基于先验神经网络的港口物流量对海洋经济增长预测——以浙江省为例

提出了一种基于先验知识神经网络预测模型,分别采用时间序列和多变量建模方法对反映浙江省海洋经济发展水平的各指标进行建模预测,与其他建模方法(如GM(1,1)时间序列模型)相比,有更好的综合性能。最后采用PKNN时间序列模型对2011-2020年浙江省沿海地区海洋经济发展水平进行预测,结果表明预测得到的2015年浙江海洋经济产值接近浙江省规划值。     

季度宏观经济的一种组合预测法

本文提出了一种季度宏观经济的组合预测法。该方法是在动态模型,即在结构模型的基础上进行预测,然后以最优组合预测法对单变量时间序列截面数据进行预测,对两种方法预测出的结果进行平均。研究表明,这种组合预测法具有良好的预测效果,从而为季度宏观经济预测提供了一种新的有效的方法。     

传递函数模型与干预分析模型

传递函数模型(Transfer Function Model)是多变量时间序列分析模型(Multivariate Time Series Models)。这种模型表示的经济系统是用多个时间序列描述的。例如,研究某企业的销售额依时间变化的规律,不仅考虑销售额序列本身,而且研究促销活动,例如广告费,把销售额序列看作因变量序列即系统的输出,广告费支出看作自变量序列即系统的输入。两序列之间通过传递因子产生联系,建立传递函数模型。此种模型兼备了时间序列和因果关系的功能,充分描绘了广告促销活动对销售额变化产     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

Granger因果关系检验应用中的若干问题

分析了实践中应用Granger因果关系检验存在的一些问题,如信息遗漏,变量变换改变因果关系的性质、变量单整性对检验程序的影响以及检验模型的选择等,并提出在线性投影上有初步证据的因果概念。进而,应用单整变量之间Granger因果关系的一般检验程序对1978~2013年我国货币供给量与价格水平、产出之间的Granger因果性重新进行检验。     

基于模糊时间序列的预测模型——以上证指数为例

模糊理论使用语义变量本身所蕴含的特性,能减少处理问题时的不确定性所带来的困扰,被广泛的应用于各种领域的研究。首先回顾了基于模糊理论的模糊时间序列定义,对现有的模糊时间序列模型进行分析;在此基础上提出了一种新的模糊时间序列预测方法,以上证指数为对象进行了拟合。从结果看,新的基于模糊时间序列预测方法在MSN、平均误差(%)和标准误差(%)等指标上要优于现有的的预测方法。     

GARCH族模型的预测能力比较:一种半参数方法

半参数GARCH模型无须设定条件分布的具体形式。本文首先将一种效率较高、易于实施的半参数方法——估计函数方法应用于10类常见的GARCH结构,并给出证据,显示该方法能显著提高GARCH族模型的波动率预测绩效。然后,应用估计函数方法,较为全面地比较各类GARCH结构的预测能力。为给出统计意义下的结果,并减少数据窥察问题,研究中分别使用OLS和SPA检验法进行绩效评价。结果发现,与其他GARCH类结构相比,EGARCH和APARCH模型能够较好地描述股市收益率的波动过程。     

基于Usher曲线的深基坑位移预测方法

基于深基坑工程位移时序的趋势类型,针对常用GM(1,1)模型不能用于描述非单调的摆动发展序列或具有饱和状态的S形序列的不足,将广泛用于经济和资源预测的Usher生长曲线运用到深基坑支护结构位移预测中,建立了Usher位移-时间预测模型,文章阐述了Usher模型参数的计算方法,并结合工程实例进行了计算分析,结果表明Usher模型的预测结果与实测结果吻合较好,具有较强的适用性,对基坑工程位移增长曲线能较好的模拟,可较准确地预测基坑支护位移。     

基于HMM-GJR的中国燃油期货市场VaR风险测度

以中国燃油期货市场为研究对象,首先引入了隐马尔科夫模型(Hidden Markov Models,HMM)对其进行波动状态刻画,进而采用HMM-GJR模型对燃油期货市场波动率进行描述,再对燃油期货市场进行VaR风险测度,并运用Back-testing方法检验了VaR风险测度模型的可靠性.研究结果表明:中国燃油期货市场表现出了明显的高、低两种波动状态,且HMM模型对燃油期货市场的高波动状态刻画具有显著的灵敏性;HMM (2)-GJR模型能够准确刻画燃油期货市场收益波动率;基于HMM(2)-GJR模型的燃油期货市场VaR风险测度更加有效.     

中国消费者满意指数测评模型研究

中国消费者满意度测评模型采用因果关系模型(SEM)的形式,分为结构模型和测量模型,结构模型反映潜变量之间的作用关系,测量模型反映潜变量与观测变量的关系.由于不同的方法测评的满意度结果不可比.为了与其他满意度测评方法的结果相区别,国际通行的办法是将由因果关系模型计算的满意度称为满意指数,按此例中国消费者满意度也称为中国消费者满意指数(China Consumer Satisfaction Index,CCSI).采用因果关系模型方法得到的测评结果(满意指数)具有可比性,中国消费者满意指数与美国顾客满意度指数具有可比性.     

销售预测模型知识库的分析与设计

大型商场经营决策中常需要进行商品销售预测,常用的定量预测方法有时间序列分析预测法(包括指数平滑法、趋势外推预测法、季节变动预测法等)和回归分析预测法(包括一元回归模型和多元回归模型)。大多数商场经营管理人员对这些预测模型的使用不甚了解,所以有必要建立预测模型选择方面的知识库,帮助他们轻松地选择预测模型进行预测。为了获取有关如何选择上述预测模型方面的知识,首先必须分析这些预测模型的来龙去脉以及实际应用中如何恰当地对这些方法做出选择。１.时间序列分析预测法时间序列分析预测法是根据预测对象自身历史演变模式外推…     

金融资产泡沫风险预警指标体系与实证分析

本文以金融资产泡沫风险的同步变量构成的中国金融资产泡沫压力指数为被解释变量,采用Granger因果检验方法,检验出与金融资产泡沫压力指数有因果关系的指标后,以遴选出的宏观经济变量、房地产价格变量和资产价格变量为解释变量,运用逐步回归法建立了金融资产泡沫风险最佳预测模型,从而构建起了合理、实用的金融资产泡沫风险预警指标体系,形成连续的资产泡沫压力指数走势图;并用此最优预测模型对我国2011年金融资产泡沫风险状况进行了预测。预测结果表明,前三季度我国金融系统性风险呈上升态势,即存在资产泡沫风险。     

数据抽样频率对Granger因果关系的影响

研究目标：分析数据抽样频率对Granger因果关系的影响。研究方法：依据基础变量之间是否存在Granger因果关系,本文分三种情形研究系统抽样和时期归并对变量之间Granger因果关系的影响。进而,依据季度数据,利用靳庭良（2013）提出的ECM-DM检验程序,对我国改革开放以来货币供给量与价格水平、产出之间的Granger因果性重新进行了检验。研究发现：数据抽样频率是否影响变量之间的Granger因果性与基础变量之间的Granger因果性、模型的滞后阶数及其预测误差之间的同期相关性有关。研究创新：本文给出了Granger因果关系是否随着数据抽样频率变化的一般判定条件。研究价值：为解释依据不同抽样频率数据所得Granger因果关系检验结果存在的差异,提供了基本理论支撑。     

滇中城市经济圈房地产价格传导研究

本论文主要分析滇中城市经济圈昆明,玉溪,曲靖,楚雄,武定房价的传导效应。首先介绍图模型DAG方法的基本原理和算法,且建立房价指数的VAR模型,通过对VAR模型各项之间的偏相关系数分析,确定各个变量之间的同期因果关系,为结构VAR模型的过度识别提供限制。通过方差分解对房价传导的动态因果关系和强度的分析,其实证结果对预测有交互影响的区域内不同城市的房价变动趋势具有很强的借鉴意义。     

我国宏观经济运行动态模拟与预测

一、研究的意义。监测我国宏观经济运行状况是否良好。经济是否能持续、快速、稳定、健康地发展。一直是我国学和政府时刻关注的焦点。而这一评价过程又是通过运用诸多宏观经济指标及指标间的联系来衡量的。在以往大多数研究中，是通过逐个建立单个指标对其他一个或多个指标相应的单一方程模型，对未来有关宏观经济指标进行预测。但是单方程模型有一个隐含的假定，就是被解释变量与解释变量之间如果有因果关系。则这种关系是单向的，即解释变量是原因，被解释变量是结果。单方程模型只是从一个方向解释了变量间的因果关系，因变量与解释变量之间没有反馈式的关系。但是在国民经济运行中，根据这种单向因果关系建立模型进行预测几乎是没有意义的。因为解释变量与被解释变量之间有着双向或联立关系，这时就需要采用联立方程模型．它可以使我们考虑多个变量之间的相互关系．通常这类模型由一组回归方程构成。这样，在估计一个方程的参数时就可以运用方程组中其他方程所提供的信息。我们可以运用一些统计软件来对这些方程进行估计。本采用计量经济学软件Eviews 3．1来对联立方程进行估计。在单方程模型里。普通最小二乘法是最适合这种模型的．但是两个或多个内生变量的同时存在需要我们使用另外的建模和估计方法。因为方程的联立性会使普通最小二乘法得到的参数估计量不一致。因为在联立方程模型中，一个方程中的内生变量往往又影响另一个方程中的其他变量，因此误差项与内生变量相关，所以普通最小二乘估计量也将是有偏和不一致的。     

余额宝收益率对余额宝规模影响的实证研究——基于VAR模型

基于余额宝2013Q2-2016Q1期间的季度时间序列数据,运用Granger因果检验、脉冲响应等计量方法,建立向量自回归(VAR)模型,实证检验了余额宝收益率与余额宝规模之间的关系。结果表明:余额宝收益率与余额宝规模存在正向变动关系,但是余额宝规模自身对它的发展以及余额宝收益率存在一定的抑制作用。     

国际黄金价格与美元指数关系的实证分析

本文采用2009年1月至2013年12月数据,运用计量金融学分析方法,在对时间序列数据进行单整检验、协整检验,确定数据平稳性和变量之间长期关系的基础上,构建向量自回归(VAR)模型,利用脉冲响应函数和Granger因果检验对国际黄金价格与美元指数之间的关系进行分析。结果表明,美元指数与国际黄金价格之间不仅存在负的长期均衡关系,而且在Granger意义上因果相关,即美元指数上升会引起国际黄金价格下降。     

大数据侦查视阈下的数据相关性关系及其证明路径

在侦查领域应用大数据相关性关系可以提高侦查破案效率,但目前大数据相关性线索的应用需要构建因果关系,在民事和行政领域,以丰富的相关性作为证据。因为新刑事证据将依据大数据标准,有待进一步完善法律。本文基于大数据侦查视域,围绕因果观念的困境和相关关系机遇,相关关系的因果派生,大数据相关关系的因果关系,结合大数据分析结论作为案件线索,以作为证据应用于其中,需要通过数理分析和具体形态分析突破数据分布的局限性,通过建模预测判断数据之间的因果关系,以及相关性关系,为侦破案件线索指明方向。     

FDI与中国经济增长的实证分析——以重庆市为例

文章基于1985年—2004年重庆市的时间序列数据,运用协整分析和Granger因果检验,对重庆市经济增长(GDP)和外商直接投资(FDI)之间的关系进行实证检验。结果表明:两者之间存在着长期稳定的均衡关系;滞后期不同,两者之间的Granger因果关系也不相同。最后在得出结论的基础上针对目前重庆市的情况提出了建议。     

GDP与出口总额以及全社会固定资产投资的VAR模型分析

本文用VAR模型建立GDP、出口总额和全社会固定资产投资为内生变量的时间序列系统,来预测这一相互联系的时间序列系统并分析随机扰动对变量系统的动态影响。VAR方法通过把系统中每一个内生变量,作为系统中所有内生变量的滞后值的函数来构造模型,从而回避了结构化模型的要求。