时间序列与证券价格周期

利用时间序列的隐周期理论,对证券价格的周期波动建立数学模型,并结合深、沪证券市场的指数数据进行分析,得到了指数波动的隐周期.结果表明,中国证券指数存在波动周期.     

时间序列与证券价格周期

利用时间序列的隐周期理论，对证券价格的周期波动建立数学模型，并结合深、沪证券市场的指数数据进行分析，得到了指数波动的周期，结果表明，中国证券指数存在波动周期。     

一种新的时间序列周期检测算法

提出了一种SJ周期检测算法,利用计算机虚拟了3个序列来评价SJ算法的可行性和需要改进的地方。将SJ算法应用到铁路客流量数据上,检测到客流量数据存在4、7和26的周期规律。     

基于时间序列与人工神经网络的房地产周期识别

房地产市场的发展存在明显的周期特性,对房地产周期进行识别有助于政府及其他市场参与者进行科学决策。利用时间序列分析对1992—2003年的北京房地产市场周期发展阶段进行判别研究,并将该判别结果作为训练样本,利用局部改进的标准BP人工神经网络构建了房地产周期识别模型。识别研究表明:2004年北京房地产市场处于收缩阶段,国家宏观政策对房地产市场的理性发展起到了积极的作用。     

极大熵谱在径流时间序列周期分析中的应用

针对年径流序列存在多年变化周期,但径流时间序列变化受诸多因素影响,存在着多种不确定性的情况,笔者采用极大熵谱分析来提取径流时间序列的周期成分,对黄河上游贵德站年径流时间序列进行周期分析,得出贵德站具有12.5,5.9,4和3年的主周期。结果证明该方法可行,同时其结论为研究径流预测提供了科学的依据。     

极大代数意义下矩阵的周期分析

该文首先引进“依位置是周期的”和“最小周期”的概念,不须附加任何条件,证明了矩阵为周期阵的充要条件是其标准形中主对角线上的元素：Ａｔ,Ｉ≤ｔ≤ω,若其特征值λｔ≠－∞,则相等,并进一步证明文＾「３」中的ｄ是Ａ为λ周期阵时的最小阶。证明过程可很容易地推广到一般情况,即可证任一矩阵都是多值周期阵。     

环境影响下水文时间序列分析及预测

本文采用水文时间序列模型ｘｔ＝Ｔｔ＋Ｐｔ＋Ｒｔ模拟实测水文过程．分析结果表明，人类活动 对趋势项Ｔｔ影响很大．而周期项Ｐｔ和随机项Ｒｔ则几乎没什么影响．在此基础上，根据Ｔｔ的变化 规律，作者对环境影响下的水文过程进行预测．     

符号化时间序列分析

对于符号化时间分析方法,给出了已知的国外应用状况和文献出处.对如何将时间序列转化为符号序列,即信号符号化问题,通过最简单的二进制划分及其配套图形作了简要说明.给出了二进制划分下符号树结构及其Shannon熵计算方法,讨论了时延τ、符号集大小Ns和树层数(符号序列长度)对Shannon熵等统计量的影响.叙述了符号序列编码方法和符号序列直方图的作用;提交了进行符号时间序列分析的计算机流程图.图5,参23.     

时间序列分析预测

将RFDE(Retarted Functional Differential Equation)和NFDE(Neutral Functional DifferentialEquation)引入到时间序列单元分析预测中,建立了RFDE和NFDE进行预测的理论基础和几个新的预测方法,并解决了其它一些预测方法难以解决的预测问题。     

时间序列分析系统设计

设计了时间序列分析系统,并介绍了该系统的组成模块及其功能,可以广泛用于经济、社会、信息等领域。     

用周期模型和近邻算法预测话务量时间序列

客服中心话务量虽然具有周期性,但在不同时间遵循不同变化规律,这是话务量预测的难点。针对这个问题,以某电信公司一年的实际话务数据为基础,分别采用周期模型和基于实例的近邻算法进行话务量时间序列预测,并对比分析了两种预测方法的效果。实验数据表明,对工作日话务量的预测,周期模型的预测效果优于近邻算法;对非工作日话务量的预测,近邻算法的预测效果优于周期模型。为取得更好的预测效果,实现了周期模型和近邻算法相结合的预测方法。结果表明,在最好的情况下,该方法的预测精度比周期模型提高约19.7%,比近邻算法提高约48.8%。     

基于周期异方差时间序列模型的中国猪肉价格分析与预测

本文以2002～2009年中国猪肉价格的季度时间序列为研究对象,通过描述性分析发现中国猪肉价格时间序列具有周期性和异方差性,据此建立了周期异方差的时间序列模型,并根据模型计算了未来两年中国猪肉价格的预测值.     

基于混沌不稳定周期方法的风速时间序列预测

结合相空间重构理论,针对具有混沌特性的风速时间序列提出一种基于不稳定周期的预测方法.采用互信息法计算给定时间序列的延迟时间参数,根据时间序列运行轨迹的重合度,构造不稳定周期优化函数.通过对该函数的优化计算,得到嵌入维数参数及最佳不稳定周期值.根据所得延迟时间和嵌入维数等参数对风速时间序列进行相空间重构.利用前一不稳定周期轨迹附近的数值实现对未来风速时间序列的预测分析.仿真实验结果表明,该方法能够有效提高风速时间序列的预测性能,并可实现风速序列的多步预测分析.与持续法等传统预测方法相比,当预测步长增加时,该方法具有更稳定的预测性能.     

混合周期自回归滑动平均时间序列的平稳性条件

为了描述周期时间序列中的偏倚和多峰现象,结合有限混合模型方法,将周期自回归滑动平均（Periodical Autoregression Moving Average——PARMA）模型推广,提出混合周期自回归滑动平均时间序列（MPARMA）模型,并讨论了MPARMA序列的一阶和二阶平稳性条件。     

周期卷积函数类的平均逼近与一致逼近

在周期卷积函数类的平均逼近与一致逼近中,对偶关系起着很重要的作用．文中给出了对偶关系成立的各种充分及必要条件．     

时间序列分析及其应用

本文介绍了目前时间序列分析的发展状况以及应用情况,对常见的几种趋势拟合及其预测方法进行了简要叙述。     

风速时间序列复杂度分析

为研究测风塔不同高度以及气象站实测逐时风速的复杂度,文中以山东一风电场为例,收集测风塔5个高度层及气象站同期的1年逐时风速数据,采用广义极值分布理论以及多尺度熵模型对不同高度不同时间长度序列的风速时间序列进行复杂度分析。结果表明,测风塔除10m高度外的风速数据更符合Frechet分布;而10m高度和气象站风速数据更符合Weibull分布;随着时间尺度的增大,不同高度风速数据的复杂度首先变高,在8～12h处样本熵达到最大值,然后复杂度逐渐降低。     

基于时间序列分析的火灾分析

本文首先应用时间序列分析法,以1997-2008年的火灾发生率数据为样本,建立时间序列模型,进行火灾趋势分析及提出控制时间和控制建议。     

东北地区GPS时间序列分析

介绍中国东北地区GNSS基准网的站点分布及地质背景,阐述了GNSS基准站时间序列周期特性的理论方法,重点分析了快速傅里叶变换、谱分析、小波分析等方法。通过对陆态网络东北地区GNSS基准站图像的分析及数据处理,得到了周年及半周年振幅值,从而分析出中国东北地区GNSS站各方位的周期特性。