对经济增长的时间序列和回归分析

时间序列分析在经济运用中作用十分明显。本文利用1995—2014年国内生产总值的相关资料,运用时间序列分析,应用Eviews软件对经济增长时间序列进行模型识别、拟合、估计和预测。而改革开放以来,投资在经济增长中的作用越来越明显,在对经济增长序列进行时间序列分析的同时,也结合回归分析建立经济增长和投资的回归模型来分析经济增长和投资的协整关系。     

我国GDP时间序列的模型建立与实证分析

本文利用统计软件对我国1987年到2012年实际GDP时间序列数据进行了分析,解释趋势性,利用PP检验,检验我国GDP序列的平稳性,并建立我国GDP对数序列的ARIMA模型,得到我国GDP内在的规律性,可以用来做我国GDP时间序列的拟合和预测。     

城市生活垃圾产量预测研究——以武汉市为例

首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证,接着运用时间序列的分析方法,对武汉市城市生活垃圾年产量序列建立了ARIMA模型,借助SAS软件系统对该模型进行了分析,并对垃圾年产量做了预测,模型拟合效果比较理想,为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。     

城市生活垃圾产量预测研究——以武汉市为例

首先对利用回归分析方法来预测城市生活垃圾产量时容易产生伪回归进行了阐述和例证，接着运用时间序列的分析方法，对武汉市城市生活垃圾年产量序列建立了ARIMA模型，借助SAS软件系统对该模型进行了分析，并对垃圾年产量做了预测，模型拟合效果比较理想，为环卫部门加强对城市生活垃圾的回收处置及管理提供了参考。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

量化私募行业发展趋势的组合预测研究

文章首先从私募证券基金角度出发,分析和预测了量化投资行业未来的发展趋势;针对存在突破点的机构数量时间序列,在传统的ARMA (1,1)模型基础上,引入了干预分析模型,分析得出对时间序列的拟合效果较好。其次建立了线性回归方程研究机构数量和沪深300的关系,研究得出模型的拟合程度较高。最后为了进一步提高预测模型对时间序列的拟合效果以及预测精度,文章将不同模型的预测精度作为预测值的诱导值,建立了基于IOWA算子的组合预测的模型。     

基于时间序列模型的中国出口总额分析及预测

基于中国近20年来中国出口总额的月度数据,通过对数据特征进行的分析,采用了Holt-Winters滤波方法和ARIMA(0,1,1)模型对数据进行拟合,并对模型进行了相关检验,以此来考虑模型的可行性及拟合效果的优良性。最后对中国出口总额的月度数据进行了预测,结果显示Holt-Winters滤波方法和ARIMA(0,1,1)模型的预测平均相对误差率很小,说明时间序列模型在我国出口总额的预测中具有较好的实用价值。     

探索时间序列预测法在财政收支预测中的应用

本文采用简单的时间序列预测方法,通过对国家财政收入和支出数据的分析，建立曲线模型，然后根据模型与实际数据曲线的拟合程度，分析误差，最终利用模型预测数据，以达到较为准确的拟合和预测效果。     

基于SARIMA-GARCH模型的CPI预测

CPI是一个滞后性的数据,但它在整个国民经济价格体系中具有重要的地位,它是进行经济分析和决策、价格总水平检测和调控及国民经济核算的重要指标,对CPI进行预测有利于政府宏观调控。本文基于我国近20多年来共324个月的CPI数据,应用时间序列分析中SARIMA模型和GARCH模型,进行分析拟合,得出了较为精确的拟合曲线,并应用该曲线对2014年1月至2015年3月共15个月的CPI进行预测,得到了较为理想的预测结果。     

中国进出口总额的统计分析

本文中采用1977年至2012年我国的进出口总额年度数据,从时间序列的定义出发,运用统计学原理对我国进出口总额进行时间序列平稳性的检验。利用EViews软件对所采集的数据进行时间序列分析,建立模型,并对模型中的残差进行拟合,最终利用所建立的模型对2013-2015年我国进出口总额进行了预测分析。     

小波ARMA模型和ARIMA模型对上证指数的预测效果探究

利用小波分析的局部化性质,以非平稳的时间序列上证指数收盘价为实验目标,首先建立传统的时间序列模型ARIMA模型,并做出预测;然后用小波分析与自回归移动平均模型相结合的方法建立小波ARMA模型,做出预测;最后,通过相对误差和平均绝对误差和对二者的预测效果做比较,结果表明:在上证综指序列预测分析中,小波ARMA模型相比单纯的ARIMA模型,其拟合和预测精度都比较高。     

上证综指收益率实证分析——基于ARMA-GARCH模型

上海证券交易市场在我国资本市场中具有重要地位,其A股股票收益率整体走势可以代表着我国证券市场的整体行情。本文旨在利用上证综指收盘价计算对数收益率,建立ARMA-GARCH模型,进而对上证综指收益率进行预测,并针对其波动提出相关建议。数据选取以2006年6月1日至2015年6月1日上证综合指数收盘价为基础,计算对数收益率,检验序列的相关性,稳定性及异方差性。故本文采用ARMA模型模拟上证综指收益率序列,利用GARCH模型拟合残差序列,以此进行实证分析和预测。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

线性与非线性单方程时间序列建模在黄金现货价格预测分析中的实证研究——基于ARMA模型及GARCH模型族

由于黄金现货价格受到诸多经济及政治因素的影响,其生成过程复杂,难以通过其影响因素的研究来对其进行预测分析。因此,本文试图从黄金价格本身的时间序列着手,试图利用线性的ARMA及非线性的GARCH模型族,利用单方程时间序列建模的方法对黄金现货价格进行预测分析。研究发现线性的ARMA模型和非线性的GARCH-M模型都能较好地进行对伦敦黄金现货价格进行预测,在研究的样本中,两者的向前一步预测误差分别为0.06%和-0.03%。GARCH-M模型的预测效果较好。此外,还通过使用GARCH模型族分析了伦敦黄金现货价格的信息不对称性、风险收益特征和对系统性冲击的反应,针对性地做出了结论和投资建议。     

人民币汇率变化的实证研究

本文运用时间序列的建模方法,对我国2005年7月-2009年5月的美元兑人民币汇率进行实证分析,构建ARlMA模型和Holt模型.经检验,后者能更好地拟合美元兑人民币的汇率趋势,在此基础上做了短期预测,并给出相关结论和分析.     

关于我国货物进出口总额的分析与预测

改革开放以来,我国的外贸事业发展迅速,尤其是加入世界贸易组织以后,发展势头更猛。目前我国的外贸依存度已经达到了70%,进出口贸易对我国经济的发展和人民生活的影响也越来越显著。因此,对进出口贸易的分析和预测也逐渐成为了经济学界研究的热点。本文根据1991-2012年的我国的货物进出口总额的数据,建立二次型模型,进行时间序列分析,并对2013-2014年的数据进行预测。     

时间序列模型在物流需求预测中的应用

本文通过介绍物流需求知识、预测方法及时间序列预测方法,采用随机时间序列模型进行物流需求预测。探讨时间序列模型在物流需求预测中的应用,以期为物流需求预测提供全新方法和借鉴。     

模型法与挖掘法在时间序列分析中的效率比较——以上证综指月度数据为例

采用上海证券交易所1996年至2009年月度上证综指数据,实证分析对比时间序列模型法与数据挖掘法在数据拟合与预测方面的效率。结果表明,模型法在时间序列预测方面存在相当大的缺陷,采用挖掘法进行时间序列预测有明显的优势。     

时间序列AR模型的应用

时间序列分析可以根据动态数据揭示系统结构和规律,本文利用模型对上证指数进行了分析和预测.     

基于VAR模型对影响GDP增长速率因素的实证分析

经济的快速增长与社会进步和人们的美好生活息息相关,同时也存在多种影响GDP增长的因素,本文利用国内1950—2019年年度数据,通过构造VAR模型来分析人均产出增长、劳动生产率增长及人均收入增长对中国GDP增长的影响,Granger因果关系检验表明,人均产出增长和人均收入增长对国内GDP的增长有显著影响,最后对拟合的模型进行时间序列预测验证了结果的可靠性。