同一工作日的客流量作为研究对象,以15分钟为单位进行时间段的客流量采集,建立时间序列,通过已知数据对下一时间点(15分钟内)客流量进行预测,并针对同一工作日的数据进行实证检验.根据预测结果分析,验证了时序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性.     

数据预测的逻辑

不平凡的一年又要过去了,新的一年又要到来,岁末年初,总是忙碌于各种总结和展望的会议之中。对于学习经济学的,又在这个圈子里晃悠的人,总是可以听到各种各样的经济形势总结和展望。最近几次会议,总是听到各方神圣、各路神仙对明年的全球经济和中国经济增长做出或悲观、乐观或兼而有之的预测。     

基于时间序列分析的单日地铁短时客流量预测研究

在以往的各种客流量的预测中,利用时间序列分析方法,预测未来阶段的客流量,都取得了较好的效果。纵观以往的各种客流量预测,都是对日客流量、月客流量、年客流量等宏观的方面进行预测研究,在此基础上,若将单日客流量划分为若干个时间节点,从微观层面将各节点客流量作为单位进行客流的分析预测,以此来预测下一时刻客流量的变化规律,由此可为地铁的预警提供依据。本研究以北京某地铁站两个圊一工作甘的客流量作为研究对象,以15分钟为单位进行时阐段的客流量采集,建立时阈序列,通过已知数据对下一时间点（15分钟内）客流量进行预测,并针对同一工作日的数据进行实证捡验。根据预测结果分析,验证了时闻序列分析在地铁短时客流量预测中应用可行性,以及得出了同一工作日利用同一模型进行预测分析的准确性。     

基于时间序列模型的海南省城市化水平预测研究

海南城市化进程自建省后突飞猛进,但是目前国内外文献中涉及海南省城市化水平预测的研究并不多见。我们利用海南省的人口数据,以时间序列模型的方法来对海南省未来十年的城市化水平进行预测研究,目的在于为海南省城市发展战略的制定提供科学的理论支持。     

基于模糊时间序列模型预测三亚旅游总收入

提出模糊时间序列预测的一种改进方法,重新研究杭州宋城主题公园旅游收入预测问题,历史数据的模拟预测时的AFER比应用GM（1,1）灰色模型预测时更小,因此就杭州宋城主题公园旅游收入预测问题的案例而言,模糊时间序列预测的一种改进方法比GM（1,1）灰色模型的预测精度要高。应用该方法研究三亚市旅游总收入预测问题,不仅进行历史数据模拟预测研究,还进行未知年数据的预测研究。该方法预测公式结果简洁,计算方便,历史模拟预测误差率较小,是一种可行的短期预测方法。     

基于时间序列ARIMA模型的人民币汇率走势预测

2010年6月19日,央行为进一步增强人民币汇率弹性,推出第二次人民币汇率形成机制改革。本文旨在研究第二次汇改后的人民币兑美元汇率的波动情况。本文为探究时间序列长度对预测准确性的影响,使用R软件选择出一个较为适用的模型即ARIMA模型,使用2010年6月19日至2011年7月19日的的人民币兑美元中间价进行拟合,并对未来半月汇率进行预测。同时,为对比长短与样本对预测精度的影响,又使用2011年1月1日至7月19日的交易日汇率数据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。     

基于MATLAB动态神经网络进行时间序列预测房地产价格的研究

文章以MATLAB动态神经网络为前提,采用时间序列预测方法进行房地产价格预测。采用全国平均房地产价格为基础样本,利用训练样本和基础样本来建立房地产价格基于动态神经网络时间序列预测模型来预测近几年房地产价格,并与实际价格对比研究来证明此方法的有效性。     

基于最大Lyapunov指数的股市数据预测

股市数据的预测是预测领域的热点问题。给出了基于最大Lyapunov指数的股市数据短期预期方法。首先据混沌的特性计算得到时间序列的最大Lyapunov指数值,然后找到预测中心点的最近邻点,建立预测中心点与最近邻点的关系式,据此关系式计算出两个预测值,最后对两个值进行平均得最终预测值。实际应用结果表明效果良好,预测精度很高。     

试论经济预测精度问题

经济预测的目的在于利用预测的结果指导现在和未来的经济活动 ,经济预测的关键是得到精确的预测结果。文章从统计资料、统计方法、环境因素及预测者的素质四个方面探讨了造成经济预测精度不高的原因并提出了相应的解决措施。     

基于时间序列的BP神经网络预测鄂尔多斯市的GDP

国内生产总值(GDP)是制定经济发展战略、规划、年度计划以及各种宏观经济政策的重要依据,研究GDP预测方法具有重要的现实意义。在对鄂尔多斯市GDP数据序列分析的基础上,考虑到BP神经网络可以通过简单非线性函数的复合能够实现对于复杂函数的映射,本文采用BP神经网络方法来预测鄂尔多斯市的GDP,取得了较好的预测效果。