天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.用ARMA模型可以对天津人均国内生产总值(1978-2004)时间序列进行建模和短期外推预测.     

天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性，通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARMA模型可以对天津人均国内生产总值（1978—2004）时间序列进行建模和短期外推预测。     

ARMA模型在西藏自治区GDP预测分析中的应用

该文以西藏自治区1978～2011年的地区生产总值时间序列为具体的分析对象,通过对数据的平稳化处理,在此基础上建立自回归移动平均模型（ARMA模型）。用Eveiws软件拟合ARMA模型并做预测分析。     

西安市旅游市场境外游客长期记忆及ARMA模型适用性研究

本文通过用分析旅游业游客动态常用的ARMA（即分整自回归滑动平均模型）模型对国外旅游市场境外游客研究后,证明在用时间序列模型在对西安市旅游市场进行预测分析时,不宜用ARMA模型。     

我国外汇储备的预测分析与政策选择

文章运用时间序列分析方法对我国自1981年以来的外汇储备进行了计量分析,发现我国外汇储备时间序列符合ARMA模型,并运用该模型对我国未来外汇储备规模进行了预测,最后提出了相应的政策建议.     

基于ARMA模型的我国政府行政成本支出研究(1978—2009)

为抵御百年罕见的金融危机,我国财政赤字预算陡然增加,经济面临前所未有的严峻考验,确保政府行政部门开支不再超常增长对平安度过巨额赤字周期至关重要。文章针对1978--2009年中国政府行政管理支出数据,进行了时间序列分析,研究证明ARMA（1,2）模型适合中国政府行政管理支出建模;进而对政府成本进行预测,并提出了控制政府成本的相关建议,对控制其增长规模具有重要的现实意义。     

基于ARMA模型的湖南省民间投资时间序列分析

时间序列分析方法是经济领域研究的主要工具之一。合理的时间序列模型会十分接近真实数据生成过程,运用时间序列模型来预测经济变量具有重要意义。ARMA模型描述时间序列的动态性和发展变化规律,具有广泛的实用性。本文通过ARMA模型分析时间序列的随机性和平稳性,借助EVIEWS软件对湖南省民间投资数据进行具体分析并预测。结果表明,模拟值和真实值接近,在实际应用中ARMA模型对短期内预测民间投资额具有很高的精确性,这一精确性对政府政策的决策和实施起重要作用。     

基于奇异谱分析的旅客运输量预测研究

对旅客运输量进行科学准确地预测,可以为交通领域相关部门提供有效的借鉴。将旅客运输量作为研究对象,基于SSA(奇异谱分析),结合LSTM(长短时记忆神经网络)和ARMA(自回归移动平均模型),通过SSA降噪处理,将旅客运输量时间序列分解为信号序列和噪声序列,分别对其进行LSTM和ARMA(2,3)建模,预测其变化趋势。通过对比单一的ARIMA(3,1,2)模型和LSTM模型的实验结果表明,SSA-LSTM-ARMA预测旅客运输量效果更好,预测精度更高。     

山东省GDP的时间序列分析

本文广泛求证和搜集五十四年来山东省GDP的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,探索山东省GDP时间序列的平稳性,并结合统计软件EVIEWS运用ARMA建模方法,对山东省GDP时间序列进行识别、估计、诊断和预测后,建立最优计量经济模型进行经济预测,并为各级政府和企业的管理决策提供数量化的建议.     

中国经济周期波动特征与基于DSGE模型的实证分析

本文使用HP滤波方法对我国主要宏观经济指标进行趋势化处理,得到1978～2008年间产出、消费、投资、政府支出、实际工资、净出口各变量序列中的周期性成分,发现政府支出和实际工资表现出了强的逆周期性,产出波动的标准差大于投资,而产出的剧烈波动的来源可能是净出口波动;在此基础上本文构建了一个DSGE模型检验,并采用校准的方法进行参数估计,通过产出序列中分离出的索洛残差作为经济中波动的来源,借助Matlab生成模型虚拟经济中对残差序列的反应。将结果与我国实际变量的周期性特征对比,发现模型较好的拟合了变量波动的持续性和部分变量的波动幅度,同时也说明了反周期政策干预使我国的经济周期并不完全具备实际商业周期理论的特点。     

模式匹配在GDP时间序列预测中的应用

深入分析了自回归整合平均移动模型(ARIMA)以及时间序列在动态时间弯曲(DTW)距离下的匹配技术,并在此基础上建立了由多条时间序列集合而成的GDP整合时间序列预测模型。其基本思想是对与目标序列有着相同发展趋势的时间序列进行搜寻、匹配,并对这些具有相同历史进程时间序列所蕴含的信息进行充分的挖掘与利用,整合形成新的时间序列预测模型。仿真实验表明：整合GDP预测模型的预测准确率显著高于普通ARIMA模型的预测准确率,从而证实了整合时间序列模型用于GDP预测的准确性。     

基于BP神经网络算法的风电功率预测

针对风电功率的预测,从神经网络的训练仿真入手,综合运用BP神经网络、平均绝对误差MAE等多种方法,建立风电功率预测模型,运用Matlab和Excel软件编程,得到了后续7天中时隔5min和15min的风电功率预测趋势和时隔5min样本数据的预测误差水平相对于15min来说降低了6.349%等结果。     

台湾经济结构突变、周期波动和经济增长

本文运用结构突变理论,在检验台湾GDP序列的平稳性后,建立台湾GDP序列的拟合模型,实证检验支持台湾GDP序列在1974、1981、2001年产生结构突变,且潜在GDP函数发生了变化。通过分离GDP序列的趋势成分和周期成分,运用周期成分对台湾经济周期波动进行分析。研究发现,台湾经济周期波动主要受世界经济景气和台湾经济发展策略的影响。发生结构突变后台湾经济增长趋势发生变化,这与台湾经济的发展阶段和相应采取的经济发展策略密切相关。论文最后对未来台湾经济增长趋势做出预测。     

山西省综合配套试验改革背景下科技人才需求预测研究

依据山西省科技人才相关资料和数据,在分析科技人才队伍建设现状的基础上,运用GM(1,1)灰色预测模型、多元回归预测模型和趋势外推法,对山西省2011-2015年科技人才需求总量和需求结构进行预测,然后运用组合预测法对预测结果进行修正,并对预测结果进行分析,以便为山西省人才规划与决策提供科学的理论参考。     

基于ACO优化的ARIMA-ES-RF布伦特原油价格预测研究

为解决传统单一的自回归积分滑动平均(ARIMA)和指数平滑(ES)预测原油价格(以布伦特原油为例)误差较大,难以精确地预测序列非线性特征的问题,提出自回归积分滑动平均(ARIMA)-指数平滑(ES)-随机森林(RF)组合预测方法。目前虽已有大量的原油价格预测模型,但还未有文献利用随机森林组合传统时间序列模型对原油价格进行研究。在此基础上,利用蚁群算法(ACO)对随机森林的重要参数(树的数量及根的深度)进行智能搜索,将随机森林组合模型的预测精度反馈给蚁群进行信息素的实时更新,输出使得组合模型预测精度最高的模型参数。研究结果表明：提出的蚁群优化参数后的组合随机森林模型能更好地预测布伦特原油价格的趋势,预测精度均方根误差(RMSE)从1.15降低至0.88,减少了0.27;平均相对误差从1.10%降低至0.86%,降低了0.24%,预测精度较以往的原油价格预测模型有显著提升。     

公路短时车流量预测模型研究

为解决公路交通拥堵,做好道路交通安全规划,应加强对道路交通车流量的实时监控和预测,以便及时发现当前交通的非正常拥堵状况,提高人民的出行效率。公路短时车流量的监测数据具有不确定性和非线性的特点,针对这些特点,运用灰色系统理论预测模型和时间序列的ARIMA预测模型分别对车流量状况进行预测。在此基础上,提出将二者相结合的车流量组合预测模型。通过实例对比分析,得出组合预测模型的预测精度高于单独使用灰色预测模型和时间序列分析模型的结论,该模型可以作为短时车流量预测的一种有效方法。     

基于PSO优化LSSVM的股价时间序列预测

现实中的金融时间序列存在非线性、不确定性等特点,利用传统的预测方法难以获得满意的结果。提出了一种基于PSO优化LSSVM模型参数的股价时间序列预测方法。利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM的惩罚因子和核函数参数。利用该方法应用于金融市场中的股价序列预测,与传统方法对比表明,该模型能够提高金融时间序列的预测精度,其具有更好的泛化能力,这对国内投资者进行股票投资具有现实的借鉴意义。     

Are structural parameters of DSGE models stable in Korea?

This paper examines whether the structural parameters of dynamic stochastic general equilibrium (DSGE) models are stable over time in Korea. By estimating a DSGE model, we find evidence that the 1997 Asian financial crisis did not change structural parameters in spite of significant policy changes and institutional reforms. This empirical finding has important significance for Korea's policymakers, as they can no longer rely on a DSGE modeling strategy for policy analysis and forecasting without structural parameter stability. Moreover, this paper shows that the current DSGE model is superior to simple time series models in forecasting key macroeconomic variables in most cases. Finally, the current model successfully reproduces the relative volatilities of consumption, investment and hours worked with respect to output as well as the pattern of contemporaneous correlations of output with other variables.     

中国保险市场与投资市场的互动研究:定价方法与实证

从新的观点出发,把保险公司的赔付情况与投资收益结合,对保险建立在一类条件较弱的投资背景下的线性正倒向随机微分方程的改进模型。根据一类特殊线性倒向随机微分方程的显式解,加入时间序列预测方法,给出了基于投资的保险定价公式,为保险公司厘定保险的保费提供新的可行性方法。