MLR和ARIMA模型在民航安全业绩预测中的应用

为预测民航安全业绩发展趋势,通过散点图、相关系数、主因子分析等多种统计方法,筛选5大类、共计20项与民航安全运行关系密切的社会经济指标,建立民航综合安全指数MLR模型;依据中国民航在1995—2014年间的安全生产历史数据,分析其发展历史、现状、特征与存在的问题,并利用ARIMA模型进行预测分析。结果表明,人员素质因子和技术能力因子对民航安全均有显著影响;民航安全综合指数预测值在2015—2017年间总体稳定;MLR方法和ARIMA模型对民航安全趋势的耦合分析结果良好。

基于改进PSO-ARIMA模型的船舶纵摇角度预测

针对自回归移动平均(auto regressive moving average,ARMA)模型在船舶纵摇角度预测时不具有普遍适用性问题,提出使用自回归综合移动平均(auto regressive integrated moving average,ARIMA)模型进行纵摇角度预测,并采用改进粒子群优化(particle swarm optimization,PSO)算法对模型定阶。对纵摇角度值序列数据进行平稳性检验和差分运算,确定ARIMA模型的适用性;采用具有针对性适应度评价函数的PSO算法进行模型定阶,并优化PSO算法的权重计算方法。通过仿真对比验证本文所提方法的科学性和有效性。仿真结果表明:采用改进PSO算法进行模型定阶的方法能够有效提升模型的预测精度,具有更好的预测效果。

基于ARIMA模型对上证指数的预测

股票价格涉及很多不确定因素,且各个因素之间的相关关系错综复杂,因此要从理论上彻底弄清楚股市的变化机理十分困难。然而股市是一个运动的、特殊的系统,它必然存在着规律。以上证综合指数为例,利用EVIEWS软件对其股票价格建立ARIMA模型,提出了股票价格序列的一步向前静态预测方法,用于股票价格序列的建模及股价短期预测,希望为企业和投资者在进行相关决策时提供有益的参考。

基于调和分析和ARIMA-SVR的组合潮汐预测模型

为提高潮汐预测精度,解决单一调和分析预测精度不高的问题,提出一种基于调和分析和自回归综合移动平均-支持向量回归机(autoregressive integrated moving average support vector machine for regression,ARIMA-SVR)的组合潮汐预测模型。潮汐分析中,潮汐可认为是由受引潮力影响的天文潮位和受环境因素影响的非线性水位的叠加。采用小波分析对潮汐样本数据进行去噪处理,使用调和分析法计算天文潮位,以调和分析法计算产生的残差作为非线性水位样本数据,并使用ARIMA-SVR模型进行潮高计算,最后将两部分的计算结果进行线性求和得到最终的潮汐预测值。利用美国旧金山港口实测潮汐数据进行预测仿真,结果表明,该组合模型解决了调和分析忽略非线性影响的问题,提高了潮汐预测准确率,可行且高效。

基于ARIMA模型对上证指数月度时间序列的分析和预测

股票价格指数的影响因素错综复杂,现阶段影响我国股票价格的主要领域是银行储蓄、债券市场、期货市场、房地产,汇率等,从目前金融学发展的趋势和广大投资者对股票市场众多金融工具迫切的需求来看,通过建立恰当的时间序列模型可以达到对股票价格整体走势进行大致的预测的目的.本文选取了从2011年12月我国加入WTO至2014年7月以来的上证综合指数的月度数据,通过建立ARIMA模型采用一步向前静态预测的方法对我国股市2014年8月的上证综合指数进行了预测,发现我国2014年前两个季度以来整体股市呈现上升的趋势.本文的创新之处在于对样本数据取了对数,从而消除了时间序列中的自相关和异方差,同时使得预测值接近实际值,效果良好,希望对广大股民提供借鉴参考.

预测经济和金融时间序列:ARIMA与LSTM模型的比较

预测时间序列数据是经济学、商业和金融学中的一个重要主题。ARIMA模型在预测下一个时间序列滞后的精度和准确性方面表现出色。随着计算机计算能力的发展,产生了基于深度学习的新算法来预测时间序列数据,如长短期记忆(LSTM)。通过实证研究,基于深度学习的算法(如LSTM)优于传统算法,与ARIMA相比,LSTM获得的错误率平均降低在84%~87%之间,表明了LSTM对ARIMA的优越性。

三峡水库水位调度对出库水质影响分析与水质预测

出于防洪、发电与航运需求,三峡水库在汛期维持145 m低水位运行,在非汛期抬升水位至175m维持高水位运行。水库运行期按水位变化分为:水位下降期(175~145 m)、低水位运行期(145 m)、水位上升期(145~175m)和高水位运行期(175 m)。基于2011-2018年三峡水库出库断面水质因子(DO、CODMn和NH3—N)监测周报数据,采用综合水质标识指数Pi和自回归综合移动平均模型ARIMA模型评价预测水质,研究三峡水库水位调度对出库断面水质的影响,探究水质对水位变化的响应,并预测水质变化趋势。结果表明:三峡水库季节性水位调度对出库水质影响显著。水质因子(DO、CODMn、NH3—N)浓度随水位运行期的改变而出现周期性变化,不同水位运行期水质因子浓度存在差异。高水位运行期DO浓度显著高于低水位运行期,CODMn和NH3—N浓度小于低水位运行期;各运行期的综合水质标识指数Pi均符合综合水质指标Ⅰ级标准,其中高水位运行期水质最好,低水位运行期水质最差;ARIMA预测结果显示未来水质符合Ⅰ级标准。水库水文条件受季节性水位调度影响,水质与水位、流量和外源污染输入相关。评价结果有利于在高时间精度下掌握水质实情,进行水资源管理。

基于银行间国债回购利率时间序列的实证分析

预测市场利率的走势,对于商业银行利率风险管理非常重要。依据国债7天和14天回购利率数据,本文建立了利率预测综合自回归移动平均模型(ARIMA)和误差修正模型(ECM)。模拟结果表明,ARIMA模型不太理想,而ECM模型效果较好。

关于汇价预测方法有效性的探讨

汇价变动对经济金融市场造成很大影响,特别是展望经济金融市场前景时,汇价预测就显得更加重要。因此,对汇价预测方法的要求也就更高。本文就几种预测方法,探讨一下用它们进行汇价预测的可能性。