EGARCH模型在同业拆借利率预测中的应用

中国银行间同业拆借利率(CHIBOR)是我国货币市场上最早市场化的利率.选择隔夜拆借利率为研究对象并选择GARCH族模型对其进行建模,发现EGARCH(1,3)模型拟合效果最好,并进行了短期预测且取得了理想的短期预测效果,从而确定了适合我国同业拆借市场的利率预测模型.该研究结果不仅可以帮助金融机构对金融产品合理定价,防范风险,也可以帮助央行准确估计CHIBOR走势,达到既定货币政策目标.     

我国银行间同业拆借利率的非线性分析

运用R/S方法研究中国银行间同业拆借利率序列得出中国银行间同业拆借利率序列不服从对数高斯分布;中国银行间同业拆借市场不是一个有效的市场,其收益率序列均为服从分形概率分布的持久性时间序列,它们遵循有偏随机游动,市场表现出一定的趋势行为;中国银行间同业拆借利率序列的赫斯特指数H为0.68。也就是中国银行间同业拆借市场呈现出长期记忆等非线性的混沌特征。最后,对中国银行间同业拆借利率时间序列进行相空间重构,并计算出其关联维数。     

ARIMA模型在房屋售价中的预测

时间序列分析方法是经济金融领域中的主要工具之一,通过描述历史数据对新值进行预测.文章运用ARIMA模型来实现对房屋平均售价的短期预测.对原始数据进行差分和季节差分,运用Eviews软件进行分析计算.结果显示预测值和真实值接近,在实际生活中提供可靠依据.     

ARIMA模型在重庆市能源消耗量预测中的应用

能源是人类赖以生存和发展的重要物质基础,对经济的快速发展和人们生活水平的大幅度提高起着无可取代的作用,随着经济的发展人们对能源的需求日益增多,由于地球上的资源是有限的,对未来能源消耗量的准确预测显得尤为重要;运用ARIMA模型对《2013重庆市统计年鉴》中重庆市1981-2012年能源消耗量数据进行分析,结果显示:ARIMA(2,3,2)模型预测未来的结果较为准确,为重庆市资源消耗量提供了可靠的依据。     

浅谈我国银行同业拆借市场

银行同业拆借市场不仅是金融机构短期融资的重要渠道，也是中央银行制定和实施贷币政策的重要载体。因此，探讨我国银行同业拆借市场的发展及其存在的问题有着重要的意义。本文首先介绍了同业拆借市场的概念及产生原因，然后回顾了我国银行同业拆借市场的发展历程，最后着重分析了其运作过程中存在的问题。     

ARIMA模型在太原市全社会固定资产投资预测中的应用

采用Eviews软件系统中的时间序列建模方法对太原市的固定资产投资总额资料进行了分析，建立了ARIMA模型。结果显示ARIMA（2，1，3）模型提供了较准确的预测效果，可用于未来的预测，为太原市全社会固定资产投资的预测提供了一种方便实用的方法。     

我国同业拆借市场的时序研究——基于Vasicek模型

同业拆借利率是我国金融市场的主要利率。为了更好的描述我国短期利率的动态特性,本文以我国同业拆借利率作为研究对象,构造了我国同业拆借利率期限结构的基础模型。本文首先通过马尔科夫链蒙特卡罗法对Vasicek模型进行参数估计,并对模型的拟合效果进行分析。然后采用时间序列模型对我国的同业拆借市场中的七日同业拆借利率进行实证研究,得出了我国银行同业拆借市场利率数据序列整体较为平稳的结论,这也说明了其均值回复现象较显著。最后,通过检验发现同业拆借利率的样本内预测存在明显的ARCH效应,样本外预测的研究表明其不存在ARCH效应,由样本内预测建立的GARCH(1,1)模型的拟合效果较好。     

季节ARIMA模型在我国肺结核发病率预测中的应用

目的探讨应用季节ARIMA模型对我国肺结核发病率进行预测的可行性.方法对我国2005年1月-2010年12月肺结核逐月发病率建立季节ARIMA模型,并对预测效果进行评价.结果 ARIMA（3,1,0）×（0,1,1）12模型很好地拟合了既往数据,对2011年1月-9月发病率的预测值符合实际发病率变动趋势.结论季节ARIMA模型能很好地模拟我国肺结核发病率的变动趋势,将其应用于肺结核发病率预测是可行的.     

同业拆借利率与上市公司资本结构的协整分析

利用协整理论对中国3个月期同业拆借利率与上市公司资本结构之间的关系进行了分析.首先采用ADF检验法发现同业拆借利率和资本结构序列均为2阶单整.然后采用Engel-Granger两步法进行协整检验,结果表明同业拆借利率与资本结构之间存在长期稳定的关系.Granger因果检验则表明资产负债率受利率因素的影响.     

ARIMA模型在河南全社会固定资产投资预测中的应用

采用求和自回归移动平均模型(ARIMA),对《新中国五十年统计资料汇编》及《2006年河南省统计年鉴》提供的河南省全社会固定资产投资额数据进行分析.结果显示,ARIMA(1,1,5)提供了较为准确的预测结果,此模型可为河南省全社会固定资产投资提供可靠的参考数据.     

乘积ARIMA模型的建立及应用

ARIMA模型作为统计预测中的一种重要模型,被广泛运用于各个领域中。本文在非季节性及季节性ARIMA模型的基础上介绍了乘积ARIMA模型的一般表达式,提供了建立这类模型及使用其进行预报的一般过程,并以某超市月顾客量数据进行了实例分析。分析结果表明,当一时间序列不仅含有季节性成分,还混有非季节性成分时,用乘积ARIMA模型的预测精度较高。但该模型只适用于短期预测。     

基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数,建立了基于ARIMA的物价指数预测模型。实验结果表明,该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内,因此该模型拟合效果较好,预测值接近实际值。最后,应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

基于ARIMA模型的全国电视收视率实证分析

现代电视媒体经营中,要想在日益完善的经济竞争机制中增加收益,对于电视媒体来说至关重要,本文通过对全国样本城市的收视率数据进行了周一至周日的走势分析,并在走势相同的情况下对周四的收视率进行了时间序列建模分析,在将原始非平稳序列经二阶差分后进行了ARIMA建模。     

基于ARIMA模型的风电场短期风速预测

目前,风力发电的并网规模越来越大,但是鉴于风力发电特有的间歇性和随机性的特点,难免会对电力系统的稳定运行和电能质量造成巨大影响,也就限制了风电的发展速度与规模。对风力发电场的风速进行中、长、短期的预测可以在一定程度上有效的解决该问题,依据风速序列的自相关性以及时序性,本文提出了一种基于时间序列分析的风电场短期风速预测ARIMA模型,重点讨论了建模的过程、模型的识别、模型的定阶和模型参数的估计。最后结合风电场实际,对比于持续法预测给出了相应的预测结果和误差分析,验证了所提出的ARIMA模型用于风电场风速预测的可行性。     

图书借阅预测的ARIMA乘积季节模型构建及实证分析

本文研究乘积季节模型在我校图书借阅预测中的应用,通过对我校2007年1月到2009年12月的月度图书借阅数据来进行实证分析,采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立了我校图书借阅的乘积季节预测模型ARIMA（4,1,1）（1,1,1）^12。对模型进行诊断检验,结果表明,用该乘积季节模型对我...     

ARIMA模型在股价预测上的应用及其傅里叶修正

ARIMA模型静态预测精确度较高,但是只能预测下一期的值,动态预测可以预测多期的值,但是不能很好的给出股价走势.现以股票价格走势为例,首先利用ARIMA模型动态的预测序列未来多期的值,再结合傅里叶级数预测法建立修正的预测模型,以得到较为准确的股价走势.