基于Box-Jenkins方法的中国年度GDP时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国1966-2006年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARMA模型,本文也通过模型对中国2007-2010的年度GDP进行了预测.模型实证分析的结果表明:在GDP时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

基于Box-Jenkins方法的银行业市盈率时间序列建模与预测

基于Box-Jenkins方法的时间序列分析技术,利用SPSS软件对平安银行市盈率数据进行时间序列分析,综合各种条件确定了最佳ARMA模型.最后利用所建模型对平安银行市盈率进行了预测.实证分析的结果表明:Box-Jenkins方法及其模型在银行业市盈率时间序列分析建模与预测方面,具有较高的精确度和可行性.     

中国民航货运量的时间序列模型

主要运用时间序列分析的方法及EViews与SPSS统计软件对时间序列建立乘积季节模型,并搜集了中国1993年1月～2000年12月的民航货运量数据,对其进行分析.根据Box-Jenkins的建模方法,建立了中国民航货运量的模型,并对模型进行适应性检验.同时通过比较预测数据与预留数据间的差别,表明模型较为合理.     

河流水质模拟预测的统计建模研究——以湟水河小峡桥断面为例

以湟水河国控断面—小峡桥为例,基于Box-Jenkins方法的时间序列分析技术,对2009~2012年主要污染物月度数据进行建模分析,验证了污染物数据的时间序列特性,研究并选择了这四个序列的最佳ARMA模型,本文也通过模型对2013年的水质进行了预测,并与实际数据加以比较检验。模型实证分析的结果表明:在河流水质模拟预测方面,ARMA模型是一种精度较高且切实有效的方法模型.     

中国股票A股市场随机游走模型的检验

本文简要介绍了金融市场有效性的概念和非稳定过程的形式和特点 .运用时间序列分析中的单位根检验的方法 ,对 2 0 0 0年度上海证券交易所和深圳证券交易所 A股指数的日收盘值进行了研究 .分析结果表明 ,两个市场 A股指数的数据生成过程遵从带漂移项的随机游走模型 ,由此得出中国股票 A股市场为一弱有效市场的结论 ,并为投资者提出了一些建设性的意见和建议 .     

基于改进的分形插值与SVM的股指预测模型

为了更好地分析和预测股指时间序列的短期变化趋势,提出了一种确定分形插值自由参数的新方法,由此建立了一个改进的分形插值模型,并将该模型与支持向量机模型相结合构造混合预测模型.经R/S分析可知上海证券综合指数的日收盘数据具有长程相关性,于是将混合预测模型用于分析和预测上海证券综合指数时间序列,发现混合预测模型较其他方法具有更好的拟合效果,且在短期预测方面有更高的预测精度.     

波罗的海干散货指数预测的非等间隔灰色波形预测方法

为提高对波罗的海干散货指数(BDI)预测的准确度,根据BDI指数这类波动幅度不规律的时间序列的特征,提出一种非等间隔的灰色波形预测方法,即应用分位数法选取非等间隔的等高线,并有选择地对等高时刻序列进行GM(1,1)建模.通过对BDI指数月数据的建模与预测表明,非等间隔的灰色波形预测方法较传统的灰色波形预测方法和ARMA(1,1)模型在预测精度和运算效率方面具有明显优势.     

沪深港股指时间序列协整关系变化研究

研究意义在于用时间序列协整理论分析证券市场间长期稳定的均衡关系.用沪深港证券市场每日收盘综指数据,将其指数形成的时间序列进行协整检验,分析三市场指数时间序列在香港回归前后协整关系的变化.分析表明:(1)三市场每日收盘指数时间序列存在部分协整关系,说明相关市场间有长期稳定的均衡关系;(2)用协整理论分析三市场间均衡关系的结论与实际较吻合;(3)与相关研究相比所选指数数据频率更高,时间段更长.     

我国制造业PMI指数与沪深两市股票价格综合指数的关系

采用自2005年1月至2013年04月的我国制造业采购经理人指数(PMI)数据与沪深两市股票价格综合指数数据,以2008年金融危机发生时间(9月)为分界线,分不同时间段对制造业PMI和沪深两市股票价格综合指数之间的关系分别进行了格兰杰因果关系检验.结果表明,如果不分段计量,股票综合指数是制造业PMI的格兰杰原因,且领先4个月时预测效果最佳;如果分段计量,则制造业PMI和上海证券综合指数的关系在金融危机前后得出的结论相反,而制造业PMI和深圳证券综合指数的关系在金融危机前后得出的结论相同.     

基于支持向量机的沪深300指数预测研究

基于沪深300股指时间序列的特点,提出了一种基于主成分分析和支持向量机相结合的方法,将影响沪深300股指的各个因子通过主成分法进行信息的提取,然后用支持向量回归机进行学习预测.最后通过比较预测值与真实值,发现所预测的10个时段的收盘价均方误差为2.11617,且由预测值和真实值对比的条形图发现预测趋势基本准确,可见运用支持向量机对沪深300指数进行预测是可行的.     

GPS定位误差分析与建模

目的研究ＧＰＳ（全球定位系统）定位误差数据的数学模型．方法采用时间序列方法对原始数据进行分析,用周期图法提取周期项误差,用波克斯－詹金斯方法对平衡随机序列建模．结果该模型可用来提高ＧＰＳ定位精度,结论ＧＰＳ定位误差数据属于非平衡时间序列,包括周期项序列和平衡随机项序列,其中周期项序列的最大隐含周期为１０ｍｉｎ,平稳随机项序列符合ＡＲ（１）模型．     

时间序列分析在粮食产量预测中的应用

出于对实际应用的考虑,在利用Box-Jenkins建模方法处理时间序列数据时,给出了一种新的基于先验信息的Bayes估值方法.由于此估值方法涉及到复杂的后验概率计算问题,所以本文给出了运用Gibbs抽样及SIR抽样算法来对后验概率进行计算的具体算法.其次,应用以上理论,对1949年至2009年的粮食产量数据进行分析,并...     

时间数列变异指标的计算

通过静态数列与时间数列的比较分析，提出了计算时间数列变异指标的可行性，详细说明了不同特征的时间数列变异指标的计算方法。     

Box-Jenkins

The accordant improving measures are researched after the characteristic of traditional Time Series Method of Box-Jenkins being discussed, which can not only ensure the stable requirements of the method to a time series, but can also mend upeffectively its forecasting accuracy.     

时间序列与主成分分析的结构损伤识别

提出一种基于AR模型均方根误差主成分分析的结构损伤识别方法.首先利用检测数据建立AR模型,求得模型的均方根误差,然后,采用主成分分析的方法获得主成分载荷矩阵,将此矩阵经过数据标准化处理得到结构损伤特征指标.通过比较结构不同状态下传感器获得的损伤特性指标,进行损伤定位.最后,基于美国Los Alamos实验室三层框架结构模型的损伤实验数据,利用本文方法和基于AR模型系数损伤定位的方法对该结构各种损伤状况进行识别.2种方法的对比研究表明采用本文的方法,通过主成分分析排除外界干扰因素,减少运算量,具有更高的损伤识别精度.     

Box-Jenkins法在广西GDP预测中的应用

利用Box-Jenkins方法对1950至2004年广西国内生产总值进行了分析,建立了ARIMA模型,检验结果表明该模型有较好的预测效果.并把广西全社会固定资产投资额作为回归项引入到ARIMA模型中,由此建立了ARIMAX模型,从而进一步提高了模型的预测效果.     

基于时间序列模型的青藏铁路路基变形预测

为分析青藏铁路路基高程不规则变形,通过建立高程—时间响应模型,基于Box-Jenkins建模方法,确定时间序列模型阶数,根据AIC准则,选取适合的时间序列模型,最后给出批量预测全部路基测点高程的算法步骤。研究了青藏铁路路基高程随时间变形规律问题。结果表明：以2010年—2018年每月青藏铁路K1425+050处左侧路基高程数据为例,建立了ARMA(2,1,1)模型,并以2019年数据作为验证集,模型通过了模型适应性检验,证明了模型的有效性和准确性;总结了青藏铁路沿线各测点至2023年12月预测值中可能出现重大变形以及测点左右两侧路基高程差值出现较大差值的10个危险点;在测点K1476+600附近,路基两侧出现明显长距离的差异。可见本模型能准确预测青藏铁路路基高程的变化,对于工程养护维修具有一定借鉴意义。     

中国居民消费价格指数的ARIMA预测模型

本文将2009年1月至2014年12月期间的中国居民消费价格总指数进行了分析,对序列进行了季节性检验和季节性调整,通过计算季节指数,利用时间序列图以及ADF检验方法检验了调整后序列的平稳性,得到了居民消费价格总指数的ARIMA模型.最后分别对CPI进行静态预测和动态预测,将预测结果乘以季节指数将预测结果还原,得到了较为满意的结果.