汇率波动中ARIMA模型分析

本文对2005年6月汇受后人民币／美元汇率的变化趋势进行分析,建立ABIMA模型,误差分析表明该模型具有较好的预测效果,可以为分析人民币／美元汇率变化趋势提供参考。     

汇率波动下门限自回归模型的适应性研究

针对汇率变化的非线性特征,采用非线性门限自回归模型对汇改后人民币/美元汇率的变化趋势进行分析,并与传统的线性时间序列模型结果进行比较,结果表明,非线性门限自回归模型精度较高.     

人民币汇率的ARIMA模型的预测

本文在简要介绍时间序列模型的基础上,使用美元/人民币的日汇率值进行实证研究,建立相应的ARIMA模型。并试图将此模型应用于汇率的短期预测,并对其预测效果进行评价。     

基于ARMA模型的汇率走势预测及在商业银行外汇理财业务中的应用

汇率的变动,将对金融机构的外汇管理业务造成直接影响．由于影响汇率及其波动幅度的因素十分复杂,汇率波动频率较高,对汇率进行准确预测一直是一项十分困难的工作．近年来,ARMA模型开始被广泛地用于对变动频率较高的金融时间序列建模,它能较好地抓住此类时间序列的动态特征．以人民币汇率变动的历史数据为样本,通过建立MA（2）模型对未来的人民币汇率变动进行预测,以解决其在商业银行外汇理财业务中的应用问题．     

基于Volterra-Wiener-Korenberg模型的亚洲6种汇率非线性特征研究

基于Volterra-Wiener-Korenberg(VWK)模型非线性检验方法对亚洲6种汇率时间序列进行了非线性动力学特征研究,并结合替代数据分析检验了该方法在汇率时间序列领域统计结果的有效性.结果表明通过比较原始数据和基于原始数据所产生的替代数据之间的差异度,零假设在95%置信度范围内被拒绝,基于VWK模型非线性检验方法能够有效地检验出6种汇率的非线性特征,且这6种汇率呈现出内在的确定性非线性结构.     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上,使用人民币／美元的日汇率值进行实证研究,建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明,EGARCH模型的预测结果较ARIMA模型理想,适合描述人民币／美元汇率的变动趋势。     

果蔬机器人采摘中基于改进SDD模型的目标自动化识别研究

为了提高果蔬机器人采摘的识别准确率,利用SDD网络进行实时检测。对基础网络的构造和检测层默认框进行改进,增加卷积层数量,减少计算参数,使其利于对不同尺度的果蔬进行识别,得到基于改进SDD模型的目标自动化识别框架。分析激活函数,发现Relu函数具有更快的收敛速度,利用Relu函数进行激活操作,并对训练结果进行分析,结果表明,改进后的SDD模型具有更快的收敛速度;当置信度为0.45时,改进后的SDD模型具有较理想的准确率、召回率、FI值和IOU值,可以满足果蔬机器人采摘的识别要求。     

基于时间序列手势轮廓模型的动态手势识别

针对动态手势在时间尺度上的多变性和复杂性,提出了一种动态手势识别框架.该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像,获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像,并将这些图像用于构成动态手势轮廓模型库,在此模型库基础上,利用相关信息方法和改进的动态时间规整方法完成动态手势的识别.实验结果表明,文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性,改进的动态时间规整方法较传统方法具有更高的识别率.     

旅游客流量预测的模糊时间序列模型--以黄山风景区为例

以黄山风景区1979－2004年的年度旅游人数数据为训练集,运用模糊聚类算法客观地分割论域,然后建立了一种模糊时间序列的加权模型以充分利用观测样本的初始信息。通过对传统的模糊时间序列模型与基于模糊聚类算法的加权模糊时间序列模型两种预测结果均方误差的比较,可见基于模糊聚类算法的加权模糊时间序列模型不但具有更高的预测精度而且也具有更好的稳定性。     

地方国库现金流预测研究——以延安市为例

以延安市为例,通过分析市本级国库现金流特征,选择时间序列预测方法,以2008-2011年的月度数据为样本,利用ARMA模型对2012年1-6月的收支存数据进行短期预测.并结合现金流实际数据与当前经济形势探讨误差产生的原因,并提出相应对策以提高预测精度,进而为地方国库现金管理提供有效依据.     

基于小波包变换的时间序列模型模态参数识别

提出了基于小波包变换的时间序列模型结构模态参数识别方法.该方法以线性的离散时间序列方程为基础,对结构的振动响应数据进行小波包变换分解,利用小波包函数的正交特性,建立量测点间的离散化运动方程,最后利用该离散化运动方程的系数矩阵,估算结构的模态参数(自振频率、阻尼比与振型).用数值模拟算例对此方法进行了验证,并与随机子空间识别方法结果进行了比较.结果表明,该方法可以正确地识别出结构的模态参数.     

粮食作物产量的分析与预测——以广东省为例

本文采用时间序列分析方法对广东省1978-2010年的粮食作物产量数据进行序列拟合,建立相应的时间序列模型,并以此模型对该列数据进行未来5年的预测,可以为粮食作物产量数据的分析、预测提供一种参考资料。     

汇率时间序列多重分形特征分析及实证研究

选用5种主要货币兑美元的日汇率数据,借助配分函数分布图判定汇率时间序列存在多重分形特征,并在此基础上借助多重分形谱对汇率时序描述多重分形特征,将多重分形理论应用于金融市场,不仅为认识金融市场本质特征提供新的理论依据,并且为机构与个人的金融投资和金融风险防范以及政府对金融市场的有效干预提供新的参考工具。     

利用时序分析方法识别模态参数的研究

本文对时间序列分析方法识别模态参数进行了研究。重点介绍了ARMA和ARMAV模型识别模态参数的原理,并用大量模拟实验检验了两种模型在分离模态、不同信噪比、大阻尼、密集模态等复杂情况下识别模态参数的能力,从结果可以看出ARMAV模型是一种有效的识别方法。     

SARIMA时序分析在税收预测中的应用——以贵州省为例

随着我国国民经济的飞速发展,每年的税收收入也在稳步增长,税收收入已成为我国财政收入的主要来源.税收作为国家宏观经济调控的一种主要手段,可以指导生产要素的流转以及资源的合理配置,从而使生产力布局更合理.地方税收分析对掌握地方税收与经济的关系具有重要意义.进行税收收入的精确预测能为市场经济的宏观调控提供科学依据.本研究采用时间序列的SARIMA模型对税收收入进行建模预测,通过计算预测值与真实值的平均绝对百分比误差和均方根误差对模型进行评估,结果表明该模型有较好的预测度.     

表面粗糙度在线识别的理论与实践

工件表面粗糙度,反映了加工设备的动态特性。通过观察加工中工件表面粗糙度的变化,可以用作在线识别设备工况的一种手段。根据时间序列分析理论所建立的系统的等价模型,是建立在输出等价原则上的,可以不管输入和输出的因果关系。所建模型能随时间的推移具有某些统计特性,能用于在线识别。对于自回归AR(n)时序模型的建模过程、模型阶次的确定、评定所建模型的适用性及被识别系统工况的特征参数均进行了讨论,试验结果证明,所建模型能快速、准确判别设备工况变化,达到了在线识别的目的。     

时序与主成分分析的钢框架模型损伤识别研究

针对结构健康监测中基于时间序列分析实现损伤识别的问题,提出了一种利用AR模型的均方差根误差(RMSE)与主成分分析(PCA)的结构损伤识别方法.首先对加速度数据建立自回归AR模型,并求得模型的均方根误差.然后,采用主成分分析获取载荷矩阵,通过标准化处理后提出结构损伤特征指标并定位损伤发生的位置.为验证本文提出方法的可行性,对不同损伤工况下的钢框架模型进行了振动试验,利用该方法对各种损伤状况进行识别,识别结果与预设损伤情况相一致.结果表明,使用该方法可以充分利用大量实测数据,克服外界干扰因素所带来的影响,对于结构的损伤诊断具有较高的理论价值和实用价值.     

ARMA模型在美元兑日元汇率的应用

ARMA模型是一种最常见的时间序列模型,它广泛的应用到各种金融行业.以美元兑日元的汇价为例,讨论ARMA模型在汇率变化的应用及汇价短期预测,希望为企业和投资者在进行相关决策时提供有益的参考.     

基于EGARCH模型的人民币汇率波动性研究

选取2005年7月21日至2010年5月14日间每个交易日的美元/人民币汇率中间价的高频数据作为样本数据,然后对样本数据进行平稳处理和ARCH效应检验,在满足GARCH建模条件下建立EGARCH(1,1)模型,实例检验和分析人民币汇率波动性.结果表明,2005年7月21日以来,人民币汇率收益率序列具有明显的尖峰厚尾特征...     

基于Swarch模型的人民币汇率分析

本文利用Swarch模型对人民币兑换美元汇率的波动性进行研究发现该模型在研究人民币汇率的波动性方面具有非常优良的性质。实证结果表明人民币汇率连续收益率的波动随着时间的推移有变剧烈的趋势,这恰好反映我国汇率市场逐步开放的宏观经济环境和汇率体制逐步调整的现状。