基于移动平均线改进的多元非线性回归模型

在技术分析中常用移动平均线预测股价未来走势,但普通移动平均线仅考虑收盘价和时间的关系,存在一定局限性,因此提出了对移动平均线的分步改进:第一步,用成交额对移动平均线进行加权,得到成交额加权的移动平均线VTMA;第二步,借鉴指数移动平均值的计算公式对第一步的公式进行改进,得到成交额加权的类指数平滑移动平均线VTEMA;第三步,对第二步用三角移动平均值的计算方法进行双重平滑得到DVTEMA.为了预测股票次日收盘价,建立基于DVTEMA、MACD、KDJ、RSI的多元非线性回归模型.     

基于Log-ARIMA的道路运行车速预测模型

道路运行车速预测是交通预测的难点,运行车速随交通条件的变化而变化,为提高道路运行车速预测精度,构建了自回归移动平均（ARIMA）时间序列模型,并结合实例对重庆市江北区红黄路早高峰小客车平均运行车速进行了预测。结果表明：相较于传统的线性回归、多项式拟合、指数拟合和模糊线性回归预测模型,ARIMA预测模型的平均绝对误差分别下降了19.1%,50%,6.5%和3.7%;另外,将原始序列取自然对数后再建立ARIMA的Log-ARIMA模型可进一步提高预测精度,预测绝对误差为5.21,与普通ARIMA模型比较,平均相对误差下降了29.9%。
     

基于Log-ARIMA的道路运行车速预测模型

道路运行车速预测是交通预测的难点,运行车速随交通条件的变化而变化,为提高道路运行车速预测精度,构建了自回归移动平均(ARIMA)时间序列模型,并结合实例对重庆市江北区红黄路早高峰小客车平均运行车速进行了预测。结果表明:相较于传统的线性回归、多项式拟合、指数拟合和模糊线性回归预测模型,ARIMA预测模型的平均绝对误差分别下降了19.1%,50%,6.5%和3.7%;另外,将原始序列取自然对数后再建立ARIMA的Log-ARIMA模型可进一步提高预测精度,预测绝对误差为5.21,与普通ARIMA模型比较,平均相对误差下降了29.9%。     

基于凸组合的移动平均线策略应用研究

鉴于随着市场有效性的增强,作为量化投资技术分析中重要指标之一的传统移动平均线策略逐渐失效。基于凸组合思路构建改进移动平均线策略,并给出了策略交易规则。对2005年10月17日-2017年12月31日的日收盘价数据进行不同日期参数的均线策略回测检验,结果表明：基于凸组合的移动平均线策略表现优于传统移动平均线策略,日期参数组合5~20的凸组合策略表现最好,基于凸组合的移动平均线策略具有较好的应用价值。     

缺失数据下空气质量预测的ARIMA乘法季节模型

以AQI指数作为评判空气质量状况的标准进行探究,对存在缺失值的AQI指数进行填充,经探究发现,填充后的AQI指数存在明显季节特征,提出在原ARIMA模型上加入季节特征,特征立ARIMA乘法季节模型.首先选东北四个城市进行实证分析,用均值法和缺失森林法对缺失数据进行填充,依据存在的季节特征分别建立适当的ARIMA乘法季节...     

高速公路月度交通量ARIMA预测模型

为避免传统预测方法误差率较大的缺陷,在考虑高速公路月度交通量季节性周期特点的基础上,构建了ARIMA预测模型,并对ARIMA模型识别、模型检验和模型预测进行了系统分析,并应用于某高速公路进行月度交通量预测。应用结果表明:模型预测综合误差率为5.45%,低于灰色模型35.43%的误差率,低于三次指数平滑法的5.65%误差率;ARIMA预测模型能更好地适应于高速公路月度交通量预测。     

组合模型对居民消费价格指数序列的分析及预测

求和自回归移动平均模型(简称ARIMA)及支持向量回归模型(简称SVR)是两个重要且行之有效的分析及预测时间序列的方法.他们都能在一定程度上反映数据所包含的信息且信息不会完全重叠.为了能够各取所长,本文用这两种模型的组合模型对居民消费指数(CPI)进行了预测,结果显示组合模型提高了指数的预测精度.     

基于ARIMA模型的福州市雷暴日趋势分析

在分析ARIMA(p,d,q)预测模型的基础上,以福州市1961-2006年的雷暴日为时间序列基础,通过对该序列进行平稳性分析、差分处理、自相关、偏自相关系数计算与绘图、ARIMA建模、参数估计、假设检验及模型预测,将ARIMA模型运用在雷暴日的趋势分析上.研究结果表明,ARIMA能很好地拟合计算出未来短时段内的数据,...     

矿井涌水量时间序列ARIMA预测模型

为对矿井涌水量进行准确预测,以矿井涌水量历史时序数据为基础,提出一种综合自回归移动平均模型.建模时首先需要对涌水量时间序列进行平稳化处理,根据拖尾、截尾情况及BIC数值初步确定一个模型,进行参数估计、假设检验,并作出必要调整,反复循环,直至获得较为满意的ARIMA模型.以东欢坨矿1991年1月到2014年4月月度涌水量进行实验分析,最终建立了ARIMA(1,1,1)预测模型,利用该模型进行预测,最大误差为2.1829%,最小误差仅为0.2885%,模型精度较高,能够很好地满足实际工程需要.研究结果表明:ARIMA模型对矿井涌水量短期预测是可行的.     

基于ARIMA建模的重庆市第三产业产值预测

随着经济的快速发展,第三产业的产值对经济的促进作用越发显得举足轻重,采取自回归求积移动平均法(ARIMA)模型在重庆市2013统计年鉴分析的基础上对第三产业的总值进行了ARIMA建模并进行预测,结果显示,ARIMA(1,2,2)模型对重庆第三产业产值提供了较为准确的预测结果,有较好的拟合程度,可用于未来的预测.     

时间序列分析在居民消费水平指数预测中的应用

该文利用SAS统计软件对我国1978-2009年的居民消费水平指数数据进行分析,分别建立了ARIMA模型和Auto-Regressive模型,并给出了反映各个模型拟合精度的AIC值和SBC值,进而确立了一个反映居民消费水平指数变化规律的较优模型.最后,利用该模型对2010年到2014年的全国居民消费水平指数进行了预测.结果表明ARIMA((2),2,0)模型在短期预测中达到了较高的精度.     

在线铁谱监测系统中的非平稳磨损趋势分析

在80组齿轮箱磨损试验数据基础上，以磨损严重度指数为参数，分析了磨损过程的非平稳性，并采用自回归—求和—滑动平均时间序列(ARIMA)模型对这个过程进行了趋势分析．通过差分算子和标准化的处理，将试验数据序列进行了平稳化处理，推导出描述非平稳磨损过程的ARIMA(4，1，1)模型的具体结构．结合齿轮磨损试验和Hodrick—Prescott滤子方法分析，发现这种算法的趋势分析精度比以前使用的算法提高了9．8％，而且实时性好，适合在线铁谱仪现场运行使用．     

联合经验正交分解和ARIMA模型的中国地区电离层短期预报

针对电离层垂直总电子含量(Vertical Total Electron Content,VTEC)具有非平稳和季节性变化的特性,结合经验正交分解(EOF)能够对非平稳时间序列进行简化和剔除冗余信息的优势,该文探索联合EOF和自回归移动平均模型(ARIMA)作为FOE-ARIMA,对中国地区电离层VTEC进行短期预报。采用IGS(International GNSS Service)中心提供的中国地区电离层格网数据(Global Ionospheric Maps,GIM),对不同季节前10天GIM数据进行EOF分解,使用ARIMA模型对主分量进行预报,通过重构获取未来5天VTEC值,并将EOF-ARIMA模型预报结果与ARIMA模型进行对比、分析。结果表明：EOF-ARIMA模型平均相对精度为83.3%,平均标准差为3.51 TECu,较ARIMA模型其平均相对精度提高了3.3%,平均标准差降低了0.16 TECu;EOF-ARIMA模型预测结果无明显季节差异,ARIMA模型秋季预报精度明显低于其它季节;EOF-ARIMA模型在赤道异常处预报精度未受影响。由此表明EOF-ARIMA模型在中国地区进行电离层短期预报具有较高的精度和稳定性。     

时间序列分析在我国财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及SAS实现.将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型.     

湖北省人均 GDP 的 ARIMA 模型及预测

介绍求和自回归移动平均模型ARIMA（p,d,q）的模型拟合方法,利用SAS统计软件实现模型的拟合。采用时间序列分析方法,对湖北省1978～2013年人均GDP的数据进行分析。通过对数据平稳性检验、模型参数检验、白噪声检验等分析,建立了ARIMA（1,1,0）时间序列模型,并对未来十年的湖北省人均GDP数据进行预报。     

我国居民消费价格指数时间序列预测——基于ARIMA模型的分析

CPI(居民消费价格指数)是反映与居民生活有关的商品以及劳务的价格变动指标,可以衡量一国通货膨胀程度。为把握我国居民消费价格指数的变动趋势,本文选取2009年1月至2017年4月CPI时间序列数据,采用时间序列分析的方法,对数据进行处理及ADF检验等方法分析CPI序列的特征,并选择自回归移动平均(ARIMA)模型对我国的居民消费价格指数数据进行建模预测,得出2017年5月CPI指数为101.8%,预计通货膨胀温和。     

ARIMA模型与指数平滑法对山东省GDP的实证分析

文借助Eviews6.0和Excel软件,建立了ARIMA(1,2,1)预测模型和三次指数平滑预测模型,对山东省1978年到2010年国内生产总值(GDP)数据进行分析,并对2011年到2013年的GDP进行预测。结果表明,ARIMA模型预测结果与真实值相比平均相对误差小,结果更为精确,基本符合事实。因此,选择ARIMA(1,2,1)模型作为最优模型为有关部门制定经济发展战略、经济发展规划提供重要依据。     

基于小波分析和ARIMA模型的交通流预测方法

针对实际交通系统时变复杂的特征和交通流变化的不确定性,应用小波分析理论,对原始交通数据进行了消噪处理,使消噪后的数据更能反映交通流的本质及变化规律;采用综合自回归移动平均(ARIMA)时间序列模型对交通流进行预测;并对实测交通数据进行验证分析.结果表明,该方法具有较高的预测精度,可用于交通流的实时动态预测.     

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.     

郑州市居民消费价格总指数的预测

借助SPSS软件,对郑州市2001.1-2006.9期间居民消费物价指数进行了分析,通过对比了ARIMA模型和带周期性的ARIMA模型对物价指数的预测效果,指出郑州市物价指数具有季节性和周期性特点,并预测了2006年第4季度郑州市的居民消费价格水平。