时间序列预测方法评述

本文对目前常用的和较有发展前途的时间序列预测方法进行了评述,分析了这些方法的长处和不足,并指出了一些值得研究的问题。     

浅谈时间序列的分析预测

时间序列理论是研究计量经济的基础，时间序列分析预测方法是定量分析的主流方法，本文阐连了时间序列的基本特征，并介绍了时间序列的有效分析预测模型：由于已有模型的固有缺陷，这将促使我们进一步探究先进的方法理论。     

时间序列预测中提高预测准确度的几种方法

经济预测工作中,人们都希望尽量使预测结果准确些。而影响预测精度的因素有很多,诸如预测者的知识、经验、预测使用的模型方法等。其中有些因素,我们不可能一蹴而就,很快就能满足提高准确度的要求,例如预测者的知识、经验等,这需要较长时间的不断地学习、探索和积累。但是其中有的因素,例如预测方法使用得恰当的话,那么预测结果的准确度就会高一些。本文拟介绍在时间序列预测中使用并且对提高预测准确度有关的三种方法:原始数据加工法、交叉预测法和平行预测法。     

基于神经网络的多维时间序列预测预报方法

1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,如ARMA模型等都能较好地应用于实际预测工作。一个一维序列{x(t)}的(p,q)阶ARMA模型     

长记忆性时间序列及其预测

本文概述了长记忆的概念、性质和分整自回归滑动平均模型（ＡＲＦＩＭＡ）。文章最后利用某市消费者价格指数（ＣＰＩ）进行时间序列长记忆分整建模的实证分析     

经济时间序列的状态空间预测

预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。     

非平稳时间序列预测组合的条件

本文考虑当被预测的时间序列变量为非平稳过程时，由单项预测构成组合预测的条件。研究发现组合预测中的任何一个单项预测，与被预测变量具有协整关系是构成组合预测的重要条件     

基于GEP的经济时间序列组合预测方法研究

线性组合预测效果欠佳,非线性函数的挖掘也很困难,本文提出了基于基因表达式编程的非线性组合预测的新方法.理论分析和应用实例表明,相比模糊神经网络等组合预测而言,该方法具有很强的学习和仿真功能,在社会经济复杂系统中时间序列的组合建模和预测中具有很好的应用价值.     

时间序列模型在湖北省城市化水平预测的应用

文章在客观评述国内外主要预测方法的基础上。根据湖北省1949-2004年城市化水平的时间序列资料,构建城市化水平的时间序列预测模型,并进行实证检验和预测。     

马尔科夫模型与时间序列法组合预测产品销量

在现代企业管理中,营销管理、目标管理、成本管理已广泛应用,但这些规律理论应用的基础是对来年销售量的预测。文章根据个体消费者的消费随机性特点、空调年销售规律变化特点,根据马尔科夫模型随机性、稳定性特点以及时间序列法对短期预测和变化规律稳定的预测精确度较高的特点,提出对空调的销售量进行预测的马尔科夫模型与实践序列法相结合的方法。     

人工神经网络对时间增长序列预测能力分析

本文从人工神经网络的构成函数出发,分析了网络对某一类具有时间增长特性的过程或序列在学习和建模时存在的局限性和用神经网络模型对这一类系统进行预测时存在的固有误差问题;提出对具有时间增长特性的过程或序列进行预处理后再用神经网络建立系统的非线性模型,最后给出用不同方法对同一系统建模和预测的比较     

基于时间序列线性拟合方法的时间序列层次聚类

本文利用一种有效的时间序列线性拟合方法。算法所选出的关键点是对时间序列的形态变化影响较大的点,将这些点依次连接实现时间序列的线性拟合。这种线性拟合算法在剔除了噪声的同时,能更精确的定位时间序列中的关键点。实验结果表明,该方法能更好的近似表示原时间序列。和已有的方法相比,该方法拟合后的时间序列和原时间序列之间的拟合误差更小。并且在该方法的基础上运用动态弯曲距离进行层次聚类得到了较好的结果。     

基于灰色系统理论和时间序列的销售状况预警系统研究

本文在分析了各种产品销售量预测模型的基础上，提出了结合灰色理论优点，进一步改进了时间序列预测模型预测产品销售量的方法，剖析了预警系统模型的基本算法，并通过应用实例验证了模型的有效性。     

浅谈时间序列分析模型基本理论

时间序列模型就是利用时间序列的相关性质建立起来的,是一种先进的统计方法,当有足够多的数据来构成一个时间序列,此时建立起来的时间序列模型通常可以得到很好的预测效果。     

时间序列与金融数据实例分析——国库券的月份利率预测方法

金融时间序列是经济领域中最为重要的数据类型,分析这些数据对人们分析市场走势有着至关重要的作用。     

利用Crystal Ball进行基于时间序列的财务预测——以武商集团为例

以预测武商集团未来销售量为例，阐述如何利用CRYSTAL BALL进行基于时间序列的财务预测，以降低财务预测风险，提高预测可靠度。     

基于时间序列分析的图书类目馆藏量预测

利用时间序列分析方法建立H315与H319两类图书馆藏量模型,预测出后两年馆藏,实验表明所拟合模型具有很好的预测性能。根据预测结果,图书馆合理安排图书架位,从而能减少图书倒架工作。     

多元线性回归与时间序列模型在股票预测中的应用

根据上证00001股股票的日线数据,建立多元线性回归和时间序列的预测模型,在对未来数据未知的情况下,利用R语言分析软件预测得出多元线性回归模型和时间序列模型中的回归参数,并评估模型精度。计算结果显示,模型的拟合精度较高,可以较好地拟合该股票数据。     

线性回归与时间序列加法预测模型

线性回归和时间序列预测模型各有千秋,本文将它们结合起来,提出了一种线性回归与时间序列加法预测模型,它提高了拟合度和预测能力。     

环境系统预测方法的研究

本文介绍了环境系统预测的基本概念,并科学地分析系统的含义,对环境系统预测的主要任务加以阐述,介绍了环境预测的基本原理、环境系统的规律,对环境系统预测的方法进行了概述,说明逐步回归法建立模型的方法和步骤,介绍了时间序列预测法的原理和概念。