基于状态空间季节调整模型的旅游需求预测——以厦门入境旅游为例

旅游商品的易变质性决定了对旅游需求准确预测的必要性,经济一体化、全球化推动了地区间旅游的发展,旅游产业的发展促进了旅游需求预测技术的发展,然而并没有一个"常胜将军"式的模型能够准确预测所有旅游需求。本文选用基于状态空间的季节调整模型对厦门入境旅游需求进行预测,发现模型的预测能力极佳,对以旅游、港口经济为城市定位的厦门经济特区有一定的借鉴意义。

基于均方根信息滤波状态空间模型的制造业PMI季节调整

季节因素的影响常常掩盖月度或季度经济时间序列自身的客观规律及发展趋势。文章对2008年1月至2016年12月的我国制造业采购经理人指数(PMI)构建基于状态空间的季节调整模型,在Kalman滤波的基础上用均方根信息滤波对序列建立模型并分解,将制造业PMI分解得到趋势特征、季节效应。并使用HP滤波对季节因素分解,得到季节因素的趋势、循环项。研究表明:交易日效应对制造业PMI影响不显著,且4阶AR成分模型最优;制造业PMI具有鲜明季节特征,周期性波动明显;季节因素趋势稳定,但受循环因素影响。

基于状态空间模型的中国财政支出季节调整研究

文章对中国1998年1季度至2015年4季度财政支出的时间序列构建了基于状态空间形式的季节调整模型,通过卡尔曼滤波对状态方程各量测变量进行最优估计,并通过BHHH极大似然法对模型中的超参数进行估计,得出超参数、量测变量和量测变量相关系数矩阵估计值。根据分离出的循环趋势因素和季节因素,计算季节因素绝对值变化率和HP滤波分解,得到季节因素的趋势项和循环项。通过季节因素绝对值变化率曲线、其趋势项和循环项曲线分析,得到这6个年度波动性显著的原因。研究表明,中国财政支出具有季节性特征,但在特定年份受到国内经济环境和国内财政政策的影响,季节因素具有较大程度的波动性趋势。

套期保值定期动态调整策略的状态空间模型研究——基于沪深300股指期货对50ETF套期保值的实证

套期保值率的计算影响到套期保值效果,利用变参数状态空间模型及相关的动态调整策略,基于沪深300股指期货对50ETF做套期保值操作,研究结果证明:状态空间模型更能体现动态估计的特点,沪深300股指期货对50ETF有很好的套保效果;对于分散程度较高的上证50ETF应采用定期动态调整策略。

流程雁阵阵形调整的状态空间模型预测控制方法

针对复杂工业流程过程的分解协调优化问题,提出一种流程雁阵(PGQ)阵形调整的状态空间模型预测控制算法.根据发生干扰级的PGQ状态预测其上一级PGQ输出,同时调节两级PGQ的操纵子雁位置,提前抑制干扰对多级流程雁阵系统整体优化目标的影响.通过一个化工流程实例仿真,验证了所提出方法的有效性.结果表明,所提出的方法对于流程雁阵阵形的调整具有响应快、耗时短的优点.

高速铁路列车运行调整的状态空间模型及算法

列车运行调整的优化属超大规模的组合优化问题，具有因素多、各因素之间关系复杂的特点，很难给出一个简洁、易解的规划模型．基于面向事件的状态空间模型良好的描述能力和具有接近系统自然特性的特点，本文在前人研究的基础上，结合我国高速铁路的特点，建立了行车调整的事件驱动的状态空间模型．针对前人研究中状态转移方程的表达及在冲突确认和疏解上的缺陷，结合算法的求解特点和列车运行的实际可能性，提出了改进方法．特别是冲突确认和疏解的新方法和策略，清除了事件驱动的状态空间模型和与之相应的调整算法在实用时的主要难点之一．仿真表明模型和算法是有效的．

基于状态空间模型的中国消费率变动趋势

中国消费率长期偏低且近年有持续下降的趋势,在中国消费社会处于转型升级的重要时期,投资和消费的失衡是当前宏观经济中最严重的问题之一。在对中国消费率偏低原因的静态分析和评价的基础上,首先从消费结构的视角构建了中国1992年1季度至2010年4季度的商品货物消费率。其次,在状态空间季节调整模型中引入均方根信息滤波方法,对原有Kalman滤波模型予以改进,用R软件中DECOMP程序将中国商品货物消费率非平稳序列进行分解,得到变动趋势。再将其与总消费率的走势进行比较发现两者之间的走势存在明显差异。通过建立总消费率与商品货物消费率及消费结构之间的合理函数关系,对前两者差异以及近年中国消费率持续走低进行了合理解释,并从消费结构视角提出提高中国消费率推动消费结构升级的对策。

ETS和SARIMA流行趋势中的性能比较模型在预测北京市猩红热

收集2004—2019年北京市猩红热月发病人数和人口学资料,采用描述性统计方法和Joinpoint回归调查猩红热的流行病学变化趋势。北京市猩红热发病的平均年度百分比变化为(AAPC=1.866,95%CI:-2.968~6.941;t=0.816,P=0.428),流行趋势总体保持稳定,每年的4—6月和11—12月为发病高峰,呈双季节模式。最优SARIMA模型和最优ETS模型预测的平均绝对误差(MAD)、均方根误差(RMSE)、平均绝对百分比误差(MAPE)、平均误差率(MER)、方根百分比误差(RMSPE)五个误差指标分别为0.586、0.623、0.751、0.296、0.785和0.318、0.282、0.438、0.282、0.338,可见ETS模型的预测准确性高于SARIMA模型,可用来对北京市猩红热流行趋势进行预测预警,从而为猩红热动态精准化防控提供参考依据。

基于季节自回归单整移动平均模型的电梯交通流递归预测方法

针对电梯交通流预测提出了一种基于季节自回归单整移动平均(SARIMA)模型的递归预测方法.通过离线分析,对电梯交通流利用时间序列分析得到初始的SARIMA模型,引入异常值检测对训练数据中的异常值进行修正,利用修正的序列得到电梯交通流SARIMA模型;在线预测时,将离线得到修正的SARIMA模型转化为状态空间形式,通过Kalman滤波实时调整状态向量,实现电梯交通流的实时在线预测.仿真表明该方法具有很好的预测性能,且运行时间短,满足实时性的要求.

中国季度GDP的季节调整：结构时间序列方法

本文利用结构时间序列方法讨论了中国季度GDP的季节调整问题,从季节单位根、季节自相关、周期自相关等多个方面对不同季节模式的调整结果进行了比较。结论认为,随机虚拟变量形式和三角函数形式得到的调整结果非常相似;结构时间序列方法更好地捕捉到了时变季节特征,明显优于X-11和SEATS方法;非高斯稳健季节调整的结果表明,高斯结构时间序列方法具有较好的稳定性。

基于产业结构模型的中国经济结构调整路径测算与增长动力分析

在经济增速换挡、结构性问题突出的新常态下,结构调整与转变发展模式成为备受关注的议题。然而鲜有对经济结构调整路径的测算以及从结构角度对增长动力的剖析。通过建立经济结构跨期路径模型,测算了我国未来十年经济结构的均衡调整路径,并根据测算结果与中间变量对经济增长动力进行分析。结果表明:第一产业将在经济结构调整中迎来发展机遇,其资本与产出占比均会有显著增加;第二产业将通过结构调整释放发展空间,在需求的拉动下获得一定发展,其资本与产出占比将有所降低;第三产业的产出占比处在合意区间内,在需求拉动的作用下将继续保持最大产业的地位。

基于状态空间模型的中国季度GDP季节调整(1996～2009年)

中国迄今为止尚未公布包括季度GDP在内的经季节调整的经济指标数据,这不仅不利于对中国宏观经济运行监测,也无法满足国际比较的迫切需要。本文对中国1996年一季度至2009年四季度的实际GDP构建基于状态空间形式的季节调整模型,通过卡尔曼滤波递推算法对状态向量的各分量进行了最优估计、平滑和预测,并对超参数进行了极大似然估计。在此基础上分析了这一期间中国GDP的主要季节和趋势特征,并计算出了季节调整后的季度环比增长率指标用来分析和监测经济走势,鉴别趋势拐点,制定相关经济政策。最后通过与国际通用的TRAMO-SEATS季节调整模型的对比发现其优越性。

中国居民消费季节调整:2000～2010——基于均方根信息滤波状态空间模型的研究

近年我国消费率持续下降,在我国消费社会处于转型升级的重要时期,投资与消费的失衡是当前宏观经济中最严重的问题之一。本文在基于传统的Kalman滤波状态空间季节调整模型的基础上,用均方根信息滤波的方法对状态空间季节调整模型进行改进,充分利用R软件中DECOMP程序包的优势将2000年1月至2010年12月我国居民消费非平稳序列进行分解。所得结论:(1)二阶AR成分模型最优。交易日对我国消费品零售额影响不显著。(2)我国社会消费品零售额有两阶段指数发展趋势特征,2003年是趋势变化转折点,后期比前期增长快。具有中间低、两头高的U型季节特征。(3)得到非常平滑的月环比增长率,为经济监测提供了更稳定的依据。

基于过剩产能的产业结构调整路径研究——以福建省七个行业为例

产业结构调整的难点是确定调整的路径,将产能过剩程度作为产业结构合理程度的度量,通过估算不同行业的产能过剩程度找出产业结构调整路径是研究的出发点。以福建省1978—2012年7个行业的年度数据为依据,分别建立状态空间模型估计各个行业的产出缺口变动情况,从而反映行业产能过剩的程度,研究得出以下结论:房地产业产能严重过剩,传统生产性服务业产能过剩比较严重,传统行业产能略有过剩,而金融业是唯一供不应求需要大力发展的行业。福建省产业结构是全国的一个缩影,福建省产业结构的调整路径对全国具有一定的借鉴意义。

基于ROXY指数的农业空间发展态势研究--以内蒙古自治区为例

农业是国民经济的基础,对农业产业发展的研究具有重要的现实意义。结合内蒙古自治区的种植、林、牧、渔业进行分析,可以得出以下结论:种植业和牧业的整体空间态势向衰退的方向发展。通过构建面板数据模型,找到了转向衰退的原因,即技术进步的拉动力较小,且对土地的利用率不高,这应成为政府制定及改进相关农业政策时需考虑的重点。

考虑调整误差的多变量设置调整问题

针对存在初始设置偏差的离散多变量生产制造过程,研究了调整误差服从自回归模型的情况下,考虑调整花费成本为二次型函数时的设置调整问题,在建立过程状态空间方程的基础上,利用卡尔曼滤波方法在线估计过程的状态变量,根据随机二次型最优控制理论得到了使过程质量损失最小的最优调整策略。通过算例解释了最优调整策略的实现方法,并进行了仿真验证,结果表明,得到的调整策略与调整误差为白噪声时的调整策略相比,能更好地减少过程总体质量损失。

有色动态噪声下多变量自相关过程调整策略研究

针对生产阶段有限的多变量自相关生产制造过程,研究了过程动态噪声为有色噪声、调整花费成本为二次型函数情形下的过程调整策略问题.在建立过程状态空间方程的基础上,利用卡尔曼滤波方法在线估计过程的状态变量,根据随机二次型最优控制理论,得到了使过程质量损失最小的最优调整策略.通过算例解释了最优调整策略的实现方法,并进行了仿真验证.结果表明,提出的调整策略与过程噪声为白噪声时的调整策略相比,能更有效地减少过程的总体质量损失.

基于状态空间的误差–趋势–季节模型在河南省肺结核发病率预测中的应用

目的 探索基于状态空间的误差–趋势–季节(ETSBSS)模型在河南省肺结核(TB)发病预测中的应用。方法 采用时间序列分解法解析2006—2019年河南省TB的趋势和季节组分。将数据分为训练(2006—2018年)和测试集(2019年),然后使用ETSBSS模型进行拟合和预测,并将模型性能与季节性求和自回归滑动平均混合(SARIMA)模型进行比较。结果 ETSBSS(A,MD,M)和SARIMA(1,0,0)(0,1,0)12模型被选择为预测河南省TB发病的最优模型。两种模型在训练集上拟合的平均绝对百分比误差(MAPE)依次为ETSBSS模型(5.65%)

江西省流行性腮腺炎发病率4种时间序列模型预测效果比较

目的比较季节性自回归移动平均模型(SARIMA)、指数平滑模型(ETS)、指数平滑空间状态模型(TBATS)和自回归神经网络模型(NNAR)4种时间序列模型对江西省流行性腮腺炎(流腮)发病率的预测效果,为流腮的预防控制提供参考依据。方法收集中国疾病预防控制信息系统中江西省2010年1月1日—2019年12月31日报告的流腮发病数和发病率数据,以其中2010年1月—2018年12月的流腮报告发病率作为训练集,应用R 4.1.2软件构建SARIMA、ETS、TBATS和NNAR模型,并通过模型预测2019年1—12月的流腮发病率,采用均方根误差(RMSE)、平均绝对误差(MAE)和平均绝对百分比误差(MAPE)比较4种模型的拟合和预测效果。结果江西省2010、2011、2012、2013、2014、2015、2016、2017、2018和2019年流腮报告发病率分别为20.49/10万、32.03/10万、31.89/10万、19.95/10万、12.22/10万、14.10/10万、16.56/10万、16.21/10万、14.29/10万和21.14/10万,2010—2019年流腮年均报告发病率为19.84/10万;江西省流腮发病具有明显的季节性,每年4—7月为发病主高峰,11月至次年1月为发病次高峰;4种模型拟合值的变化趋势均与实际值一致,除SARIMA模型MAPE(32.01%)较高外,其他3个模型的MAPE均<15%,其中NNAR模型的拟合值更贴近实际值,其RMSE、MAE和MAPE均最低,分别为0.20、0.14和8.24%;除SARIMA模型外,其他3种模型的预测值变化趋势均与实际值一致,此3个模型的MAPE均<15%,其中TBATS和ETS模型的预测效果最好。结论ETS、TBATS和NNAR模型对江西省流腮发病率的拟合和预测效果较好,预测结果可为该地区流腮的防控提供理论指导。

基于指数平滑状态空间模型预测河南省猩红热发病趋势

目的探索指数平滑状态空间模型(ESSS)在河南省猩红热发病率预测中的应用,为未来猩红热防控工作提供科学依据。方法收集2004年1月至2018年12月河南省猩红热发病时间序列,使用2004年1月至2017年12月的数据建立ESSS模型和季节性求和自回归滑动平均混合模型(SARIMA),并将它们的拟合及预测性能进行比较。结果SARIMA(1,0,0)(0,1,1)12和ESSS(M,AD,M)模型被识别为最佳的拟合模型,并使用它们分别对2018年的月数据进行预测。比较发现,ESSS(M,AD,M)模型的拟合和预测值的均方根误差、平均绝对误差、平均误差率、平均绝对百分比误差和均方根百分比误差均小于SARIMA(1,0,0)(0,1,1)12模型,特别在预测方面,上述指标的值更小。结论ESSS模型在预测猩红热发病序列方面优于SARIMA模型,其可以作为一种有效的工具对猩红热未来的流行模式进行预测。