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。     

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。     

我国煤炭行业上市公司财务风险预警研究——基于Z模型理论

煤炭是我国的重要能源和基础原料,煤炭行业在我国国民经济中居于重要地位。然而我国煤炭行业面临煤炭产量快速增加,国内经济增速下滑以及全球经济不景气等诸多挑战,使得煤炭需求疲软,供过于求,煤炭价格大幅下跌,煤炭行业告别了黄金十年,行业拐点显现。本文以煤炭行业上市公司2009年～2012年的财务数据为基础,以Z计分模型为财务风险预警模型,分析煤炭行业各上市公司的财务风险,以及面对风险可能采取的对策,以应对对日益严峻的行业形势。     

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%.     

我国财政教育支出的趋势ARIMA模型

随着我国经济的快速发展,政府对教育投入规模不断扩大.本文基于1952-2015年财经教育支出的数据,利用趋势ARMA模型,对我国未来几年的教育支出进行了定量预测.预测结果显示:我国财政教育支出大致呈现指数增长趋势.     

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。     

湖北省农村居民人均纯收入的时间序列模型

本文利用湖北省1980-2008年农村居民人均纯收入时间序列数据,建立了ARMA(自回归移动平均)模型进行时间序列分析.分析结果表明,ARMA(1,1)模型能够提供较好的预测结果,因而可以用其进行预测,为相关部门提供参考数据.     

基于ARMA模型的我国一次性能源生产量分析

本文针对改革开放以来即1978年到2010年我国一次性能源生产量数据,首先运用单位根检验及差分方法来处理该一次性能源生产量时间序列的非平稳性,然后在此基础上进行模型识别、定阶、参数估计和适应性检验,最终选择出ARMA(1,3)模型。最后,根据该模型对最近五年的一次性能源生产量进行预测并与实际值进行对比分析。     

能源价格波动的经济影响 ——以对中国经济运行的影响为例

能源是经济发展中必不可缺的生产资料.上世纪70年代石油价格冲击已对世界经济造成巨大冲击.再加之,近年来国际能源市场价格波动较大,2008年金融危机的发生一定程度上影响了国际能源价格走势,国际能源市场的价格变化更加难以预测.为了研究能源价格波动的经济影响,通过建立中国42部门的一般可计算均衡模型(CGE模型),以中国为例来研究国际能源价格变动对经济的影响.     

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。     

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。     

等维灰数递补模型在能源消费预测中的应用

以1996-2006年我国能源消费总量为原始数据,以等维灰数递补模型为预测工具,对我国"十一五"期间能源消费进行预测。结果表明,等维灰数递补模型是适合我国能源消费预测的理想模型,"十一五"期间我国能源消费将以9.81%的速度增长,2010年能源消费总量将达到35.66亿万吨标准煤。     

基于确定性和随机性组合模型的我国石油需求预测研究

随着中国经济发展,石油的需求急剧增加。利用石油消费的历史数据,构建了二次趋势-ARMA(2,1)石油需求组合预测模型,并对ARMA模型和组合模型的预测精度进行了比较,证明该组合模型的预测精度较高,可以作为我国未来石油需求预测的有效工具。     

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。     

广西水电设计院第五栋宿舍楼的变形观测与预报

文章研究了利用时间序列分析方法ARMA(P,q)模型建立变形监测分析及预报的方法,并对时间序列分析方法的应用进行初步探讨.同时,在理论研究的基础上,对具体变形点进行时间序列分析,运用3种模型进行变形观测数据的解算预测.     

BP网络模型在财务危机预警中的应用

本文运用因子分析方法和BP网络模型对我国上市公司的财务危机进行了预测,通过分析发现总资产报酬率、现金债务总额比率等12个财务指标对上市公司财务危机有着显著的预示效应.就判别正确率而言,前三年财务数据对上市公司财务危机的预测准确率均在65%以上,其中前两年财务数据的预测准确率均在85%以上.     

基于ARFIMA模型与GARCH模型的上证指数收益率研究

股票的价格序列是一个十分复杂的非线性动态系统,对投资者来说,如何准确分析股市行情,做出最优的投资决策,显得更加急迫;对中国股市的管理者来说,如何把握股市动态,使其健康、稳定的发展,也是一项艰巨的任务。本文选取2006—2015年的上证指数周收盘价的数据,计算股票对数收益率,通过对时间序列分析理论的实证研究分析,建立上证指数的GARCH模型和ARFIMA模型;进而对两种模型进行预测并比较,来说明时间序列分析的方法对拟合股票价格趋势的质量效果。     

2010年下半年煤炭市场与价格走势探讨

煤炭是未来中国经济可持续发展的重要能源保障,在中国能源供给结构中将处于重要战略地位。我国煤炭资源丰富,煤炭在我国能源资源所占比重高达七成。目前,煤炭在世界能源消费结构中的比例约占22％。随着国际原油和天然气价格居高不下．煤炭在未来中国乃至全球能源结构中的地位将快速上升。从国内煤炭产品价格走势看，继2006年下半年至2007年，煤炭交易价格多数时间在高位运行，     

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。     

ARIMA模型在债券收益率中的应用

通过对债券即期收益率的分析,可以更加精确地知道债券收益率的变化情况.本文采用统计学家Box和Jenlins提出的ARIMA模型对我国债券收益率数据进行分析,得出ARIMA模型不但适合非平稳的时间序列,而且适合分析债券收益率,表明ARMA(1,1,1)膜型的效果是比较好的. 债券的收益率与多种因素有关,并且各因素之间又存在相互制约的关系,通过检验知道该债券的收益率是非平稳的时间序列,不能用自回归移动平均ARMA模型进行分析,本文用ARIMA模型进行分析,数据来源于聚源数据库中的债券到2008年2月18日的即期收益率数值,采用的分析软件为Eviews6.0.