共查询到20条相似文献，搜索用时 187 毫秒
1.
时间序列分析方法是经济领域研究的主要工具之一,它用合适的模型描述历史数据随时间变化的规律,并预测经济变量值,而ARMA模型是其中较为基础的一种。本文介绍了随机时间序列的统计预测方法,给出了ARMA模型的建立与识别过程,并进行参数估计和检验,以对我国未来短期内的GNP平减指数进行动态预测。 相似文献
2.
分解预测技术是一种较早采用和经常使用的预测方法。它用一些简单的数学公式来分离一个时间序列的4种分量:季节性、周期性、趋势性和随机性部分。对一个时间序列移去其中的季节性和随机性分量便得到趋势一周期曲线。作者认为,这条趋势一周期曲线是企业经营预测最重要的基本环节。分解预测技术在各企业生产领域得到了广泛的应用。 相似文献
3.
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。 相似文献
4.
5.
ARMA模型是一类常用的随机时间序列模型,它是一种精度比较高的序列短期预测方法,本文主要是通过分析数据的特征,建立一个合理的ARMA模型,利用这个模型对我国经济进行合理的预测. 相似文献
6.
7.
本文在文献[1]对季节性预测方法评述和所提出的改进设想的基础上,就Winters趋势性与季节性指数平滑预测方法所存在的问题作了进一步分析,并提出了预报季节性指数的改进方案,从而在理论上进一步完善了这种方法。并且本文的应用实例也表明,这种新的预测方法比传统Winters方法和其他季节性预测方法有较好的预测精度,而且并不增加多少工作量。 1 引言 Winters趋势性与季节性指数平滑预测方法是P.R.Winters于60年代初提出的一种较高级的平滑预测方法,它适合于非线性较弱的趋势性变动和季节性波动兼而有之的时间序列的预测问题。根据文献[1]的分析,在季节性波动时间序列预测的各种常用方法 相似文献
8.
时间序列起源于预测,特别是市场经济预测,而在经济预测中所运用的预测方法不外乎定性分析(如德尔菲法、历史数比法等)和定量分析两大类。而定量分析又可大体分成因果模型(如回归分析法、经济计量法、投入产出法等)和时间序列模型(如移动平均法、加权平均法、指数平滑法以及博克斯——詹金斯法、动态数据系统法等)。因果模型着重揭示 相似文献
9.
10.
组合方法首先选取支持向量机预测算法和一阶指数平滑法对经济时间序列分别进行预测,来建立模糊自适应变权重组合预测模型。为对比模糊自适应变权重的经济时间序列组合预测模型的预测效果,选取了两种定值加权组合预测模型:平均加权模型、误差平方和最小组合预测模型。通过实验比较分析:模糊自适应变权重组合预测可以综合利用各单项预测方法的优点,比单一模型预测结果精度有了很大提高,且优于定值加权组合预测,在经济时间序列的预测方面有较高的应用价值。 相似文献
11.
一、模式识别的一般规则B—J.(Box—Jenkins)方法,是一种时间序列预测技术,又称为 ARMA 方法。这种方法通过 AR 模式、MA 模式或 ARMA 混合模式拟合各类时间序列,在最小方差的意义下对过程作出最佳预测。 相似文献
12.
针对流程工业中连续性生产过程的时间序列特点,采用基于混沌时间序列的Lyapunov指数计算和预测方法对成本进行了预测研究。 相似文献
13.
14.
博克思——詹金斯预测方法简介 总被引：1，自引：0，他引：1
在经济预测中涉及到的时间序列大多数都是由随机过程产生的。也就是说,这些时间序列是依赖于时间t的一族随机变量,其中,单个序列值的出现具有不确定性,但整个序列却呈现出固有的规律性。本文介绍的博克思—詹金斯(Box—Jenkins)预测方法可有效地用于这类随机时间序列的预测。博克思—詹金斯方法的基本思想大致是:把所研究的时间序列,比如某商品的月销售量,看作一个随机过程:把它们的观察值,如5年的该商品月销售量数据,看作是该随机过程的一个样本。根据这样本建立模型来逼近所研究的随机过程,并据此进行预测。其中,线 相似文献
15.
本文主要是探讨一种新的预测方法,为长、短期预测的结合寻找一条简洁实用的途径。 1 问题的提出在各种预测方法中,时间序列分析方法无疑占有重要的地位。其主要优点是短期预测精度较高。但也存在不少缺点:建模所需的数据样本大;建模和检验工作比较复杂,而且,时间序列模型用于长期预测时,误差往往很大,这主要是由于模型阶次的限次,不能反映较长 相似文献
16.
根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。 相似文献
17.
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。 相似文献
18.
自回归条件异方差（ARCH）模型及应用 总被引：6，自引：0，他引：6
自回归条件异方差过程是一种新的随机过程,被用于研究时间序列。它展示了随机变量的一种关系：序列方差随时间变化而变化。本文给出估计方法、模型的检验以及一个实证例子。 相似文献
19.
《内蒙古科技与经济》2017,(13)
以金融时间序列(1990年~2014年上证指数)为研究对象,金融时间序列数据本身带有较大的波动性,有高频和低频的数据情况贯穿于整个时间序列。小波分析对于数据降噪较于传统的降噪方式有着明显的优势,分析对比小波变换在处理两种不同波频情况下的优势和方法。采用其适合小波分析和神经网络相结合的组合模型对其进行分析和预测,其思想是,先将时间序列进行小波分解,得到各级小波变换序列和尺度变换序列。根据不同级小波变换系数的情况,选择合适的神经网络训练函数建立预测模型,得到各级小波变换序列和最后一层尺度序列,运用小波重建技术得出原时间序列的预测值。最后和常规的BP神经网络比较预测效果。 相似文献
20.
时间序列分析是一种重要的现代统计分析方法。利用MATLAB实现三种时间序列预测方法:移动平均法、指数平滑法和最小二乘法对两种有代表性的数据以图表进行相关的误差分析,详细比较三种方法的特点和适用范围。 相似文献