基于ARMA模型的股票开盘价分析及预测

以建设银行2018年1月2日至2019年12月26日的每个股票交易日开盘价的时间序列为研究对象，通过差分方法对原始序列进行平稳化处理，再采用AIC和HQ最小准则确定原始序列所满足的ARIMA模型.为了检验该模型的效果，利用模型对建设银行短期的股票开盘价进行预测，结果表明预测值与实际值较吻合，短期误差较小.     

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．     

无线传感器网络中响应查询的 ARMA模型及预测

无线传感器网络是当前国际上备受关注的、由多学科高度交叉的新兴前沿研究热点领域之一,由于传感器节点能量通常不可补充,能源消耗是其中一个十分重要的问题．提出了在传感器网络中利用ARMA模型以对未来进行预测,该方法可以在传感器节点上使用,由于对数据进行了聚合,有效降低了通讯消耗;同时它还可以在sink节点上使用,因而具有广泛适用性．     

图模型方法及ARMA模型检验

应用图模型方法来研究时间序列中的因果关系,并以ARMA(1,1)时间序列为例作了说明.将ARMA模型表示成混合图,证明了ARMA模型的系数就是在移去了时间序列中其他成员的线性效应后的偏相关系数.这样就可运用通常的图模型推断算法来做参数估计和预测.与传统的对ARMA模型的检验法相比较,该方法既直观又易于计算.     

ARMA模型参数估计的格林函数法

论文根据一个适当高阶的AR模型可与一个ARMA模型等价的原理,推导了以格林函数为中间变量,建立ARMA模型的线性方法。用此方法对太阳黑子数据进行计算,所得的模型参数,与用非线性最小二乘方法的结果近似,且较用逆函数算出的参数精度高。实践证明这一方法在一定条件下足可行的。运用这一方法建立自回归滑动平均模型,可避免采用非线性最小二乘方法,只需进行很少几次的线性最小二乘便可建模,较传统方法,可大大减少运算工作盛,并便于在微机上推广应用。     

多元ARMA模型的唯一性

本文针对多元ARMA模型形式的不唯一性，给出了一个限制条件，使得多元ARMA模型的形式具有了唯一性．     

ARMA模型离群值的识别

给出了ＡＲＭＡ模型中离群值的一种估计方法与计算步骤，对若干组数据进行了验证的表明，所给方法行之有效。     

ARMA算法在GDP预测中的应用

从时间序列的基本概念出发,应用时间序列模型ARMA,对北京市人均GDP建立ARMA模型.应用ARMA模型对2009年GDP值进行预测,其预测值与实际值拟和较好;在此基础上,预测了2010年至2014年北京市人均GDP值.     

一类非参数的ARMA模型

用任意的一元函数代替常数作为线性自回归滑动平均(ARMA)模型中自回归项的系数,提出并研究一类新的非参数ARMA模型.首先研究该模型的概率性质,获得了该模型的平稳性条件.分别用局域线性回归和全局的最小二乘方法估计模型中的函数系数和参数,在函数系数的局域线性估计中,推广了一个GCV准则以选择最优的窗宽.为了检验特殊的参数化模型是否已经足够描述实际数据的动态结构,提出了一个Bootstrap检验方法.随机仿真的例子表明本文的估计和检验方法是正确的和可行性的.进一步,用该模型成功地分析了一个实际数据集.     

基于ARMA模型的振动信号建模与预测

振动信号是反映系统故障的重要信息,预测振动信号的趋势是系统状态监测与故障诊断中的一个重要内容。本文提出了一种采用时间序列模型来分析和预测非线性随机振动信号的方法,建立了描述振动信号的数学模型。首先将现场测得的非平稳振动信号转化成标准正态平稳时间序列,然后利用这些参考信号建立时间序列模型,并采用非线性最小二乘法进行模型参数估计,最后利用该模型对信号进行预测。应用结果表明该模型能够很好地拟合振动信号时间序列,并取得了一定的预测精度,可以达到预测要求。     

应用系统建模法对南海某舰面温度的建模及预报

在系统建模理论的基础上,运用改进的动态数据建模法,对南海某舰面温度数据进行了建模,并通过模型的适用性检验发现,ARMA(6,5)模型是最合适的,根据建立的模型利用条件期望法进行预报,结果与原始数据接近得很好。所有的建模和分析过程均在MATLAB上实现。     

基于ARMA模型对恒生指数的实证分析

利用ARMA模型对恒生指数(HSI)的走势进行研究,并用Eviews软件对其预测分析,得出恒生指数(HSI)走势变化的预测误差.     

多传感器ARMA信号观测融合Wiener滤波器

利用现代时间序列分析方法,基于ARMA新息模型,提出了多传感器加权观测融合Wiener信号滤波器.可统一处理信号融合预报、滤波和平滑问题.同集中式观测融合方法和分布式状态融合方法相比,不仅可得到全局最优Wiener信号滤波器,而且可显著地减小计算负担,便于实时应用.一个两传感器位置跟踪系统的仿真例子说明其有效性.     

沪深A股综合指数的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,对中国沪、深A股综合指数的2000～2009年月收盘数据序列进行建模分析,验证了沪、深A股综合指数月收盘数据的时间序列特性,研究并选择了这两个序列的最佳ARMA模型,本文也通过模型对2010年的综合指数进行了预测.模型实证分析的结果表明：在股市综合指数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ARMA模型的股票开盘价分析及预测

以建设银行2018年1月2日至2019年12月26日的每个股票交易日开盘价的时间序列为研究对象,通过差分方法对原始序列进行平稳化处理,再采用AIC和HQ最小准则确定原始序列所满足的ARIMA模型.为了检验该模型的效果,利用模型对建设银行短期的股票开盘价进行预测,结果表明预测值与实际值较吻合,短期误差较小.