济南房价影响因素研究及预测——基于灰色关联分析法、回归方程和多元线性回归分析的视角

通过对济南市历史房价数据和人口数量、人均可支配收入等相关因素数据的采集和分析,整理出了变量间的相关关系,建立对于济南地区未来房价走势的预测模型。通过灰色关联分析法建立模型1,得出历史价格与当前价格高度相关的结论;通过Excel进行数据回归分析,选择运用与房价数据拟合度较高的指数回归函数,建立基于人口变动的房价预测模型2;通过excel进行多元线行回归分析,得出回归方程,建立预测模型3。三个模型均检验了济南未来房价呈上涨趋势的假设成立,并对2018年1月~3月的具体房价进行了预测。     

有色金属铜价格预测与政策建议

本文对有色金属特别是铜价格近30年的走势进行了分析,探索了铜价格的变化特点和及其原因。对铜价与主要经济指标进行了相关分析,进一步以美国GDP、美元指数等为解释变量建立LME铜现货价格的回归预测模型。采用季度数据建立了LME铜现货价格的时间序列模型,综合讨论了铜价的近期预测和长期趋势。建议基础设施建设速度应该适宜,避免未来有色金属铜等大宗商品过快高上涨。     

中国财政收支关系与预测实证研究——基于1950年-2015年收支数据的格兰杰检验和ARIMA预测

通过选用1950年-2015年之间财政收支时间序列数据,应用Johansen协整检验、误差修正模型和Granger因果检验对财政决算收入与决算支出之间的因果关系进行分析,得出财政收支之间存在长期均衡关系且收入引起支出,这与中国以收定支的预算编制原则相适应.为推进中国财政收支预算编制更加科学合理,本研究以差分序列的自回归移动平均模型为基础,运用最小二乘回归方法拟合方程,选择对财政收入进行分析预测,寻求最优模型并提供较准确的预测效果,为财政预算从约束性转向预期性编制,建立跨年度预算平衡提供参考依据;未来财政收入增速趋缓的预测结论表明中国以民生为导向的公共财政建设正在发生积极作用.     

有色金属铜价格预测与政策建议

本文对有色金属特别是铜价格近30年的走势进行了分析，探索了铜价格的变化特点和及其原因。对铜价与主要经济指标进行了相关分析，进一步以美国GDP、美元指数等为解释变量建立LME铜现货价格的回归预测模型。采用季度数据建立了LME铜现货价格的时间序列模型，综合讨论了铜价的近期预测和长期趋势。建议基础设施建设速度应该适宜，避免未来有色金属铜等大宗商品过快高上涨。     

中国CPI时间序列预测模型

本文利用中国1990-2008年的月度CPI数据,建立自回归移动平均结合模型(ARIMA)对2009年1-5月的CPI进行了预测,结果表明,ARIMA(1,1,2)是描述我国CPI变化趋势相对较优的时间序列模型。     

中国CPI时间序列预测模型

本文利用中国1990—2008年的月度CPI数据,建立自回归移动平均结合模型（ARIMA）对2009年1—5月的CPI进行了预测,结果表明,ARIMA（1,1,2）是描述我国CPI变化趋势相对较优的时间序列模型。     

我国保费收入与GDP关系的模型建立及预测

本文利用1997—2011年的保费收入和GDP数据,运用一元线性回归方法,通过对自相关性的修正,最终建立了无截距项回归模型,并根据该模型进一步预测了"十二五"期间我国保险业发展情况。最终预测在2015年我国保费收入将达到2.3万亿人民币,低于政府工作报告的预期。     

煤炭市场价格灰色预测研究

本文通过对煤炭市场价格及其影响因素的分析,应用灰色系统理论建立了煤炭市场价格灰色动态预测数学模型.通过计算举例及误差分析表明,该模型的建立是合理的.它为煤炭市场价格的预测提供了一种有效的方法和手段.     

我国A股市场流动性有效度量的实证研究——基于LOT模型与高频交易数据的比较分析

首先以1997年1月1日至2010年12月31日的高频交易数据为基础,计算了我国A股市场反映交易成本维度的流动性基准(报价价差基准)和反映价格影响的流动性基准(报价价差价格影响基准)。然后利用低频日度交易数据,根据LOT族模型计算出流动性的交易成本维度和价格影响维度的代理变量值。最后利用平均横截面相关性、投资组合时间序列相关性和均方预测误差三个"业绩"评价标准评价了流动性代理变量的有效性。结果发现,在反映流动性的交易成本维度方面,LOT_Y代理变量表现得最好;在反映流动性的价格影响方面,LOT_S表现得相对较好;从均方预测误差角度来看,LOT_Y表现得相对较好。     

基于乘积季节ARIMA模型对我国FDI的预测

本文通过采用乘积季节性求和自回归移动平均模型对我国外商直接投资月度数据进行拟合并引入一元线性回归模型对预测进行修正后取得了较好的效果,且模型显示未来我国外商直接投资季节性和平稳性的组合波动状态。