ARIMA模型在批发和零售贸易餐饮业预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型（ARIMA）法，对全国批发和零售贸易餐饮业进行时间序列分析。分析显示，ARIMA（1，1，10）模型可以提供较准确的预测结果，可以为全国批发零售贸易和餐饮业预测提供一定的依据。     

Holt—Winters模型与X—11模型在预测中的比较研究

以实际数据为例，对一时间序列分别建立Holt-Winter模型与X－11模型并进行预测，从而对这两种统计进行比较研究，得出对于既有趋势又有季节性的时间序列进行预测X－11模型优于Holt-Winers模型。     

“修正的克强指数”与GDP增长率时间序列建模分析

本文基于2008²011年的月度时间序列数据,建立了一元时间序列模型和二元时间序列的动态回归ARIMAX模型,运用ADF检验对各变量数据的平稳性进行检验,采用AIC、SBC准则选择相对最优模型.结果表明,可引入"修正的克强指数"对GDP增长率进行二元时间序列分析,并且建立的ARIMAX模型优于一元时间序列模型.     

分形整合过程在经济预测中的应用

误差逗留模型(Error-DurationModel)是一类具有分形特征的时间序列模型,与一般的时间序列模型相比,误差逗留模型具有更强的序列自相关性,运用该特征可以很好地对具有分形特征的时间序列进行预测,其预测精度也有明显提高。     

四川省人均GDP时间序列模型的建立与分析

多数经济时间序列存在惯性或迟缓性，通过对这种惯性的分析可以研究时间序列的内在规律并预测经济的发展。本文用BOX—Jenkins模型和指数平滑法对四川省人均GDP时间序列进行建模和短期预测分析，结果显示，四川省提出的“十一五”经济增长目标是可以实现的，但应防止新一轮经济增长周期带来的经济增长速度减慢，     

投资银行市场风险管理的VaR方法研究

风险价值方法（ValueatRisk）是近几年发展起来的用以度量和控制金融风险的计量模型。文章使用VaR模型度量了投资银行证券投资业务中的市场风险，应用上海证券交易所的实际数据，具体计算出上证指数的VaR时间序列，论证了应用该时间序列来评估风险大小的方法，为风险价值法在我国投资银行市场风险管理中的推广应用提供参考。     

交通网络与城镇化关系模型的应用——以中原城市群为例

从城镇化水平与人均收入的模型，交通网络连接度与人均收入的对数关系模型出发，导出交通网络与城镇化水平的线性相关模型，揭示了城镇化过程与交通网络存在的因果关系．然后，以中原城市群城镇化水平与公路里程的时间序列和空间序列数据进行实证分析，证明区域城镇化进程与交通网络的优化扩展具有同步性．     

基于结构方程模型改进ARMA模型参数估计

自回归移动平均模型（ARMA模型）是目前最常用的拟合平稳序列的模型,分为AR模型、MA模型和ARMA模型三大类。通常将自回归模型（AR）、移动平均模型（MA）或自回归移动平均模型（ARMA）,称作ARIMA模型体系,是一个重要的预测工具,成为时间序列分析中许多基本思想的基础。针对时间序列数据分析中ARMA模型的识别、建立和估计问题,提出一种将SEM结构方程应用于ARMA模型参数估计的改进算法,以加快计算的收敛速度和提高模型参数估计的精确度。通过将时间序列数据的协方差式子进行变换,发现其结果满足结构方程对变量协方差的要求。结果表明,可以将SEM结构方程应用于ARMA模型来处理时间序列模型数据。     

高斯混合模型的矩阵推广

时间序列分析中经常出现的非高斯性质,使得传统的时间序列分析建模方法无法适用,所得到的预测值出现偏差,预测精度受到影响.本文推广了一维时间序列混合模型到多维高斯混合转移分布模型(MGMTD模型),证明了该多维时间序列混合模型下的一阶平稳性条件,并给出了该多维模型下的EM估计算法.本文将MGMTD模型应用于对我国炼焦煤炭和天然原油的价格预测分析中,实证结果显示,MGMTD模型可以得到较好的预测结果.     

时间序列分析预测法在气象上的应用

介绍时间序列分析，建立自回归模型并应用在季节降雨量的预报中。     

基于灰关联分析的多因素时间序列预测研究与应用

由于传统的时间序列预测是基于单因素,在实际应用中有许多不足,应用灰色GM（1,1）模型对单因素时间序列的预测綦础上,结合灰色关联分析原理,提出了建立多因素时间序列的灰色预测模型,该模型不仅克服了时间序列的随机因素影响,而且．综合考虑影响事务发展的多种因素。实验结果表明,该模型有效地提高预测精度。     

城市交通流量的非线性混沌预测模型研究

为了解决日益严重的城市交通问题，本根据交通流已被证明的混沌特性，尝试采用非线性混沌模型来分析交通流时间序列．该模型首先将交通流时间序列在相空间中重构，以充分提取交通流中的相关信息，在此基础上，应用混沌理论对重构信息构材预测方程，并运用遗传算法对模型参数进行了优化辨识，以获得最佳的预测效果．实际的城市交通流量预测研究表明，该模型具有较高的预测精度，可以为城市交通规划和控制提供准确的参考．     

灰色系统理论在经济预测中的应用

章应用灰色系统理论，对扬州国内生产总值指数时间序列建立了其灰色GM（1，1）模型，通过检验表明所建立模型是高精度的，可靠的，并用修正后的模型进行了预测。     

SPSS预测模型在商场中的应用

探讨了SPSS 12统计软件包中回归、指数平滑及ARIMA(自回归求和移动平均)等时间序列分析模块的建模及预测方法。根据金星商场1997年～2005年，1～12月的销售历史资料，建立对数模型、指数平滑模型和ARIMA乘积模型，并对三的预测结果进行比较分析，给出了平均相对误差。得出ARIMA乘积模型误差最小，它适于对有趋势性和周期性的观察数据进行预测。SPSS12统计软件包时间序列分析模块操作方便，在商场统计预测中有广阔的应用前景。     

国内大中专院校专利申请量的季节调整模型及预测

本文选取了对国内大中专院校专利申请量时间序列近期预测效果较好的优化趋势模型。为更好地描述序列的波动性,建立了国内大中专院校专利申请量时间序列的季节调整模型,研究结果表明,模型预测评价指标有所提高,其中预测值的平均绝对百分误差提高到1.8930%.     

时间序列在老龄人口预测中的应用

本文介绍了时间序列分析模型ARIMA模型,给出了ARIMA模型的具体计算方法,并利用湖北省老龄人口数对ARIMA模型进行拟合分析,确定了模型的参数,最后得出的结论是利用时间序列模型对老龄人口数进行预测较合理。     

略谈"时间序列线性模型图"分析法

本文通过对中学地理教材中常见的"直线性、幂函数性、指数和对数性、周期性时间序列线性模型图"的实例分析,归纳总结各时间序列线性模型图的分析方法.     

基于子集门限自回归模型的负荷短期预测(英文)

介绍了时间序列的子集门限自回归模型,该模型可以复现非线性时间序列的周期性或季节性趋势．文中给出了子集门限自回归模型的辨识方法并应用于电力负荷的建模和短期预报．应用实例表明,其预测精度较高．     

ARMA预测模型及其在经济预测中的应用

以1978年至2008年的某省职工年平均工资作为样本数据、2009年至2010年的数据作为模型检验数据,建立了基于时间序列分析的ARMA模型,使用Eviews软件对时间序列进行分析,根据Box-Jenkins模型识别方法,得出模型的参数,进而得到模型,误差分析表明模型的预测结果非常理想。     

水文预报的时间序列神经网络模型

时间序列分析在水文预报中起重要作用 ,其关键是要建立一个合适的预报模型 .文章提出基于 BP算法的单输出和多输出水文预报时间序列神经网络模型 ,克服了以往多种基于随机分析预报模型的缺点 ,不仅能实现快速灵活的信息处理 ,而且具有很强的非线性映射和自学习、自适应能力 ,这为更精确描述复杂非线性水文过程提供了可能 .通过对历史数据的学习 ,模型可对水文径流量时间序列进行预报 ,两个实例分析表明模型的可行性和有效性