ARMA和VAR模型对GDP的预测效果探究

本文回顾了GDP预测的不同模型,并用ARMA模型和VAR模型对季度GDP进行预测,将预测结果与相对权威的主观预测朗润预测进行比较,以检验ARMA模型和VAR模型的预测效果     

ARMA和VAR模型对GDP的预测效果探究

本文回顾了GDP预测的不同模型,并用ARMA模型和VAR模型对季度GDP进行预测,将预测结果与相对权威的主观预测朗润预测进行比较,以检验ARMA模型和VAR模型的预测效果。     

仿射死亡率模型长期预测的优化与分析——考虑非完整近期队列数据

死亡率建模与预测是精算科学的重要基础，而仿射死亡率模型作为一种经典的连续时间随机模型被大量地应用于评估系统性死亡率的发展，其中模型构建的一种常用方法是卡尔曼滤波算法。本文针对传统卡尔曼滤波算法在建模过程中自动忽略近期非完整队列数据的情况，借鉴机器学习和贝叶斯算法中迭代学习的理念，对传统算法进行了拓展，从而将近期非完整队列数据应用于模型拟合与预测中。通过量化分析对比证明了基于拓展算法的模型在预测方面，尤其是长期预测中，有两方面的优势：更好地捕捉了系统性死亡率风险的变动，避免了对长期长寿风险的低估；在预测精度方面有了较大的提升，特别是在长期预测时优势更为明显。     

趋势外推与ARMA组合模型对能源消费预测的应用

以内蒙古1985-2008年能源消费总量数据为基础,分别运用ARMA模型、趋势外推与ARMA组合模型进行能源消费的拟合,通过对比分析,得出二次抛物线趋势外推与ARMA（2,1）组合模型能更好地模拟内蒙古能源消费情况。文中运用此模型进行预测,其结果具有精度高、稳定性好等特点。通过对未来能源消费的预测可以为有效制定相关政策、实现资源的合理配置、实现可持续发展提供帮助。     

基于ARIMA模型的河北省人口预测

本文基于河北省人口数据资料,在ARMA自相关原理及时间序列平稳性分析基础上,运用ARIMA模型对河北省未来五年的人口数量进行了预测,并给出了相应建议。     

基于ARIMA模型的伦敦金银市场协会黄金定价的异常值检测及检验

采用Chang等人[1]提出的基于ARIMA模型的异常值检测理论,利用GARCH模型与ARMA模型之间的联系,对通常服从GARCH模型的金融序列完成了ARMA模型框架下的异常值检测,并结合历史事件对检测结果做了解释和检验.在说明了GARCH模型转换为ARMA模型的理论依据和可操作性后,对收益率一次性拟合了ARMA模型,模型侦测到的异常值在实际情况中都有着较为显著的事实与之对应,表现了较高的效度和可信度.其较为简明的理论基础和方便的实践分析也具有一定的操作简便性.     

基于ARMA模型对我国“十一·五”电力需求的预测

本文用Eviews软件以我国用电量的历史数据（1973-2006年）为基础分析了我国用电消费量的数据特征,建立ARMA模型,然后通过对模型的识别、建立、评价和选择,最后选择指数回归ARMA（1,2）模型对我国用电量进行预测。     

2004～2010年湖南经济增长率预测

以1953～2003年湖南GDP增长率为基础,建立时间序列模型,即ARMA模型,对湖南未来7年的GDP增长率作出预测.判断它是否位于可运行区间内,并根据预测结果提出相应的对策和建议,做到未雨绸缪.     

基于ARMA-GARCH模型的黄金现货价格预测

本文以2009年1月5日至2017年1月3日期间上海黄金交易所的Au99.95的黄金现货收盘价为研究对象,对数据进行描述性统计分析、平稳性检验和相关性检验。建立ARMA(2,1)模型,对其残差序列进行ARCH效应检验,并通过建立GARCH模型消除其条件异方差性,从而建立ARMA(2,1)-GARCH(1,1)模型。比较t分布下和GED分布下的拟合模型,发现t分布下的更优。最后,预测在95%置信区间内黄金现货日收益率序列在未来100天内走势区间与条件标准差变化趋势,并对预测结果进行了验证。     

金融危机下人民币汇率的ARMA模型预期

本文分析了全球金融危机对人民币汇率产生的影响,并用ARMA模型拟合了2007年4月至2009年5月人民币兑美元的名义汇率,认为可用ARMA(1,5)模型对汇率进行短期预期,同时用该模型对未来一年的汇率进行了预测。从长期看,名义汇率如果未受到另一次结构性冲击,将继续保持目前的走势水平。     

科技型中小企业资信风险评估

科技型中小企业资信风险的变化较一般企业更加频繁。针对这一动态特征,运用卡尔曼滤波方法对其进行资信评估,并构建动态模型。该模型主要在回归分析的基础上,选取预测因子,对违约参数进行估计。经实证分析发现,卡尔曼滤波方法精度较高,稳定性较好,基于该方法所构建的评估模型能根据资信风险变化的动态特征进行有效的资信评估。     

基于时间序列模型的农产品市场价格短期预测研究

为了对农产品市场价格波动的进一步了解,及早采取措施应对价格波动频繁带来的一系列不利影响,有效指导农民把握时机增收增产,本文以全国黄瓜月度批发市场价格为预测目标,综合利用季节虚拟变量法、CensusX12法、ARMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值来建立这三个不同短期预测模型的组合预测,运用组合模型对农产品价格做出合理预测。实证分析结果表明：组合模型能够从一定程度上减小预测误差提高模型的预测精度。总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的3个单一短期预测模型平均绝对误差百分比（MAPE）分别为13.53％,11.77％和11.07％,ARMA法建立的短期预测模型精度最高。在实证分析的基础上,采用组合预测方法对2012年7月到11月这五个月的黄瓜价格进行了预测,并将预测值与收集到的实际值做了对比,结果表明,除了8月的预测误差较大为33％外．其余各个月的误差均不超过10％,预测结果较为理想。     

基于ARMA模型的气温衍生品定价研究：以武汉市为例

随着气候异常变化频率的增加以及极端天气事件的频繁发生,天气风险对农业的影响尤其严重,天气风险管理成为了关注的热点.天气衍生品作为国外进行天气风险管理和转移的金融创新工具,为应对天气风险提供了重要的途径,定价问题则是天气衍生品研究中的核心问题.本文使用武汉市1990.1.1-2009.12.31的每日气温数据,采用了基于ARMA的时间序列模型分析了武汉市气温动态变化的过程,对模型进行了估计、检验了模型的预测准确度,结果表明：ARMA模型具有较好的拟合优度,能以此为基础对气温期权等天气衍生产品进行合理定价.基于以上分析,本文提出应提供有利的技术环境、政策环境和制度环境以推进农业天气衍生品开发与市场发展的政策建议.     

商业银行个人客户洗钱静态风险分类方法研究

构建基于RBF神经网络、聚类算法和决策树模型预测结果的集成风险分类模型。实证研究表明该模型预测精度有所提高,性能表现也更加稳健,对于运用于实际洗钱识别工作具有一定的应用价值。     

浅析甘肃省地区生产总值的预测——基于ARMA模型的实证分析

为了更好认识和预测甘肃省GDP的发展状况,本文将对近年来甘肃省GDP运用ARMA模型进行简单的分析与预测。从而可以提出对于甘肃省GDP进一步增长的建议。     

基于改进多尺度阈值去噪的人民币汇率实证分析

考虑到金融时间序列中噪声的干扰,有必要在金融建模研究中做适当的去噪处理。不同于传统的小波阈值去噪,本文应用改进的多尺度阈值技术对人民币/美元汇率序列进行去噪处理,并基于不同误差分布情况下综合分析,确定ARMA（1,1）-GARCH（1,1）-T为最佳拟合模型,最终给出预测效果,证实了应用新的多尺度阈值方法去噪后的汇率模型预测精度较高。     

基于产出缺口的菲利普斯曲线对我国通胀预测的研究

基于菲利普斯曲线理论中产出缺口与通货膨胀率的关系,应用卡尔曼滤波方法估算我国的潜在产出与产出缺口,通过格兰杰因果关系验证产出缺口与通货膨胀的因果关系,并建立产出缺口的菲利普斯曲线模型进行通货膨胀预测。实证结果表明该模型能够较好地预测我国通货膨胀,从而能为制定相应的货币政策提供良好的参考。     

基于ARMA乘积模型的CPI指数分析及预测

CPI指数是一个相对滞后的数据指数,通常是反映市场经济的一个重要指标。本文选取我国1990年1月至2013年11月共287个月份的CPI指数数据,对CPI序列建立乘积模型ARMA(1,1,1)×ARMA(0,1,1)12。结果表明,该模型是描述全国CPI变化趋势较优的时间序列模型。最后,本文利用此模型对2013年12月、2014年1-4月份的全国CPI指标进行了预测,并提出了相应的政策与建议。     

我国城乡居民收入差距的预测与分析——基于自回归移动平均模型的分析

本文利用1978—2008年的统计数据,构建了我国城乡收入差距的ARMA模型,对当前我们城乡居民的收入差距做了分析,并对未来几年的收入差距做了简单预测。     

我国城乡居民收入差距的预测与分析——基于自回归移动平均模型的分析

本文利用1978-2008年的统计数据,构建了我国城乡收入差距的ARMA模型,对当前我们城乡居民的收入差距做了分析,并对未来几年的收入差距做了简单预测.