基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

基于BP神经网络的股票价格预测研究

本文针对股票市场这一非线性系统,利用人工神经网络的方法来对股票进行时间序列预测。采用BP神经网络,将历史时间序列数据作为参考依据,预测未来短期内的股票价格;并在此基础上,与实际的股票价格进行对比分析,并得出结论。对于股票市场内的投资者具有一定的理论意义和实践价值。     

基于BP神经网络和ARIMA组合模型预测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对“十一五”期间浙江省人均GDP的变化趋势进行了综合分析与预测。预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%。     

基于ARIMA模型对平安银行股票价格的分析与预测

本文运用时间序列分析方法中ARIMA模型进行预测,对平安银行股票历史数据构建模型,推断出未来趋势。从而一定程度的为投资者提供短期指导。     

基于BP神经网络和ARIMA组合模型测浙江省人均国内生产总值

本文应用BP神经网络和ARIMA构成组合预测模型,对"十一五"期间浙江省人均GDP的变化趋势进行了综合分析与预测.预测结果显示,2006年～2010年间,浙江省人均GDP平均将为40624.53元,人均GDP平均增长率为10.01%.     

基于ARIMA模型的国际粮食短期价格分析预测——以大豆为例

随着经济社会的快速发展,我国粮食生产、消费和进口量已成为全球第一.国际粮食价格频繁且复杂的波动势必对人们日常生产、生活造成重大影响.鉴于我国粮食中大豆严重依赖进口,为了防范来自国际大豆价格波动对我国的冲击,以2000年1月～2015年12月国际大豆价格为例,通过建立ARIMA模型对未来短期内国际大豆价格走势进行预测,认为短期内国际大豆价格将趋于平稳.根据模型的误差精度值可以看出模型收到了很好的预测效果,对大豆价格的预测及其他粮食价格的分析具有一定参考价值.     

基于ARIMA模型的经济形势预测分析——以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

小生境遗传算法优化的神经网络在股票价格预测中的应用

股票价格是受多种不确定因素影响的非线性问题。文中将小生境遗传算法用于BP神经网络的训练过程,建立了相应的优化模型,即用它来优化神经网络的连接权。依据小生境遗传算法的神经网络,提出一种股票预测的新方法。实践表明:该方法具有预测精度高、误差小的优点,值得推广。     

基于ARIMA模型的广州市商品房价格预测

商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。     

基于粒子群神经网络的股票价格预测研究

粒子群算法是一种基于群智能的全局寻优方法,方法简单易于实现。本文将粒子群算法用于神经网络的训练,提出了一种股票价格预测的新方法,研究表明预测效果良好。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的浙江省GDP预测

应用ARIMA模型对浙江省1978年至2007年期间的GDP数据进行分析，从中找出浙江省GDP的规律，然后预测未来四年的GDP数据。与实际情况相比较得出拟合效果比较好，AKIMA模型比较适合短期预测。     

基于ARIMA模型对湖北省第三产业产值的预测

第三产业影响着我国社会经济的稳定持续发展，对未来经济增长的准确预测具有重要意义。以湖北省第三产业为例，利用1980-2006年的第三产业总量数据为基础，运用ARIMA模型进行第三产值的预测，并且对原始数据进行拟合，得出误差在5％以内普遍可用的计算表式。     

基于ARIMA模型对销售总额的预测分析

在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,预测是决策的基础。近年来,ARIMA模型得到了极大的发展,越来越多的应用在各个领域的分析中,本文我们对某公司2000年1月到2008年12月的8种商品的销售总额的数据作为分析的样本进行分析,建模,预测未来三期的值。为了验证预测的准确性,我们去掉了后三期的数据,作为预测目标,以便对真实值与预测值进行有效的对比,结果预测基本准确,最终我们得出预测五期的增量。     

季节ARIMA模型在企业销售量预测中的应用——以卷烟销售为例

为预测贵州省各地、市、州烟草公司2016年卷烟季度营销情况,本文收集了贵州省各地、市、州烟草公司2006年~2015年卷烟季度销量数据,建立了季节ARIMA模型(Auto-Regressive Integrated Moving Average Model,整合自回归移动平均模型)。为了提高卷烟销量预测的准确性,本文把异常值加入模型,经过实证分析,以六盘水市卷烟销售为例,该模型很好地模拟了该市卷烟销售量的变化规律,并且有效地预测了该市卷烟季度的销量。     

基于ARIMA模型的消费品零售总额预测

利用2002年1月到2012年3月社会消费品零售总额的统计数据,进行时序平稳化处理,并依据自相关函数和偏自相关函数的性质,建立相应的ARIMA模型,然后对我国2012年4月到7月的社会消费品零售总额进行了预测,建议政府采取减息、减税等措施来保持经济稳步增长。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10天的日收盘价做短期预测。通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA模型做股票价格预测是可行的。     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。