基于CAPM的我国沪市股票投资风险β系数分析

随着我国市场经济日益发展,投资环境不断改善,投资者的投资热情越发高涨,对会计信息要求提高。本文基于资本资产定价模型(CAMP),应用excel,设计程序计算了上海证券交易所上市的股票β值。     

基于ARMA模型对澄星股份股票价格的预测

股票价格的变动受很多不确定因素的影响,并且各因素间有着非常复杂的关系,因此要从理论上彻底弄清楚股市的变化机理十分困难。然而股市是一个动态的、特殊的系统,它必然存在着规律。本文以"澄星股份"为例,利用EVIEWS软件对其股票价格建立ARMA模型,提出了股票价格序列的一步动态预测方法,用于股票价格序列的建模及股价短期预测,以期为企业和投资者在进行相关决策时提供有益的参考。     

基于ARMA模型的我国进出口额的时间序列研究

一国的进出口贸易会对一国的经济发展起非常重要的作用。本文以我国的进出口额数据为基础,运用时间序列分析的方法,对我国进出口额数据建立ARMA模型,揭示了我国进出口贸易的规律性,并做出了短期预测。     

关于BDLM模型和ARMA模型的一个注解

长期以来，ARMA模型在中国股市领域、预测领域得到了广泛的应用。近来的研究表明，由于中国股市的自身特点，一般不用ARMA模型来预测，而用贝叶斯动态模型BDLM进行股市预测。本文从理论研究的角度出发，证明这两类模型之间的关系，从而希望对应用研究能够产生一些指导意义。     

基于ARMA模型的公务轿车故障规律分析

基于某油田车管中心公务轿车故障历史记录,应用计量经济学技术对轿车故障记录数据进行分析,寻找轿车故障规律;不无创新地视故障的发生为时间序列进行分析研究、模型预测;建立了不同车型故障时间序列的ARMA模型,并以帕萨特、奥迪A6、君威三种公务车车型为例进行了实证。     

运用ARMA模型对股价预测的实证研究

时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,被广泛应用到经济领域预测中。给出ARMA模型的模式和实现方法,然后结合具体股票数据揭示股票变换的规律性,并运用ARMA模型对股票价格进行预测。     

联合分析的随机系数模型估计

联合分析可以帮助我们研究为什么消费者购买某一产品而不是其他产品这样一个核心的营销问题。完整轮廓法是一种比较常用的联合分析方法,在估计这个模型的系数时人们传统上采用最小二乘法回归模型。这种传统方法的主要问题在于要么模型系数不稳定,要么忽略了个人层面的差异性。随机系数模型不仅克服了传统方法的不足,而且有其独特的优点。该方法可以同时估计总体和个人层面的模型系数,可以检验个人层面系数的差异性,而且个人层面的系数更可靠。本文应用该方法对笔记本电脑案例进行了实证分析。     

ARMA模型在社会消费品零售总额中的应用

本文通过eviews软件对我国的社会消费品零售总额作了ARMA(3,1)模型,通过该模型较好地消除了该时间序列的季节影响和趋势的变动,较好地刻画了该序列的变化。并且,通过模型对社会消费品零售总额作了预测。     

ARMA模型和VAR模型在煤炭价格预测中的对比分析

煤炭作为我国重要的传统能源,在国家能源战略中占据十分重要的地位,它的价格波动不仅影响到煤炭自身及其相关行业的生产经营,更对我国国民经济的长期发展带来重大影响,因此煤炭价格预测具有重大意义.本文利用2006年~2015年的煤炭价格数据,对当前在煤炭价格预测中应用较多的ARMA模型和VAR模型进行对比分析.结果表明:两种模型的均方根误差均小于限值,但在同时应用两种模型时,ARMA模型对煤炭价格走势的预测作用更加明显,预测结果更加准确.     

基于ARMA模型的我国外贸进出口总额的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARMA模型进行分析。但是通过对原始序列进行差分,将其转换为平稳时间序列,再用ARMA模型进行建模。本文通过对我国自建国以来的历年进出口总额的时间序列的分析,证实了ARMA模型是一种很好的短期预测模型。     

利用改进的ARMA模型来预测供应链中的需求

本文介绍了ARMA模型的基本原理，分析了ARMA模型在市场需求预测中的不足，进行改进。并通过应用实例说明了改进的ARMA模型应用于需求预测过程的具体步骤和实施难点。     

基于ARMA模型对武汉再制造企业废旧汽车可回收量的预测

在从事汽车再制造零部件的生产中，面临着很多不确定性因素，包括回收率、回收量、回收时间、需求水平、回收零部件的质量和组成成分等，其中对回收量的准确预测是十分重要的一环，因为它关系到整个运作生产计划和预期的利润。ARMA模型是一种精度较高的时序短期预测方法，因此文章根据历史数据，运用残差序列相关图、偏相关图的分析，选择并建立ARMA模型并对模型进行检验，然后对回收量进行较为准确的预测，以利于企业制定生产计划和实现供需的平衡。     

基于ARMA模型的上海市人均GDP时间序列分析与预测

本文分析了上海市人均GDP水平时间序列(1978年至2008年),在将数据平稳化的基础上建立自回归移动平均模型(ARMA模型),从中找出上海市人均GDP序列变化的规律,并在此基础上对未来几年的指标数值进行了预测。     

基于ARMA模型的上海市人均GDP时间序列分析与预测

本文分析了上海市人均GDP水平时间序列（1978年至2008年）,在将数据平稳化的基础上建立自回归移动平均模型（ARMA模型）,从中找出上海市人均GDP序列变化的规律,并在此基础上对未来几年的指标数值进行了预测。     

基于ARMA（p，q）模型的企业年金精算研究

传统的保险精算理论为了简化计算,往往假定利率是确定的。但由于企业年金是一种长期的经济行为,投保期间的政府政策、经济周期等因素都会造成利率的不确定性,从而随机利率下企业年金理论的研究逐渐成为保险精算学研究的重点与热点问题之一。本文利用时间序列理论,将常用的利息力模型AR(p)和利息力模型MA(q)进行推广,对各年的利息力δi(i=1,2,…)建立广义条件下的ARMA(p,q)模型,得出此类模型下企业年金的精算现值。最后,根据所建立的模型和所得到的精算现值进行了实例计算分析。     

基于ARMA模型的沪深300股指期货收盘价探究

沪深300股指期货是我国三大股指期货之一,本文从国泰安CSMAR数据库中选取该期货收盘价数据,利用ARMA模型构建沪深300股指期货日收盘价格的预测方法.并在原样本数据的基础上向前预测111个沪深300股指期货日收盘价格数据,预测结果的相对误差具有波动性,得到相对平均误差为0.84％,说明模型具有一定的参考价值.最后基于沪深300股指期货日收益率的波动聚集性提出建议,以降低收益率波动带来的风险,为股指期货成为股市永久稳定器提供参考.     

跨期β系数时变结构研究

β系数时变性是现代资产定价理论研究的热点问题之一,但国内外已有研究局限于β系数时变性实证检验和β系数估计方法的改进。本文基于经典CAPM理论和微分方程理论,研究跨期条件下β系数时变机理,从理论研究角度出发推导出跨期β系数时变结构方程,并运用数值优化方法求解,然后实证模拟了均衡市场条件下有效前沿的动态轨迹及跨期β系数的时变路径,在理论上完善和发展了现代资产定价理论,提升了β系数对现实金融市场现象的解释能力。     

基于ARMA模型的沪深300股指期货收盘价探究

沪深300股指期货是我国三大股指期货之一,本文从国泰安CSMAR数据库中选取该期货收盘价数据,利用ARMA模型构建沪深300股指期货日收盘价格的预测方法.并在原样本数据的基础上向前预测111个沪深300股指期货日收盘价格数据,预测结果的相对误差具有波动性,得到相对平均误差为0.84％,说明模型具有一定的参考价值.最后基于沪深300股指期货日收益率的波动聚集性提出建议,以降低收益率波动带来的风险,为股指期货成为股市永久稳定器提供参考.     

辽宁省城乡居民信息消费差距的ARMA模型预测

利用辽宁省1993—2010年有关数据建立了一个AR(p)模型,并使用此模型对我省城乡居民信息消费差距进行分析和预测,并在此基础上提出了缩小城乡居民信息消费差距的对策和建议。     

基于ARMA模型的我国经济增长率预测——三种基本形式预测效果的比较

文章基于我国1961-2016年GDP增长率的数据建立了AR模型、MA模型、ARMA模型,并据此预测了我国2012-2016年GDP的增长率.通过与2012-2016年实际GDP增长率的比较,发现:AR模型的预测效果是最差的,ARMA模型的预测效果要优于AR模型,MA模型的预测效果最符合当前我国经济的运行状况,但是波动幅度太大.最后,利用MA模型预测出2017年我国GDP增长率为7.32%.