简介：建议了基于广义误差分布的APARCH模型。利用直方图和时序趋势图发现沪深300指数每五分钟的收益率序列具有尖峰厚尾和波动聚集等特征。运用基于广义误差分布的APARCH模型对沪深300指数每5分钟的收益率序列进行了波动性分析，并建立了风险度量模型。最后由Kupiec似然比检验表明，得出基于广义误差分布的APARCH模型对风险值计算较为精确。

简介：

简介：

简介：摘要：时间序列预测是对已有的时间序列数据进行分析，挖掘时间序列数据中蕴藏的信息，并对未来进行预测。时间序列预测具有极其重要的理论意义与现实意义，学者们为此做了大量的研究工作并取得了很好的成果。本文主要对时间序列预测的相关方法进行整理归纳，对时间序列预测相关研究进行述评。

简介：支持向量机是一种基于统计学习理论的新的机器学习方法，该方法已用于解决模式分类问题．本文将支持向量机（SVM）用于混沌时间序列分析，实验数据采用典型地Mackey-Glass混沌时间序列，先对混沌时间序列进行支持向量回归实验；然后采用局域法多步预报模型，利用支持向量机对混沌时间序列进行预测．仿真实验表明，利用支持向量机可以较准确地预测混沌时间序列的变化趋势．

简介：粮食价格波动的成因一直是学术界关注的问题。本文通过对1995年1月至2005年12月全国小麦批发市场月度价格序列的分析，表明所观察的小麦价格序列的分布不符合传统线性回归模型关于独立同方差的假设，其特征比较适合使用ARCH族模型来描述。GARCH（1，1）模型的结果显示，由前期价格代表的存粮情况对现期小麦价格影响显著，前期的高价会引发未来小麦市场较大的价格波动；考察期间两次大的粮食市场改革虽然对短期小麦价格有影响，但并未引发剧烈的小麦价格波动。

简介：

简介：摘要：本文结合国内外现有文献的研究对时间序列的相关理论进行了系统、全面的阐述，以期为后续研究奠定基础。

简介：阐述＂时间序列分析＂在民族院校统计专业中的重要性,论述在教学过程中教材选择、课堂教学方法的多样化以及考核方式等方面所做的努力,提出重视模型背景教学、重视案例教学、重视运用统计软件辅助教学以及重视实践教学的教学理念,旨在探讨统计专业＂时间序列分析＂课程教学改革的途径与方法。

简介：摘要时间序列指的是同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。本文基于时间序列理论，以我国1978年至2014年三十六年的国内生产总值为基础，对数据进行平稳化处理、模型识别、模型估计、模型检验，确定较适合模型为自回归移动平均模型。之后利用ARIMA模型对我国2013—2014年GDP作出预测并与实际值比较，结果表明预测比较合理，预测模型良好，继续利用ARIMA模型对我国未来4年的国内生产总值做出预测。

简介：

简介：提出了一种基于时间序列的大坝预测方法。首先对最近若干年的大坝位移变形时间序列进行周期项和趋势项的分析;然后对除去这两项的剩余时间序列进行混沌特性分析与预测;最后对三进行叠加,进行可行性分析与误差分析,得到预测结果。此方法实用性强,具有较高的操作性。

简介：ＥＸｃｅ１在办公自动化中的应用是众所周知的，但一提到统计分析软件，人们都会理所当然地想到ｓｔａｔｉｓｔｉｃ、Ｓｐｓｓ、ＳＡＳ等，谁也不会把Ｅｘｃｅｌ牵扯进来。在人们眼里，似乎Ｅｘｃｅｌ只能求简单的均值、方差等，而登不了统计分析的大雅之堂。其实，据有关资料表明，Ｅｘｃｅｌ可以实现９０％以上的统计分析功能，而且简便易行。下面我们就以时间数列分析入手，观察一下Ｅｘｃｅｌ是怎样剔除不规则变动（Ｉ），长期趋势（Ｔ），季节变动（Ｓ），来显示出循环波动（Ｃ），希望对统计工作者有一定借鉴作用。资料如下：（表１－１）解题思路：首先，由于原始数据（Ｙｔ）为季节资料，应对它进行４项移动平均（Ｍｔ）来分离出长期趋势

简介：利用时间序列分析软件CATS对研究地区的GPS观测资料进行噪声分析,使用了时间域上的最大似然估计法以及频谱域上的频谱分析法。结果表明,对于研究地区的GPS资料,白噪声＋闪烁噪声为较好的噪声模型,可提高该地区地壳变形速度估计的精度。

简介：

简介：摘要：最近出现的像物联网和大数据这样的尖端计算技术，导致了一个可以生成、收集和利用大规模数据的新时代。现在不仅可以更容易地获得数据量，而且还可以获得以前难以获得的信息和知识。在不同的领域，如能源、气候、经济、商业和医疗保健，由于数据采集故障、传输过程异常、机器运行中的设备故障等等原因，导致在这些领域往往存在数据部分缺失的问题。缺失的值被认为是数据分析中的主要障碍，因为它们扭曲了数据的统计特性，减少了可用性。缺失的值不仅会破坏原始数据分布的完整性和平衡性，而且还会影响相关场景的后续分析和应用，因此时间序列中缺失值的处理已经成为一个非常重要的问题，同时时间序列数据在数据挖掘和分析中具有重要的价值。

简介：摘要：近年来，全球海洋温度的升高使得一些鱼类离开原来的生存区域，去寻找更适宜的栖息地。对苏格兰而言，鲱鱼和鲭鱼为经济作出了重要贡献，这两种鱼栖息地的变化，将会对当地渔业产生巨大影响。在本论文中，我们将苏格兰海域划分为 36 块，用过去 40 年的海表面温度数据建立时间序列模型，对每一块区域进行分析，汇总出整体海域的结果。然后再根据两种鱼最适宜的生存温度，最终确定了鲱鱼和鲭鱼的迁徙路线。

简介：一次计算可得到所有P个变量的K步预测结果.这两种网络模型同样也可以进行迭代多步预测计算.利用传统的预测方法进行多变量时间序列的建模与预测非常复杂.而利用神经网络进行多变量时间序列的预测方法如同单变量时间序列预测一样简单,由单变量的时间序列重构相空间时,对多变量时间序列(x11

简介：利用谱分析方法研究了常德市10年降水酸度月均值的周期变化。将加窗周期图谱估计与三角函数拟合相结合，分别确定各主要周期长度并以所得数据对数据序列进行三角函数叠加拟合。结果表明，降水酸度月均值具有12、7、4、18、3、6个月的周期变化，以7个主要周期分量可以很好地模拟降水酸度月均值的变化。

简介：摘要人才资源是第一资源，人才是生产力中最重要也最活跃的因素，对社会和经济的发展具有基础性、决定性和战略性的作用；人才是城市创新的原动力，因为他们能够在短时间内学习到更好的技能，做出更好的产品，掌握更好的管理方法。近几年，随着经济全球化的发展，全球产业也在加速转型和优化，由此同时，经济社会也对人才提出了越来阅读的要求以使用经济的发展和变化，除本地人才市场之外，人才还通过互联网、校园招聘会和公开招聘活动来招聘。因此，合理有效的预测人才市场的需求已经成了求职者、企业、地区乃至全球的迫切需求。