ARMA模型
- 基于ARMA-GARCH組合模型的匯率波動(dòng)性預(yù)測(cè)
性檢驗(yàn)和ARMA模型建立證實(shí)了該序列的非隨機(jī)性質(zhì)，異方差性檢驗(yàn)確認(rèn)了波動(dòng)聚集性。研究采用GARCH、EGARCH和TGARCH模型對(duì)波動(dòng)率方程進(jìn)行擬合，結(jié)果顯示匯率存在杠桿效應(yīng)。最終，使用最佳擬合效果的EGARCH（1，2）模型對(duì)匯率序列進(jìn)行回測(cè)分析，并提出相關(guān)建議。關(guān)鍵詞：ARMA模型；GARCH族模型；杠桿效應(yīng)中圖分類號(hào)：TP391 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? 文章編號(hào)：2096-4706（2023）14-0129-05Exchange Rate Vo
現(xiàn)代信息科技 2023年14期2023-09-06
- 基于ARMA模型的新疆鐵路客運(yùn)量預(yù)測(cè)
如何通過ARMA模型對(duì)鐵路客運(yùn)量進(jìn)行定量預(yù)測(cè)。以新疆統(tǒng)計(jì)年鑒提供的新疆鐵路客運(yùn)量數(shù)據(jù)（1985—2018年）為基準(zhǔn)，對(duì)該時(shí)間序列進(jìn)行平穩(wěn)非白噪聲處理。結(jié)果顯示在置信區(qū)間合理范圍內(nèi)，ARMA（1，2，2）提供了比較準(zhǔn)確的預(yù)測(cè)結(jié)果，可用于對(duì)未來客運(yùn)量的預(yù)測(cè)，結(jié)合模型并對(duì)2019年新疆鐵路客運(yùn)量進(jìn)行預(yù)測(cè)，以期為新疆運(yùn)輸業(yè)的發(fā)展提供參考依據(jù)。關(guān)鍵詞：時(shí)間序列；ARMA模型；新疆；鐵路客運(yùn)量中圖分類號(hào)：F532 ? ? ? ?文獻(xiàn)標(biāo)志碼：A ? ? ?文章編號(hào)：16
經(jīng)濟(jì)研究導(dǎo)刊 2022年33期2022-05-30
- 新型冠狀病毒疫情下布倫特原油價(jià)格波動(dòng)研究
油價(jià)格;ARMA模型;TARCH模型;EARCH模型[DOI]10.13939/j.cnki.zgsc.2021.31.057從2020年1月以來，排除美伊沖突的影響，倫敦布倫特原油價(jià)格受新型冠狀病毒疫情的影響較大。從疫情的危險(xiǎn)性來看，新型冠狀病毒具有人與人之間的高傳染性，故需實(shí)行隔離措施，控制人員流動(dòng)，防止交叉感染。部分企業(yè)不完全復(fù)工，私家車出行減少，航空客運(yùn)班次減少，部分物流運(yùn)輸行業(yè)停工，工地基建項(xiàng)目停工，汽柴油的消費(fèi)受壓制，總之原油價(jià)格降低和原油需求
中國市場(chǎng) 2021年31期2021-12-30
- 基于時(shí)間序列模型的股票搭配方案策略研究
了相關(guān)的ARMA模型和預(yù)測(cè)模型，從而提供給客戶更加合理的選股方案并結(jié)合國內(nèi)市場(chǎng)具體情況提出了具體的建議和計(jì)算方法。關(guān)鍵詞：股票、時(shí)間序列模型、ARMA模型、最佳方案0 引言股票作為一種憑證，一種所有權(quán)公認(rèn)的憑證，所有的公司進(jìn)行發(fā)行股票的目的都是為了給公司籌集資金，也提供給股民相應(yīng)的報(bào)酬[1]。由于我國資本市場(chǎng)的發(fā)展和證券貿(mào)易額的增長(zhǎng)，近年來對(duì)證券市場(chǎng)的投資有所增加。從而導(dǎo)致市場(chǎng)的價(jià)格急劇波動(dòng)[4]，所以證券市場(chǎng)中市場(chǎng)價(jià)格是最重要的特性。因此，必須研究證券市
科學(xué)與生活 2021年18期2021-11-24
- 基于GARCH-X模型金融市場(chǎng)研究
融市場(chǎng)、ARMA模型、GARCH-X模型;引言在經(jīng)濟(jì)社會(huì)不斷發(fā)展的今天，還是會(huì)存在著許多人類需要傾其所有去抗衡的災(zāi)難，社會(huì)經(jīng)濟(jì)為之動(dòng)蕩，造成難以估計(jì)的損失，很多人的生存壓力也隨之而來的，間接對(duì)于金融市場(chǎng)造成沖擊也是可想而知的大，作為日常投資手段的金融市場(chǎng)是人們關(guān)注的一個(gè)重點(diǎn)的方向，很多研究都在研究市場(chǎng)的走向和未來，以此來幫助到我們的政府做出的決策更為高效有用，而人們由于趨利的本性對(duì)此也是樂此不疲的研究，希望可以獲得更大的收益，與之更小的風(fēng)險(xiǎn)，可以毫不客氣地
科技信息·學(xué)術(shù)版 2021年17期2021-11-22
- 新冠疫情對(duì)我國貿(mào)易的損失預(yù)測(cè)
要：采用ARMA模型對(duì)貿(mào)易進(jìn)出口總額、貨物貿(mào)易進(jìn)出口和服務(wù)貿(mào)易進(jìn)出口月度數(shù)據(jù)進(jìn)行建模，預(yù)測(cè)在沒有新冠疫情的情況各序列值，將預(yù)測(cè)值與實(shí)際發(fā)生值進(jìn)行比較，得到對(duì)外貿(mào)易與對(duì)外投資因疫情而產(chǎn)生的損失值。針對(duì)實(shí)證結(jié)果，建議通過積極的財(cái)政政策和擴(kuò)張的貨幣政策、加大減稅降費(fèi)力度彌補(bǔ)疫情對(duì)跨境貿(mào)易損失，增進(jìn)市場(chǎng)活力，推動(dòng)高質(zhì)量跨境服務(wù)貿(mào)易提高企業(yè)收益，彌補(bǔ)新冠疫情帶來的損失。關(guān)鍵詞：新冠疫情;ARMA模型;時(shí)間序列;貨物進(jìn)出口;跨境貿(mào)易;一、引言新冠肺炎的傳播對(duì)我國對(duì)外貿(mào)
商場(chǎng)現(xiàn)代化 2021年14期2021-09-22
- 基于供需匹配原則上的機(jī)場(chǎng)出租車問題
關(guān)鍵詞：ARMA模型;供需匹配;最大收益原則1.問題背景當(dāng)下航空業(yè)安全性把控逐漸增強(qiáng)，人們出行對(duì)于乘坐飛機(jī)的頻率不斷提高。但由于機(jī)場(chǎng)建設(shè)的需求導(dǎo)致機(jī)場(chǎng)遠(yuǎn)離市區(qū)，大多數(shù)乘客抵達(dá)機(jī)場(chǎng)再去往目的地時(shí)，出租車就成了主要的轉(zhuǎn)乘工具之一。當(dāng)出租車司機(jī)送客到機(jī)場(chǎng)時(shí)就會(huì)出現(xiàn)A、B兩種選擇方案，因此本文就出租車司機(jī)送客到機(jī)場(chǎng)后如何選擇收益更高這一問題展開研究。已知對(duì)于在某時(shí)間段抵達(dá)的航班數(shù)量和“蓄車池”里已有的車輛數(shù)都是司機(jī)可以觀測(cè)到的確定信息。2.問題分析及建模思路出租車
江蘇廣播電視報(bào)·新教育 2021年10期2021-09-10
- 減稅降費(fèi)在降低宏觀稅負(fù)方面的政策效果分析
通常采用ARMA模型的赤池信息準(zhǔn)則（AIC）。增加自由參數(shù)的數(shù)目提高了擬合的優(yōu)良性，AIC 鼓勵(lì)數(shù)據(jù)擬合的優(yōu)良性但是盡量避免出現(xiàn)過度擬合的情況，故優(yōu)先考慮 AIC 值小的模型。綜合考慮AIC、BIC和漢南-昆信息準(zhǔn)則（HQIC）參數(shù)，通過python可以得出 ARMA（1，0）的為最佳模型。即基礎(chǔ)1998-2017年數(shù)據(jù)的AR（1）模型表達(dá)式為：y't=0.1547+0.6209y't-13.5QQ圖通過QQ圖和python求出p值=1.785317175
商業(yè)2.0-市場(chǎng)與監(jiān)管 2021年7期2021-09-10
- 自相似流量的時(shí)間序列模型研究
于傳統(tǒng)的ARMA模型建模和計(jì)算復(fù)雜度較高，但是可以對(duì)非平穩(wěn)數(shù)據(jù)預(yù)測(cè)且受流量突發(fā)性影響較小，預(yù)測(cè)精準(zhǔn)度較高。關(guān)鍵詞：自相似性 ?流量預(yù)測(cè) ?ARMA模型 ?FARIMA模型中圖分類號(hào)：TP393 ? ? ? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1672-3791（2021）04（c）-0062-04Research on Time Series Model of Self Similar TrafficE Xiaochen ? LIU
科技資訊 2021年12期2021-08-09
- 基于CEEMDAN-ARMA模型的年徑流量預(yù)測(cè)研究
DAN-ARMA模型預(yù)測(cè)精度高于單一的ARIMA模型，利用CEEMDAN分解得到的IMF分量序列作為ARIMA模型的輸入數(shù)據(jù)可以提高模型的預(yù)測(cè)精度。關(guān)鍵詞：徑流預(yù)測(cè);CEEMDAN;ARMA模型;黃河源區(qū)中圖分類號(hào)：TV121;TV882.1文獻(xiàn)標(biāo)志碼：Adoi：10.3969/j.issn.1000-1379.2021.01.007引用格式：張金萍，許敏，張?chǎng)?，?基于CEEMDAN-ARMA模型的年徑流量預(yù)測(cè)研究[J].人民黃河，2021，43（1）：
人民黃河 2021年1期2021-03-03
- 基于ARMA模型的我國勞動(dòng)力供給潛力預(yù)測(cè)
本文運(yùn)用ARMA模型，借助Eviews軟件，對(duì)我國勞動(dòng)力供給進(jìn)行短期預(yù)測(cè)，發(fā)現(xiàn)勞動(dòng)力供給呈下降趨勢(shì)，未來可能出現(xiàn)勞動(dòng)力供需矛盾。Abstract： Labor is the main input factor of production factors. Labor is also an important source of economic development. The rate of future economic growth will be
價(jià)值工程 2020年32期2020-12-28
- 基于ARMA模型對(duì)我國金融機(jī)構(gòu)存款的預(yù)測(cè)研究
，再應(yīng)用ARMA模型進(jìn)行時(shí)間序列建模分析，對(duì)我國金融機(jī)構(gòu)存款進(jìn)行了比較準(zhǔn)確合理的短期預(yù)測(cè)，對(duì)宏觀經(jīng)濟(jì)政策調(diào)控、金融機(jī)構(gòu)進(jìn)行存款結(jié)構(gòu)調(diào)整、居民參與金融活動(dòng)選擇等具有一定的參考價(jià)值。關(guān)鍵詞：金融機(jī)構(gòu)存款? ARMA模型? OLS回歸模型? 預(yù)測(cè)一、引言隨著我國經(jīng)濟(jì)的快速發(fā)展，金融機(jī)構(gòu)存款也有了較快增長(zhǎng)。對(duì)于營利性金融機(jī)構(gòu)來說，存款業(yè)務(wù)是經(jīng)營的核心業(yè)務(wù)，是金融機(jī)構(gòu)增強(qiáng)自身的盈利能力、提升自身的區(qū)域影響力的先決條件和關(guān)鍵環(huán)節(jié)。從期限結(jié)構(gòu)看，活期存款的下降和各項(xiàng)存款
時(shí)代金融 2020年32期2020-12-07
- 基于ARMA模型的萊茵生物股票價(jià)格預(yù)測(cè)分析
軟件建立ARMA模型，通過分析檢驗(yàn)發(fā)現(xiàn)ARMA（3，3）模型是最優(yōu)擬合模型，研究表明長(zhǎng)期預(yù)測(cè)效果非常好，但最近幾期的預(yù)測(cè)準(zhǔn)確率不夠高，體現(xiàn)了ARMA模型只能做短期預(yù)測(cè)的缺點(diǎn)。關(guān)鍵詞：時(shí)間序列挖掘;ARMA模型;股票價(jià)格;預(yù)測(cè)自回歸移動(dòng)平均模型（即ARMA模型）對(duì)短期內(nèi)的股票價(jià)格有很好的預(yù)測(cè)效果，充分考慮了股票價(jià)格隨機(jī)波動(dòng)的干擾性。基于股票的歷史價(jià)格進(jìn)行ARMA模型的建立，能夠較好地掌握股票未來價(jià)格的短期走勢(shì)，對(duì)投資者把握股票的買賣時(shí)機(jī)有著積極的指導(dǎo)作用。深
現(xiàn)代經(jīng)濟(jì)信息 2020年24期2020-11-16
- 基于時(shí)間序列的中小板指數(shù)短期預(yù)測(cè)分析
了相應(yīng)的ARMA模型;其次，通過分析自相關(guān)圖和ADF檢驗(yàn)對(duì)所擬合的模型進(jìn)行分析對(duì)比，并對(duì)其進(jìn)行AIC準(zhǔn)則和SC準(zhǔn)則的檢驗(yàn)，找到了最優(yōu)的ARMA模型ARMA（2，2）;最后，得出中小板指數(shù)股價(jià)的發(fā)展趨勢(shì)呈上升狀態(tài)?！娟P(guān)鍵詞】中小板指數(shù)? 時(shí)間序列? ARMA模型? 短期預(yù)測(cè)一、引言中小板指數(shù)（399005）即中小企業(yè)板指數(shù)，指從深交所中小企業(yè)板上市交易的A股中選取的，具有代表性的股票。中小板指數(shù)將成為中小板投資者重要的參考工具，能夠反映市場(chǎng)的總體波動(dòng)特征，是
商情 2020年40期2020-10-20
- 滬港通開通對(duì)兩地市場(chǎng)波動(dòng)率的影響分析
所以建立ARMA模型得到均值方程，港市序列不自相關(guān)，設(shè)置均值為白噪聲。建模后認(rèn)為滬港通在一定置信水平下是證券市場(chǎng)波動(dòng)率發(fā)生變化的原因，且滬港通開通使得滬港兩市波動(dòng)率增大，使市場(chǎng)更加活躍。然后進(jìn)行格蘭杰因果檢驗(yàn)，證明到滬港兩市間確有聯(lián)動(dòng)性，即港市引導(dǎo)滬市變動(dòng)，港市變動(dòng)是滬市變動(dòng)的格蘭杰原因，但滬市變動(dòng)不是港市變動(dòng)的格蘭杰原因。[關(guān)鍵詞] 滬港通; 虛擬變量; ARMA模型; GARCH模型; 聯(lián)動(dòng)性[DOI]10.13939/j.cnki.zgsc.2020
中國市場(chǎng) 2020年25期2020-10-12
- 疫情影響下醫(yī)藥行業(yè)組合投資策略分析
均模型（ARMA模型）分析300醫(yī)藥指數(shù)收益率并對(duì)其進(jìn)行預(yù)測(cè)，結(jié)合實(shí)際醫(yī)藥行業(yè)在疫情爆發(fā)后的實(shí)際漲跌情況，認(rèn)為疫情爆發(fā)對(duì)于醫(yī)藥行業(yè)股價(jià)波動(dòng)有積極影響，構(gòu)建股票池，采用組合投資策略，在趨勢(shì)市場(chǎng)下使用移動(dòng)平均線策略（MACD策略），在小幅度震蕩市場(chǎng)下使用隨機(jī)指標(biāo)策略（KD策略），對(duì)組合進(jìn)行回測(cè)，發(fā)現(xiàn)其投資表現(xiàn)優(yōu)于300醫(yī)藥指數(shù)收益率，策略有效。關(guān)鍵詞：ARMA模型;組合投資;MACD策略;KD策略1.引言早在1993年，Dolley對(duì)美國股市研究發(fā)現(xiàn)，突發(fā)事件
商業(yè)2.0-市場(chǎng)與監(jiān)管 2020年12期2020-09-10
- 基于arma模型的全國消費(fèi)品零售總額的分析與預(yù)測(cè)
軟件使用ARMA模型進(jìn)行分析與預(yù)測(cè)。一、社會(huì)消費(fèi)品零售總額相關(guān)概念（一）社會(huì)消費(fèi)品零售總額的含義社會(huì)消費(fèi)品零售總額指批發(fā)和零售業(yè)、住宿和餐飲業(yè)以及其他行業(yè)直接售給城鄉(xiāng)居民和社會(huì)集團(tuán)的消費(fèi)品零售額。其中，對(duì)居民的消費(fèi)品零售額是指售予城鄉(xiāng)居民用于生活消費(fèi)的商品金額;對(duì)社會(huì)集團(tuán)的消費(fèi)品零售額是指售給機(jī)關(guān)、社會(huì)團(tuán)體、部隊(duì)、學(xué)校、企事業(yè)單位、居委會(huì)或村委會(huì)等，公款購買的用作非生產(chǎn)、非經(jīng)營使用與公共消費(fèi)的商品金額.社會(huì)消費(fèi)品零售總額包括：售給城鄉(xiāng)居民作為生活消論文范文
大眾科學(xué)·下旬 2020年3期2020-05-25
- 基于文本評(píng)論分析的電商銷售影響研究
以便通過ARMA模型研究這三種產(chǎn)品在過去十年中的受歡迎程度的變化趨勢(shì)，并繪制相應(yīng)的時(shí)間序列圖。此外，我們還通過Spearman相關(guān)系數(shù)探討了星級(jí)比率對(duì)后續(xù)評(píng)論的影響。在這里，我們強(qiáng)調(diào)關(guān)聯(lián)性和因果關(guān)系之間的差異。最后，我們研究了星級(jí)和評(píng)論等級(jí)之間的相關(guān)系數(shù)，發(fā)現(xiàn)兩者之間的相關(guān)性不顯著。關(guān)鍵詞：ARMA模型，文本評(píng)論，相關(guān)系數(shù)，電商銷售引言隨著信息技術(shù)的影響力不斷擴(kuò)大，基于網(wǎng)絡(luò)的口碑傳播在最近幾年迅速增長(zhǎng)。在線評(píng)論是口耳相傳的典型例子，它不僅可以有效地幫助客戶
- ARMA模型在LNG價(jià)格預(yù)測(cè)中的應(yīng)用
時(shí)間序列ARMA模型對(duì)LNG未來價(jià)格做出短期預(yù)測(cè)?！娟P(guān)鍵詞】LNG? 時(shí)間序列? 價(jià)格? ARMA模型一、引言在我國天然氣市場(chǎng)條件下，LNG價(jià)格受到很大的關(guān)注，對(duì)其價(jià)格進(jìn)行預(yù)測(cè)顯得尤為重要，一方面不但為天然氣市場(chǎng)參與者提供了一定的價(jià)格依據(jù)，使其提前做好相關(guān)決策，減少不必要的損失，另一方面也有利于天然氣市場(chǎng)的持續(xù)穩(wěn)定健康發(fā)展。由于長(zhǎng)期價(jià)格預(yù)測(cè)相對(duì)于短期預(yù)測(cè)而言，時(shí)間跨度太大，不能達(dá)到很好的預(yù)測(cè)效果，而且不確定性也會(huì)隨著預(yù)測(cè)時(shí)間的增加而增大，這使得預(yù)測(cè)難度變大
商情 2020年6期2020-04-08
- 基于FOA優(yōu)化ARMA預(yù)測(cè)模型研究
化算法;ARMA模型;水壓預(yù)測(cè);優(yōu)化由于樓宇內(nèi)的消防水壓監(jiān)測(cè)方面存在著許多缺陷，導(dǎo)致了在相關(guān)消防問題突發(fā)時(shí)，供水節(jié)點(diǎn)無法保障正常的工作水壓，這就延緩了問題處理的及時(shí)性。此外，在日常使用與維護(hù)中，對(duì)于未來時(shí)間節(jié)點(diǎn)水壓的預(yù)測(cè)并未普及，且精準(zhǔn)度欠缺，這就大大降低了樓宇整體系統(tǒng)的智能性，因此，研究并建立高精確度的節(jié)點(diǎn)水壓預(yù)測(cè)模型是具有實(shí)際意義的。1.ARMA模型的建立ARMA模型能夠?qū)跁r(shí)間變化的一系列的數(shù)據(jù)進(jìn)行預(yù)測(cè)，符合這一特點(diǎn)的數(shù)據(jù)為時(shí)間序列數(shù)據(jù)，樓宇內(nèi)的節(jié)
大東方 2020年1期2020-03-17
- 基于ARMA模型預(yù)測(cè)我國貨幣供應(yīng)量M1
供應(yīng)量的ARMA模型，經(jīng)檢驗(yàn)擬合效果較好且模型預(yù)測(cè)誤差較小，最后利用該模型對(duì)未來3個(gè)月（2020年5—7月）的貨幣供應(yīng)量M1進(jìn)行預(yù)測(cè)。關(guān)鍵詞：時(shí)間序列;ARMA模型;貨幣供應(yīng)量中圖分類號(hào)：F820? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2020）36-0052-03引言貨幣供應(yīng)量M1反映了貨幣供給的活化程度，其與經(jīng)濟(jì)的微觀預(yù)期及經(jīng)濟(jì)的基本面息息相關(guān)。其作為經(jīng)濟(jì)基本面的領(lǐng)先指標(biāo)，引起了人們的高度重視和廣泛研究。貨幣供應(yīng)量作為一
經(jīng)濟(jì)研究導(dǎo)刊 2020年36期2020-02-21
- 基于卡爾曼濾波算法的上證50指數(shù)預(yù)測(cè)
本文基于ARMA模型構(gòu)建卡爾曼濾波算法的線性狀態(tài)空間模型，然后利用ARMA模型的卡爾曼濾波算法來預(yù)測(cè)上證50指數(shù)，并且將預(yù)測(cè)結(jié)果與基于ARMA模型的預(yù)測(cè)結(jié)果進(jìn)行了比較，結(jié)果表明，結(jié)合了ARMA模型的卡爾曼濾波算法的預(yù)測(cè)準(zhǔn)確度為52.1%，明顯優(yōu)于單純的ARMA模型。關(guān)鍵詞： ARMA模型 卡爾曼濾波算法 預(yù)測(cè)一、引言金融時(shí)間序列分析一直是學(xué)術(shù)界的研究熱點(diǎn)，同時(shí)各類數(shù)學(xué)模型及機(jī)器算法也在不斷地發(fā)展和優(yōu)化，ARMA模型及卡爾曼濾波算法都是非常有效的金融時(shí)間序列
時(shí)代金融 2020年1期2020-02-19
- 福建省GDP總體分析和第三產(chǎn)業(yè)增加值的時(shí)間序列分析
分析建立ARMA模型，預(yù)測(cè)出未來三年第三產(chǎn)業(yè)增加值的數(shù)據(jù)，以對(duì)政策制定提供參考。[關(guān)鍵詞] 福建省;產(chǎn)業(yè)結(jié)構(gòu);第三產(chǎn)業(yè);ARMA模型[中圖分類號(hào)] F719[文獻(xiàn)標(biāo)識(shí)碼] A[文章編號(hào)] 1009-6043（2020）01-0057-02一、引言中國各省經(jīng)濟(jì)，尤其是沿海各個(gè)省份中，廣東省以GDP總量第一聞名全國，江蘇省也以上海周邊下級(jí)縣市的經(jīng)濟(jì)實(shí)力而讓全國人民印象深刻。但是同樣處于東南沿海的福建省卻相對(duì)默默無聞。每年在全國各省市的GDP排名中，福建省的GD
商業(yè)經(jīng)濟(jì) 2020年1期2020-02-06
- 中國重點(diǎn)高?；A(chǔ)研究投入產(chǎn)出預(yù)測(cè)及效率分析
出指標(biāo)的ARMA模型，并利用模型預(yù)測(cè)了2017-2020年重點(diǎn)高?；A(chǔ)研究投入產(chǎn)出量。同時(shí)，運(yùn)用DEA法對(duì)2019-2020年中國重點(diǎn)高校基礎(chǔ)研究投入產(chǎn)出量的預(yù)測(cè)值進(jìn)行了修正，確定了有效的目標(biāo)值，為高?；A(chǔ)研究的科學(xué)發(fā)展提出了政策建議。關(guān)鍵詞：基礎(chǔ)研究;ARMA模型;DEA方法;投入產(chǎn)出預(yù)測(cè);效率分析中圖分類號(hào)：F23 文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.1672-3198.2020.01.0430 引言基礎(chǔ)研究是指認(rèn)識(shí)自然現(xiàn)象、揭示自然
現(xiàn)代商貿(mào)工業(yè) 2020年1期2020-02-06
- 基于ARMA模型的我國油菜籽單產(chǎn)預(yù)測(cè)分析
析，建立ARMA模型，用2015—2017的數(shù)據(jù)進(jìn)行擬合結(jié)果檢驗(yàn)，并預(yù)測(cè)出2018—2020年的油菜籽單位產(chǎn)量，為油菜的留種和播種提供一定的指導(dǎo)。[關(guān)鍵詞]ARMA模型;油菜籽;單產(chǎn)預(yù)測(cè)[DOI]1013939/jcnkizgsc2019280501引言農(nóng)作物的單產(chǎn)一直是農(nóng)學(xué)界關(guān)注的重點(diǎn)之一。[1]我國人口增長(zhǎng)和耕地減少的現(xiàn)象使得我國油菜的單產(chǎn)越來越受到重視[2]，油菜籽是油菜的種子，也是油菜種中油料的主要來源，所以預(yù)測(cè)分析我國油菜籽的單產(chǎn)對(duì)指導(dǎo)油菜的留種
中國市場(chǎng) 2019年28期2019-12-06
- 運(yùn)用ARMA模型對(duì)股價(jià)預(yù)測(cè)的實(shí)證研究
之后運(yùn)用ARMA模型對(duì)未來三天的開盤價(jià)（2019年2月15日至2019年2月19日）進(jìn)行預(yù)測(cè)。將預(yù)測(cè)結(jié)果與真實(shí)值對(duì)比后發(fā)現(xiàn)預(yù)測(cè)結(jié)果較為準(zhǔn)確，誤差較小，說明ARMA模型適合于股價(jià)短期預(yù)測(cè)，進(jìn)一步證實(shí)了時(shí)間序列模型在金融方面的作用。關(guān)鍵詞：時(shí)間序列;ARMA模型;股價(jià)預(yù)測(cè)中圖分類號(hào)：F830.91? ? ? ? 文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號(hào)：1673-291X（2019）31-0077-06引言時(shí)間序列是按時(shí)間順序排列的一系列數(shù)據(jù)，這些數(shù)據(jù)具有隨機(jī)性，但
經(jīng)濟(jì)研究導(dǎo)刊 2019年31期2019-12-05
- 基于ARMA模型的上證50股指期貨收益率探究
貨? ?ARMA模型? ?收益率一、研究背景及意義上證50股指期貨是我國三大期貨品種之一，標(biāo)的物是上交所編制的上證50指數(shù)，于2015年4月16日在中國金融期貨交易所上市交易。上證50股票價(jià)格指數(shù)代表的是50家市場(chǎng)流動(dòng)性好、規(guī)模較大、資金充裕的上市公司，以此來綜合反映我國證券市場(chǎng)實(shí)力較為雄厚的一批龍頭企業(yè)的整體狀況。近年來，上證50股指期貨得到了快速發(fā)展，交易量日漸增長(zhǎng)，最主要的原因是股指期貨具有降低風(fēng)險(xiǎn)、價(jià)格發(fā)現(xiàn)的重要功能，可以有效規(guī)避我國資本市場(chǎng)的強(qiáng)烈
時(shí)代金融 2019年29期2019-12-02
- 基于ARMA模型的股票收益率預(yù)測(cè)及R語言實(shí)現(xiàn)
語言建立ARMA模型，并基于該模型對(duì)未來20個(gè)工作日收益率進(jìn)行預(yù)測(cè)，預(yù)測(cè)結(jié)果可供投資者和政府部門做宏觀決策提供參考。關(guān)鍵詞：ARMA模型;萬科收益率;R語言一、緒論自2019年2月初以來，我國股市一直呈良好態(tài)勢(shì)，與此同時(shí)，風(fēng)險(xiǎn)偏好者紛紛將資本投入到股市中，希望在股海中能有個(gè)好收益。顯然，在投資過程中，投資者都期望股票收益率越高越好，風(fēng)險(xiǎn)越低越好。因此，故若能通過相關(guān)工具預(yù)測(cè)股票未來收益率，這不僅能夠讓股民規(guī)避風(fēng)險(xiǎn)，也能為政府制定各項(xiàng)宏觀經(jīng)濟(jì)政策提供參考。近
科技風(fēng) 2019年23期2019-10-21
- 基于機(jī)器學(xué)習(xí)方法的心電信號(hào)分類研究
，再利用ARMA模型以及時(shí)間序列的方法對(duì)分解后的信號(hào)序列進(jìn)行特征提取，將ARMA模型的系數(shù)作為心電信號(hào)的特征指標(biāo);結(jié)合決策樹分類、支持向量機(jī)分類和隨機(jī)森林分類機(jī)器學(xué)習(xí)方法對(duì)提取后的心電特征指標(biāo)進(jìn)行分類研究，并根據(jù)實(shí)驗(yàn)結(jié)果對(duì)三種算法的性能進(jìn)行比較分析。關(guān)鍵詞：心電信號(hào);分類;ARMA模型;機(jī)器學(xué)習(xí);心律失常據(jù)世界衛(wèi)生組織（WHO）統(tǒng)計(jì)，2016年全球死亡人數(shù)中，71%死于NCDs（非傳染性疾?。?，54%緣于10大原因，而Ischaemic heart dis
科技風(fēng) 2019年16期2019-10-21
- 基于ARMA模型的家具零售價(jià)格指數(shù)統(tǒng)計(jì)建模分析
析，建立ARMA模型，求解出最優(yōu)的ARMA模型，并對(duì)2019年6到12月7個(gè)月的家具類商品價(jià)格指數(shù)做出預(yù)測(cè)，計(jì)算出月價(jià)格指數(shù)在100.1左右浮動(dòng)，家具類商品月增長(zhǎng)率為10%左右，與實(shí)際家具業(yè)行業(yè)經(jīng)濟(jì)增長(zhǎng)率相近，最后提出建議關(guān)鍵詞：家具價(jià)格指數(shù);時(shí)間序列分析;ARMA模型;Python緒論1.1 問題的提出我國家具業(yè)的發(fā)展步入了一個(gè)相對(duì)平穩(wěn)的階段。從國家統(tǒng)計(jì)局的家具類成交額數(shù)據(jù)發(fā)現(xiàn)，我國家具類商品成交額從2008年的854.27億元增長(zhǎng)到了2017年的241
青年生活 2019年28期2019-09-10
- 基于主成分分析與Fourier變換的動(dòng)態(tài)投資組合
最后利用ARMA模型對(duì)趨勢(shì)殘差進(jìn)行區(qū)間預(yù)測(cè)。為使資產(chǎn)保值，當(dāng)組合股價(jià)達(dá)到最低點(diǎn)時(shí)，各資產(chǎn)以第一主成分對(duì)應(yīng)權(quán)重進(jìn)行組合建倉;當(dāng)組合股價(jià)反向上升達(dá)到最高點(diǎn)時(shí)，則以第N主成分對(duì)應(yīng)權(quán)重進(jìn)行組合并調(diào)倉。在實(shí)證模擬方面，選取2016年1月4日—2018年6月8日全球股票主要指數(shù)的收盤價(jià)數(shù)據(jù)進(jìn)行實(shí)證分析。模擬結(jié)果表明：基于主成分分析的投資組合在收益及資產(chǎn)保值方面表現(xiàn)更佳。關(guān)鍵詞 主成分分析;投資組合;Fourier變換;ARMA模型中圖分類號(hào) F830 文獻(xiàn)標(biāo)識(shí)碼 A
經(jīng)濟(jì)數(shù)學(xué) 2019年4期2019-06-24
- 量化私募行業(yè)發(fā)展趨勢(shì)的組合預(yù)測(cè)研究
化投資;ARMA模型;線性回歸;組合預(yù)測(cè)[DOI]10.13939/j.cnki.zgsc.2019.07.0491 引 言隨著證券市場(chǎng)的復(fù)雜程度日益提升，傳統(tǒng)投資面臨較大挑戰(zhàn)，因此越來越多的專業(yè)機(jī)構(gòu)，如私募基金公司開始關(guān)注量化投資。在我國，量化投資雖然起步較晚，但隨著近幾年我國隨著金融科技產(chǎn)業(yè)的蓬勃發(fā)展，我國的量化投資行業(yè)也進(jìn)入了一個(gè)相對(duì)高速的發(fā)展時(shí)期。自2010年股指期貨推出以后，越來越多的海外量化基金經(jīng)理開始回歸國內(nèi)私募基金市場(chǎng)，越來越多的私募基金開
中國市場(chǎng) 2019年7期2019-04-08
- 我國上市公司籌資方式選擇的研究
食理論；ARMA模型一、引言隨著現(xiàn)代企業(yè)制度的建立和金融市場(chǎng)的完善，上市公司的籌資渠道日趨多元化發(fā)展。從籌集資金的來源的角度看，可分為內(nèi)部籌資渠道和外部籌資渠道。其中，內(nèi)部籌資渠道是指企業(yè)內(nèi)部開辟資金來源，主要有企業(yè)自有資金、企業(yè)應(yīng)付稅利和利息、企業(yè)未使用或未分配的專項(xiàng)基金。外部籌資渠道指企業(yè)從外部所開辟的資金來源。目前，我國上市公司存在著明顯的外源籌資偏好，這與一般“啄食理論”思想不相順應(yīng)，因此對(duì)我國籌資方式的選擇及發(fā)展趨勢(shì)展開論述。二、籌資選擇概述經(jīng)過
商場(chǎng)現(xiàn)代化 2018年17期2018-12-08
- 基于ARMA模型下的澳門博彩業(yè)預(yù)測(cè)研究
通過構(gòu)建ARMA模型對(duì)澳門2003年第一季度至2017年第四季度的澳門博彩收入數(shù)據(jù)進(jìn)行預(yù)測(cè)研究。研究表明，ARIMA（5，1，2）模型能較好的模擬澳門博彩收入的短期預(yù)測(cè)情況，并向前一步計(jì)算預(yù)測(cè)出澳門2018年第一季度博彩收入為72258百萬澳門元。關(guān)鍵詞：澳門；博彩業(yè)；ARMA模型1 1 澳門博彩業(yè)歷史背景分析博彩業(yè)在澳門有著悠久的發(fā)展歷史，追溯到1847年就有宣布賭博合法化的相關(guān)條例。自2002年“賭權(quán)開放”后，澳門博彩業(yè)開始得到迅速的發(fā)展。根據(jù)澳門統(tǒng)計(jì)
中國市場(chǎng) 2018年22期2018-09-21
- 基于光纖陀螺的大壩安全監(jiān)測(cè)隨機(jī)漂移誤差
機(jī)漂移；ARMA模型；面板堆石壩中圖分類號(hào)：TV698.1文獻(xiàn)標(biāo)志碼：Adoi：10.3969/j.issn.1000- 1379.2018.06.032隨著大壩建設(shè)中壩體的不斷增高，大壩監(jiān)測(cè)周期持續(xù)延長(zhǎng)，面板堆石壩的面板撓度變形監(jiān)測(cè)顯得尤為重要。面板撓度在蓄水初期向凌空面變形，隨著蓄水逐漸增多，逐漸回落向壩體內(nèi)部變形，最后向壩體內(nèi)部整體回落。常規(guī)儀器監(jiān)測(cè)往往以點(diǎn)式監(jiān)測(cè)為主，使用壽命較短，所以急需尋找一種新的儀器進(jìn)行有效的安全監(jiān)測(cè)。光纖陀螺系統(tǒng)具有造價(jià)低、
人民黃河 2018年6期2018-09-10
- 基于小波變換和時(shí)間序列模型的Brent原油期貨價(jià)格預(yù)測(cè)
然后采用ARMA模型對(duì)分解后的油價(jià)進(jìn)行樣本內(nèi)預(yù)測(cè)。實(shí)證研究表明，基于小波的組合模型具有較高的預(yù)測(cè)性能，同時(shí)驗(yàn)證了該方法的可行性和有效性。關(guān)鍵詞：小波分析 組合預(yù)測(cè) ARMA模型中圖分類號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：2096-0298（2018）02（b）-036-02傳統(tǒng)的時(shí)間序列分析模型AR、MA、ARMA、GARCH等模型通常專注于在時(shí)域上的分析，而金融時(shí)間序列常有的長(zhǎng)記憶性、異方差性、非平穩(wěn)性等統(tǒng)計(jì)特性使得運(yùn)用傳統(tǒng)模型去分析不理想。金融時(shí)間
中國商論 2018年5期2018-09-10
- 基于ARMA模型的我國居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)
立了一個(gè)ARMA模型，選取我國2001年1月到2015年12月的CPI環(huán)比月度數(shù)據(jù)作為樣本，運(yùn)用R3.4.3軟件對(duì)居民消費(fèi)價(jià)格指數(shù)時(shí)間序列的自相關(guān)系數(shù)與偏相關(guān)系數(shù)進(jìn)行統(tǒng)計(jì)，進(jìn)行模型定價(jià)并估計(jì)出其參數(shù)，并對(duì)2016年1月至5月的居民消費(fèi)價(jià)格指數(shù)進(jìn)行預(yù)測(cè)。實(shí)證結(jié)果顯示MA（2）模型能較好地?cái)M合商品指數(shù)的動(dòng)態(tài)路徑，模型的預(yù)測(cè)值與實(shí)際觀測(cè)值非常接近，表明ARMA模型在居民消費(fèi)價(jià)格指數(shù)的預(yù)測(cè)中效果較好。通過ARMA模型合理預(yù)測(cè)我國的居民消費(fèi)價(jià)格指數(shù)，能夠?qū)ξ磥斫?jīng)濟(jì)發(fā)
商場(chǎng)現(xiàn)代化 2018年7期2018-06-21
- 中國對(duì)烏茲別克斯坦出口商品結(jié)構(gòu)分析
品結(jié)構(gòu);ARMA模型;優(yōu)化中圖分類號(hào)：F752.7 文獻(xiàn)標(biāo)識(shí)碼：A收錄日期：2018年3月27日一、引言中烏建交已有20多年的歷史，1992年中國與烏茲別克斯坦貿(mào)易額僅為5，300萬美元，2015年中國與烏茲別克斯坦的貿(mào)易額已達(dá)到35.03億美元，僅2016年上半年中烏雙邊貿(mào)易額已達(dá)到18.71億美元。長(zhǎng)期以來，中國政府高度重視與烏茲別克斯坦的經(jīng)貿(mào)關(guān)系。2015年中國與烏茲別克斯坦簽署了共建“絲綢之路經(jīng)濟(jì)帶”合作文件，將進(jìn)一步深化兩國經(jīng)貿(mào)合作。國內(nèi)許多學(xué)者
合作經(jīng)濟(jì)與科技 2018年12期2018-05-15
- 基于ARMA模型的昆明市禽蛋零售價(jià)格的分析與預(yù)警
平均模型ARMA模型，對(duì)昆明市禽蛋零售物價(jià)指數(shù)RPI以及禽蛋產(chǎn)業(yè)生產(chǎn)總量的（2000～2015年）時(shí)間序列進(jìn)行了建模分析。結(jié)果表明，禽蛋零售價(jià)格指數(shù)的ARMA（3，4）模型是平穩(wěn)的且是可逆的，對(duì)2018～2020年的禽蛋RPI進(jìn)行了短期預(yù)測(cè)，預(yù)測(cè)結(jié)果分別是104.21，105.29，104.76，價(jià)格指數(shù)相對(duì)穩(wěn)定。采用ARMA模型進(jìn)行禽蛋RPI的分析與預(yù)測(cè)，能較好地反映其動(dòng)態(tài)變化，為政府采取物價(jià)穩(wěn)定規(guī)劃與企業(yè)發(fā)展戰(zhàn)略提供建議，使禽蛋產(chǎn)業(yè)以達(dá)到適度規(guī)模滿足適
農(nóng)村經(jīng)濟(jì)與科技 2018年15期2018-05-14
- 基于ARMA時(shí)間序列模型的中重卡行業(yè)市場(chǎng)趨勢(shì)預(yù)測(cè)
場(chǎng)預(yù)測(cè)；ARMA模型[DOI]10.13939/j.cnki.zgsc.2018.04.0761 引 言中重卡行業(yè)市場(chǎng)需求預(yù)測(cè)方法較多，較為常用的有線性回歸模型和非線性回歸模型。[1]目前國內(nèi)很多學(xué)者通過引入宏觀經(jīng)濟(jì)、政策指標(biāo)，如GDP、投資總額、社會(huì)消費(fèi)品零售總額、鋼材產(chǎn)量、煤炭產(chǎn)量等建構(gòu)多元回歸模型[2][3]，取得一定的效果。但由于影響因素較多，且這些因素又常常存在多重共線性，易于出現(xiàn)偽回歸、顯著性檢驗(yàn)未通過、模型總體擬合度偏低的現(xiàn)象，同時(shí)由于眾多相
中國市場(chǎng) 2018年4期2018-02-26
- 基于ARIMA模型對(duì)北京市月平均相對(duì)濕度的預(yù)測(cè)
本文利用ARMA模型對(duì)北京市2012～2015年空氣相對(duì)濕度的數(shù)據(jù)進(jìn)行分析，建立相應(yīng)的ARMA模型，再對(duì)建立的模型進(jìn)行殘差檢驗(yàn)，并利用該模型對(duì)未來五個(gè)月進(jìn)行預(yù)測(cè)，查看未來的空氣相對(duì)濕度變化趨勢(shì)，體現(xiàn)模型優(yōu)劣，可以更好的進(jìn)行氣候變化研究。關(guān)鍵詞：相對(duì)濕度預(yù)測(cè)；時(shí)間序列分析；ARMA模型；Box-Jenkins方法一、 引言隨著全球氣候變化加劇，對(duì)于氣候變化、空氣質(zhì)量等的研究不斷得到深入，對(duì)于不同空氣質(zhì)量指標(biāo)衡量因素十分不同，相對(duì)濕度的高低在許多程度上直接反映
考試周刊 2017年59期2018-01-29
- 中國制造業(yè)增加值A(chǔ)RMA分析
析，建立ARMA模型，并利用歷史數(shù)據(jù)論證模型的正確性，研究制造業(yè)增加值變化趨勢(shì)和特征，給出了制造業(yè)增加值的預(yù)測(cè)方法，為經(jīng)濟(jì)決策提供依據(jù)。Abstract： Since the economic reform and opening， China's manufacturing industry has a significant development， both total economic output and manufacturing techno
價(jià)值工程 2018年36期2018-01-25
- 基于ARMA模型對(duì)我國病毒性肝炎流行特征分析
鍵詞】 ARMA模型； 病毒性肝炎； 發(fā)病率； 預(yù)測(cè)【Abstract】 Objective：To analyze the dynamics of the morbidity of viral hepatitis in China and offer decision-making foundation to prevention and surveillance of viral hepatitis in China.Method：Autoregress
中國醫(yī)學(xué)創(chuàng)新 2018年33期2018-01-22
- 基于差分方程和元胞自動(dòng)機(jī)的交通阻塞模型
行能力；ARMA模型；分段差分方程；元胞自動(dòng)機(jī)中圖分類號(hào)：TB文獻(xiàn)標(biāo)識(shí)碼：Adoi：10.19311/j.cnki.16723198.2018.04.0881引言車道被占用是指由于交通事故等各種原因，導(dǎo)致車道或道路橫斷面通行能力在單位時(shí)間內(nèi)降低的現(xiàn)象。在城市化進(jìn)程發(fā)展快速的當(dāng)下，車道被占問題情況復(fù)雜，車道被占用極大程度上影響人民的正常工作生活。為此，根據(jù)2013年全國大學(xué)生數(shù)學(xué)建模競(jìng)賽A題，采用數(shù)學(xué)方法分析建立相關(guān)模型，估算了其影響程度，將為交通部門處理類
現(xiàn)代商貿(mào)工業(yè) 2018年4期2018-01-20
- 基于GARCH族模型的人民幣匯率波動(dòng)性分析
數(shù)據(jù)，以ARMA模型建立均值方程模型，結(jié)合GARCH模型族中的GARCH模型、TGARCH模型、EGARCH模型和GARCH-M模型對(duì)匯率的對(duì)數(shù)收益率數(shù)據(jù)進(jìn)行數(shù)據(jù)分析及模型擬合，通過對(duì)模型系數(shù)顯著性、AIC和BIC準(zhǔn)則以及模型本身要求等各方面的篩選最終選用GARCH-M（1，1）作為最優(yōu)擬合模型，并發(fā)現(xiàn)美元兌人民幣匯率具有集群性、非對(duì)稱性和杠桿效應(yīng)等特征。[關(guān)鍵詞]人民幣匯率 GARCH族模型 ARMA模型1選題背景自2005年7月21日起，我國開始實(shí)行以
商情 2017年39期2017-11-27
- 基于遙測(cè)數(shù)據(jù)的在軌衛(wèi)星性能預(yù)測(cè)方法研究
數(shù)回歸、ARMA模型、BP神經(jīng)網(wǎng)絡(luò)等方法對(duì)分解后的數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，并且對(duì)方法的流程和精度進(jìn)行分析，最后評(píng)估衰減因子。針對(duì)某在軌衛(wèi)星溫度參數(shù)的預(yù)測(cè)實(shí)驗(yàn)，結(jié)果證明，提出的預(yù)測(cè)方法平均相對(duì)誤差小于8%，能有效地對(duì)在軌衛(wèi)星遙測(cè)數(shù)據(jù)的性能趨勢(shì)進(jìn)行預(yù)測(cè)，為在軌衛(wèi)星狀態(tài)監(jiān)控、健康管理與故障分析等應(yīng)用服務(wù)提供技術(shù)保證，具有極其重要的實(shí)用價(jià)值。關(guān)鍵詞： 遙測(cè)數(shù)據(jù)； BP神經(jīng)網(wǎng)絡(luò)； ARMA模型； 性能預(yù)測(cè)中圖分類號(hào)： TN98?34； TP392 文獻(xiàn)標(biāo)識(shí)碼： A 文章編
現(xiàn)代電子技術(shù) 2017年21期2017-11-10
- 基于時(shí)間序列模型的GDP預(yù)測(cè)
產(chǎn)總值 ARMA模型ARIMA模型1 引言1.1 GDP概述國內(nèi)生產(chǎn)總值共有四個(gè)不同的組成部分，其中包括消費(fèi)、私人投資、政府支出和凈出口額。用公式表示為：，式中：CA為消費(fèi)、I為私人投資、CB為政府支出、X為凈出口額。GDP大幅增長(zhǎng)，反映出該國經(jīng)濟(jì)發(fā)張蓬勃，國民收入增加，消費(fèi)能力也隨之增強(qiáng)，中央銀行將有可能提高利率，緊縮貨幣供應(yīng)，國家經(jīng)濟(jì)表現(xiàn)良好及利率的上升會(huì)增加該國貨幣的吸引力。相反，如果GDP出現(xiàn)負(fù)增長(zhǎng)，顯示經(jīng)濟(jì)處于衰退狀態(tài)，消費(fèi)能力減低時(shí)，中央銀行將
大經(jīng)貿(mào) 2017年8期2017-09-26
- 基于ARMA模型的甘肅省農(nóng)村金融缺口測(cè)算
.2建立ARMA模型對(duì)甘肅省農(nóng)村金融缺口的趨勢(shì)進(jìn)行了預(yù)測(cè)?！娟P(guān)鍵詞】農(nóng)村金融；金融缺口；ARMA模型一、農(nóng)村金融缺口測(cè)算1.測(cè)算方法本文的金融融量，是指金融的融通以及容納量，是某個(gè)國家或地區(qū)在相應(yīng)的經(jīng)濟(jì)條件下金融最大或最適宜的容納規(guī)模量，有理論融量與實(shí)際融量之分。文中的理論融量是利用戈德史密斯的金融發(fā)展理論中的金融經(jīng)濟(jì)相關(guān)率（金融經(jīng)濟(jì)相關(guān)率=金融資產(chǎn)總量/經(jīng)濟(jì)生產(chǎn)總值）指標(biāo)，從農(nóng)村經(jīng)濟(jì)發(fā)展的整體水平來衡量；實(shí)際融量則用實(shí)際自有資金和外部實(shí)際注入資金來衡量。
中國經(jīng)貿(mào) 2017年16期2017-09-22
- 時(shí)間序列分析在我國GDP預(yù)測(cè)中的應(yīng)用
GDP ARMA模型 ARIMA模型一、引言GDP是指國民生產(chǎn)總值，它指的是，一定時(shí)期內(nèi)，一個(gè)國家地區(qū)生產(chǎn)活動(dòng)的最終結(jié)果。它不僅能夠反映經(jīng)濟(jì)變化的情況，還可以計(jì)算經(jīng)濟(jì)周期，為更好的衡量、預(yù)測(cè)經(jīng)濟(jì)的發(fā)展?fàn)顩r提供了重要支持。對(duì)于GDP的預(yù)測(cè)，可以更加清楚地了解到未來經(jīng)濟(jì)的走勢(shì)和發(fā)展?fàn)顟B(tài)，因此，GDP的準(zhǔn)確預(yù)測(cè)和分析具有重要作用。時(shí)間序列分析是一種動(dòng)態(tài)的，用于處理數(shù)據(jù)的統(tǒng)計(jì)學(xué)方法。它根據(jù)觀測(cè)到的按時(shí)間排序的數(shù)據(jù)，在曲線擬合和參數(shù)估計(jì)的理論支持下，建立相關(guān)的數(shù)學(xué)模
時(shí)代金融 2017年16期2017-09-20
- 福建省居民消費(fèi)價(jià)格月度同比指數(shù)的預(yù)測(cè)與預(yù)警研究
環(huán)變動(dòng)；ARMA模型；預(yù)警居民消費(fèi)價(jià)格指數(shù)（Consumer Price Index；CPI），指反映一定時(shí)期內(nèi)城鄉(xiāng)居民所購買的生活消費(fèi)品價(jià)格和服務(wù)項(xiàng)目?jī)r(jià)格變動(dòng)趨勢(shì)和程度的相對(duì)數(shù)，是對(duì)城市居民消費(fèi)價(jià)格指數(shù)和農(nóng)村居民消費(fèi)價(jià)格指數(shù)進(jìn)行綜合匯總計(jì)算得到的結(jié)果。利用居民消費(fèi)價(jià)格指數(shù)，可以觀察和分析消費(fèi)品的零售價(jià)格和服務(wù)價(jià)格變動(dòng)對(duì)城鄉(xiāng)居民實(shí)際生活費(fèi)支出的影響程度。因此倍受政府、社會(huì)和消費(fèi)者的關(guān)注。在CPI構(gòu)成權(quán)重體系中，食品約占30%，而肉類又在食品中約占1/4。2
商場(chǎng)現(xiàn)代化 2017年12期2017-07-20
- 高校食堂的菜品銷量分析
分析； ARMA模型； R語言； 關(guān)聯(lián)規(guī)則學(xué)習(xí)中圖分類號(hào)：TP311 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1006-8228（2017）07-65-04The analysis of dishes sales in university dining roomWang Chuyu1， Wang Qinghua1， Wang Chuchu1， Chen Yanhui2， Hua Yiheng1（Shandong University School of Mathema
計(jì)算機(jī)時(shí)代 2017年7期2017-07-20
- 對(duì)于云南省碳排放強(qiáng)度變化的研究
放強(qiáng)度；ARMA模型；R軟件[DOI]1013939/jcnkizgsc2017192671引言全球氣候的變暖以及其所引發(fā)的其他環(huán)境問題使人們開始關(guān)注碳排放，而隨著中國經(jīng)濟(jì)出現(xiàn)新常態(tài)，過去以犧牲環(huán)境為代價(jià)帶來經(jīng)濟(jì)增長(zhǎng)的方式也需要被摒棄，這些對(duì)于云南省的經(jīng)濟(jì)發(fā)展有著非常重要的啟示作用。云南省的經(jīng)濟(jì)發(fā)展并不靠前，但作為目前國內(nèi)環(huán)境質(zhì)量較好的地區(qū)，更不能以環(huán)境質(zhì)量來換取經(jīng)濟(jì)的發(fā)展，因此研究云南省碳排放強(qiáng)度的變化情況具有重要的現(xiàn)實(shí)意義。文章研究1995—2014年
中國市場(chǎng) 2017年19期2017-07-19
- 時(shí)間序列分析方法在物流需求預(yù)測(cè)中的應(yīng)用
時(shí)間序列ARMA模型進(jìn)行物流需求預(yù)測(cè)，探索了時(shí)間序列分析方法在物流需求預(yù)測(cè)中的應(yīng)用。關(guān)鍵詞：時(shí)間序列分析；物流需求；ARMA模型；預(yù)測(cè)中圖分類號(hào)：F253 文獻(xiàn)標(biāo)識(shí)碼：AAbstract： This paper introduces the knowledge of logistics demand forecasting and time series analysis， the stochastic time series ARMA model is
物流科技 2017年6期2017-07-07
- 海南省人口增長(zhǎng)與就業(yè)率問題分析
最后建立ARMA模型對(duì)就業(yè)人口做出分析與對(duì)應(yīng)預(yù)測(cè)。關(guān)鍵詞：人口增長(zhǎng)；就業(yè)率；指數(shù)模型；ARMA模型中圖分類號(hào)：F127 文獻(xiàn)識(shí)別碼：A 文章編號(hào)：1001-828X（2017）007-0-01一、引言1.人口狀況分析人口問題的產(chǎn)生和解決與很多方面的因素相關(guān)，例如環(huán)境容量和資源的利用以及經(jīng)濟(jì)體制的發(fā)展等。而根據(jù)國家統(tǒng)計(jì)局?jǐn)?shù)據(jù)來看，我國人口目前存在幾大特點(diǎn)：人口總量低速增長(zhǎng)，人口自然增長(zhǎng)率較為平穩(wěn)，而人口老齡化速度加快，人口向經(jīng)濟(jì)發(fā)展快的地區(qū)聚攏。2.研究思路
現(xiàn)代經(jīng)濟(jì)信息 2017年7期2017-06-20
- 電力系統(tǒng)短期負(fù)荷預(yù)測(cè)方法與預(yù)測(cè)精度
，構(gòu)建了ARMA模型等模型，運(yùn)用MATLAB、EVIEWS等軟件編程，研究得出氣象因素對(duì)短期電力負(fù)荷的影響并得出兩地區(qū)預(yù)測(cè)結(jié)果，分析判斷出各預(yù)測(cè)結(jié)果的準(zhǔn)確性.【關(guān)鍵詞】：電力負(fù)荷預(yù)測(cè)；多元線性回歸分析；ARMA模型引言在經(jīng)濟(jì)迅速發(fā)展的今天，電力滲透到人類生活的各個(gè)方面.短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行和分析的基礎(chǔ)，提高負(fù)荷預(yù)測(cè)精度，是保障電力系統(tǒng)優(yōu)化決策科學(xué)性的重要手段[1].在現(xiàn)代電力系統(tǒng)中，考慮氣象因素成為相關(guān)部門改進(jìn)負(fù)荷預(yù)測(cè)精準(zhǔn)度的重要方法之一.1、數(shù)據(jù)來
中國綠色畫報(bào) 2017年5期2017-06-15
- 基于ARMA和ARCH模型的我國主要糧食作物價(jià)格變化規(guī)律研究
關(guān)鍵詞]ARMA模型；ARCH模型；糧食價(jià)格[DOI]1013939/jcnkizgsc2017140421引言糧食是居民生活的必需品，也是保障我國經(jīng)濟(jì)快速發(fā)展及社會(huì)穩(wěn)定的重要戰(zhàn)略物資，對(duì)國計(jì)民生具有不可替代作用。糧食收購價(jià)在一定程度上反映了糧食的價(jià)值，市場(chǎng)上的糧食價(jià)格根據(jù)供給與需求進(jìn)行調(diào)整，但是，市場(chǎng)確定的價(jià)格有時(shí)會(huì)損害糧農(nóng)的利益，因此為了保障糧農(nóng)的種糧積極性以及我國足夠的糧食產(chǎn)量，我國政府在市場(chǎng)調(diào)節(jié)基礎(chǔ)上，對(duì)重要糧食品種和糧食主產(chǎn)區(qū)實(shí)行最低收購價(jià)格政策
中國市場(chǎng) 2017年14期2017-06-02
- 基于ARMA模型的股價(jià)預(yù)測(cè)及實(shí)證研究
化規(guī)律。ARMA模型在經(jīng)濟(jì)預(yù)測(cè)過程中即考慮了金融市場(chǎng)、股票市場(chǎng)指標(biāo)在時(shí)間序列上的依存性，又考慮了隨機(jī)波動(dòng)你的干擾性，對(duì)其指標(biāo)短期趨勢(shì)的預(yù)測(cè)準(zhǔn)確率較高，它用有限參數(shù)線性模型描述時(shí)間的自相關(guān)結(jié)構(gòu)，便于進(jìn)行統(tǒng)計(jì)分析與數(shù)學(xué)處理，因此ARMA模型是目前常用的用于擬合平穩(wěn)序列的模型，尤其在金融和股票領(lǐng)域具有重要意義。本文將利用ARMA模型結(jié)合民生銀行股票的歷史數(shù)據(jù)建模，并運(yùn)用該模型對(duì)招商銀行的股票日收盤價(jià)進(jìn)行預(yù)測(cè)，從而推斷其未來趨勢(shì)?！娟P(guān)鍵詞】ARMA模型；金融時(shí)間序
智富時(shí)代 2017年2期2017-04-20
- 基于ARMA模型對(duì)我國金融機(jī)構(gòu)存款的分析
，再應(yīng)用ARMA模型進(jìn)行時(shí)間序列分析，由此比較準(zhǔn)確的預(yù)測(cè)出2016年11月的金融機(jī)構(gòu)存款，為1，499，552.06 （億元）。通過對(duì)此進(jìn)行有效和準(zhǔn)確的預(yù)測(cè)，可以為國家進(jìn)行宏觀的政策調(diào)控，例如進(jìn)行貨幣的量化寬松和利率的把控方面，提供重要的參考價(jià)值。關(guān)鍵詞：金融機(jī)構(gòu)存款；OLS回歸預(yù)測(cè)；ARMA模型一、引言關(guān)于我國金融機(jī)構(gòu)存款的分析，現(xiàn)有研究也有很多。例如，張橋云和王寧（2013）從銀行特征和市場(chǎng)環(huán)境兩個(gè)方面實(shí)證研究影響我國商業(yè)銀行存款利率浮動(dòng)幅度的因素，研
中國集體經(jīng)濟(jì) 2017年10期2017-04-07
- 基于ARMA—EGARCH模型的股市波動(dòng)性實(shí)證分析
數(shù)據(jù)，從ARMA模型和EGARCH模型入手，并綜合利用ARMA-EGARCH模型分析滬深300指數(shù)波動(dòng)特征，以反映滬深兩市整體波動(dòng)。通過系統(tǒng)性分析，ARMA（2，2）-EGARCH（2，2）模型擬合效果較好。由分析結(jié)果可知，中國A股市場(chǎng)的波動(dòng)具有明顯的周期性、聚集性和杠桿效應(yīng)等特征，表明我國股票市場(chǎng)仍然不完善，存在大量投資者的非理性行為等問題。關(guān)鍵詞：波動(dòng)性；ARMA模型；EGARCH模型；一、引言波動(dòng)性本身作為一種重要的風(fēng)險(xiǎn)因素，被廣泛運(yùn)用到金融風(fēng)險(xiǎn)的度
科學(xué)與財(cái)富 2016年30期2017-03-31
- 基于ARMA模型的建設(shè)用地需求預(yù)測(cè)
據(jù)，利用ARMA模型預(yù)測(cè)仁懷市2020年的建設(shè)用地供需情況，并從城鎮(zhèn)村及工礦用地、交通用地、水利設(shè)施用地三個(gè)分項(xiàng)進(jìn)行預(yù)測(cè)。分析總項(xiàng)預(yù)測(cè)與分項(xiàng)預(yù)測(cè)之間的誤差關(guān)系，最終確定仁懷市2013年～2020年建設(shè)用地需求數(shù)量，為仁懷市建設(shè)用地節(jié)約集約利用提供參考。關(guān)鍵詞：ARMA模型；仁懷市；建設(shè)用地；需求預(yù)測(cè)中圖分類號(hào)： F293.2 文獻(xiàn)標(biāo)識(shí)碼： A DOI編號(hào)： 10.14025/j.cnki.jlny.2017.03.007根據(jù)貴州省仁懷市2012年末土地變更
吉林農(nóng)業(yè) 2017年2期2017-03-06