基于阈值惩罚自回归模型的消费者信心指数的统计研究

介绍了阈值自回归模型,通过加入惩罚达到自回归定阶,并给出了相应算法,不仅能选出自回归参数,而且能估计阈值点.模拟研究发现,带有惩罚的阈值自回归模型的估计效果更好.实证选取了我国2011—2018年消费者信心指数的经济数据,通过阈值自回归模型和阈值惩罚自回归模型计算得到消费者信心指数的阈值点均为106,即消费者信心指数在106处存在变点,说明消费者趋于乐观状态.     

中国消费者信心与消费之间的实证研究

基于2006~2013年的季度数据,运用格兰杰关系检验和协整检验分析了消费者信心与消费之间的关系。研究结果表明,消费者信心不是消费的格兰杰原因,而消费确是消费者信心指数与满意指数的格兰杰原因;消费和消费者信心之间存在长期的均衡关系,消费者信心对当期消费具有正向的影响。     

上海证券交易所Ａ股市场的波动性分析

运用主要的三种条件异方差模型：ARCH、GARCH、EGARCH模型，对上海证券交易所A股指数的波动性进行拟合，分析模型对上证A股指数收益的波动性、杠杆效应的拟合情况，比较不 同模型对未来波动性的预测情况。实证分析结果表明：EGARCH模型比较适合对我国股票市场 波动性作长期预测，若假设收益序列服从t分布，由此改进的EGARCH-T模型会得到比正态分 布下更好的拟合与预测效果。     

基于遗传算法的大学生就业信心指数组合预测

大学生的就业信心指数的变化趋势,可作为高校制定学生工作计划、应对当前就业形势压力的参考依据,信心指数预测结果的准确性直接关系到政策制定与实施的效果。在分析自回归、神经网络及灰色系统等单预测模型的优点与不足基础上,提出综合利用各单模型预测信息的组合预测思路,构建基于遗传算法和信息熵求解单模型权重的组合预测模型。预测结果显示,组合预测模型在拟合期的表现与神经网络模型接近,优于其它两种模型;在预测期远超过其它模型的预测效果。组合预测模型的拟合性能和泛化性能优越,预测信息可作为高校制定相关政策时的重要参考依据。     

美国消费者信心指数降至六个月新低

正美国密歇根大学近日公布的一项调查显示,由于担心美国政府的关税举措对经济造成负面影响,7月初美国消费者信心指数降至六个月新低。调查显示,7月密歇根大学消费者信心指数初值为97.1,低于经济学家的预期,为2月以来最低水平。其中,反映消费者当前开支状况的分项指标从6月的116.5降至113.9,反映消费者未来开支预期的分项指标从6月的86.3升至86.4。负责这项调查的经济学家     

基于AHP的大学生就业信心指数组合预测

大学生就业信心指数预测结果的准确性关系到就业政策的制定与实施的效果.提出综合利用各单模型预测信息的组合预测思路,采用层次分析法确定单模型的权重值,构建组合预测模型.结果显示,组合预测模型在拟合期的表现与神经网络模型接近,优于其他两种模型;在预测期远超过其他模型的预测效果.组合预测模型的拟合性能和泛化性能优越,预测信息可作为高校制定相关政策时的重要参考依据.     

灰色模型在网络舆情预测研究中的应用

针对网络舆情的非线性和灰色性等特征,建立有效的预测模型并及时预测与控制舆情的演化,对社会的稳定具有重要意义。选择统计结果较为客观和准确的百度指数作为舆情预测的时间序列指标,并利用GM(1,1)模型和灰色Verhulst模型对热门事件"IG夺冠"的百度指数进行预测和比较,最终的仿真结果表明GM(1,1)模型的拟合程度相对较好,更适合网络舆情的预测。     

GM(1,1)模型和Verhulst模型在人口预测中的应用

为提高我国人口预测模型的预测精度,分析了GM(1,1)和Verhulst预测模型的特点,并分别利用GM(1,1)和Verhulst模型对我国人口的变化情况进行了预测,发现灰色Verhulst模型有更高的预测精度和可靠性,更适合于我国人口的预测.     

基于遗传模拟退火三次指数平滑模型的中药材价格预测研究

目的基于遗传算法与模拟退火算法相结合建立新的平滑指数模型,以亳州中药白芍为例对亳州中药材价格进行预测和实证分析。首先利用遗传算法对种群进行优化,通过基因的遗传、选择、交叉和变异逐渐产生近似最佳解,在利用模拟退火算法对其进行修正,得到最佳平滑参数值,建立新的指数平滑模型,运用建立的遗传模拟退火三次指数平滑模型对亳州白芍的价格进行预测。结果表明对于中药材价格随着时间的推移,价格具有非线性等因素,通过遗传模拟退火方法可以得到最佳的平滑参数值,为指数平滑预测的价格与实际价格相差较小,说明建立的遗传模拟退火三次指数平滑模型具有一定的准确性。遗传模拟退火三次指数平滑模型适合药材价格的预测,能够为市场和政府部门对市场的中药材价格调控起到的决策指导作用。     

基于NAR模型的商品零售价格指数预测研究

基于样条估计理论,建立了我国商品零售价格指数的NAR预测模型.并应用此模型对我国2004-2007年的价格指数进行了预测分析,结果表明:相对于传统的ARMA模型而言,NAR模型能够更好地捕获我国社会商品零售价格指数的非线性特征,预测精度较高.     

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...     

交通流的季节ARIMA模型与预报

使用季节ARIMA模型对交通流进行建模及预报为高速公路交通状况分析、道路设施建设、公路效益评价及控制策略设计等提供了一种可靠的方法和途径。介绍了具有周期的季节ARIMA模型的一般表达方式，并提供了使用这一模型进行建模和预报的一般过程。最后以某高速公路的实测数据为例，进行实证分析，得到了72步的长期预报结果，其相对误差为0．13。     

乘积季节模型在商品房市场中的应用研究

主要采用时间序列乘积季节模型(随机季节模型与ARIMA模型的结合式)及多元统计方法,对商品房市场的发展规律进行了研究.通过对合肥市2001年至2005年60个月份的月度商品房销售面积进行实证分析,建立了一个商品房市场销售规律的统计预测模型ARIMA(0,1,1)×(0,1,1)12,并对该模型进行适应性检验,得到较好的结果.最后,利用该模型对该市的房地产发展趋势进行了预测.     

国内工业生产总值的时间序列模型研究

选择非季节模型、季节模型、乘积季节模型,在SPSS系统下,采集2000年7月到2006年12月国内工业生产总值的原始数据进行分析找出其特征,从模型识别、参数估计、适应性检验和实际拟合4个方面来确定最符合国内工业生产总值发展规律的时间序列模型.分析结果表明,季节模型、乘积季节模型的Q值都小于相应的χ02.05(M)值,而非季节模型相反;乘积季节模型对2006年各个月份国内工业生产总值的预测值与实际值的平均相对误差低于季节性模型,预测值与实际值拟合最好.乘积季节模型最符合国内工业生产总值的发展规律,对各大中型企业和国家相关部门统一规划有较大的参考价值.     

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。     

季节性变动影响下的上海港集装箱吞吐量预测

港口吞吐量精准预测对于每一个港口的成功经营和有效决策都十分重要.季节性波动经常会影响港口吞吐量,为了更为准确地预测上海港口集装箱吞吐量,本文选取2007年至2012年上海港母港集装箱吞吐量的月度数据,并对于港口集装箱吞吐量的月度数据中出现的季节性波动进行了处理,采用季节时间序列模型对其进行预测.为了说明方法的有效性,以同样的数据,使用整自回归移动平均模型对上海港集装箱吞吐量进行预测.两种方法预测结果进行对比发现,利用季节时间序列模型对港口集装箱吞吐量季节性进行处理,能够提高港口集装箱吞吐量的预测精度.     

基于季节ARIMA模型的电力负荷建模与预报

电力负荷是影响电网寿命和可靠度的一个重要因素，将季节ARIMA模型引入电力负荷的建模及预报，为电力资源分配的宏观调控及电网改造提供了一种可靠的方法和途径，文中用频谱分析的方法检验电力负荷的季节性并求出一个周期；介绍了具有一个周期的季节ARIMA模型的一般表达方式，并给出进行建模及预报的一般过程，以天津市华苑小区的电力负荷为例，进行了季节ARIMA模型的建模及预报。     

民航客运量的ARIMA模型与预测

介绍了求和自回归移动平均(ARIMA)模型的一般表达方式,并提供了使用该模型进行建模和预报的一般过程,最后以某条航线的实测数据为例,进行实证分析,得到了8步的短期预报结果,其相对误差为0．08．     

变风量空调系统新风量的实时预测

在多区域变风量（Variable Air Volume，VAV）空调系统的新风控制中，现行的控制方案不可避免地遇到困难，使用预测的方法来实施前馈控制，对可能出现的扰动提前作出补偿将有可能改善目前多区域VAV空调系统的新风控制问题，ARIMA模型可以较准确地预测非稳态随机过程的时间序列，以季节性ARIMA模型为预测模型，在利用CO2浓度检测室内人数的基础上，对一大楼中各区域的新风要求进行了预测，结果表明，季节性的ARIMA模型可以很好地满足空调系统新风预测的要求。