应用自适应HP滤波的卫星遥测数据预测方法

在应用HP(Hodrick-Prescott)滤波的卫星遥测数据预测方法的基础上进一步研究,提出了基于二分法和琴生不等式判别的自适应HP滤波的遥测数据预测方法,有效解决了平滑参数的选择困难。同时,趋势项和波动项预测在应用HP滤波的方法的基础上有创新和优化,分别采用了线性预测模型和自回归单整移动平均(ARIMA)模型,有利于有效趋势特征提取和模型参数调整范围的优化。应用文章方法对卫星在轨行波管阳极电压数据进行分析,证实了方法的正确性和有效性。此方法可有效提高预测精度,实现遥测数据中长期预测,在卫星故障诊断和预警方面具有工程应用价值。

基于HP滤波法的2012-2018年北京新发地市场茄果类蔬菜价格波动研究数据集

茄果类蔬菜是居民餐桌上普遍的菜肴,也是我国重要的栽培蔬菜之一。茄果类蔬菜价格具有非平稳、波动大等属性,掌握其历史价格走势和波动规律可为保障蔬菜供应价格稳定、引导市场有序运行提供科学指导及支撑。通过数据采集整理、平稳性检验和HP滤波法分解处理,形成了北京新发地农副产品批发市场茄果类蔬菜价格波动研究数据集,涵盖2012-2018年间的周度和月度2个尺度,茄子、西红柿、青椒、豆角和黄瓜5种茄果类蔬菜,具体包括蔬菜类型、所在市场、日期、周/月均价、周/月均波动率、周/月均最高价、周/月均最低价、周/月均价HP滤波趋势值、周/月均价HP滤波波动值等数据,反映出北京新发地市场茄果类蔬菜价格的周度和月度变化特征,为科学研究北京市茄果类蔬菜价格波动和监测预警提供了数据基础。

基于HP滤波的股票长期价格神经网络模型预测

将上证指数和深证成指股票数据作为研究对象,对股票长期价格进行预测.选取长短期神经网络、循环神经网络、HP滤波长短期神经网络混合模型和HP滤波循环神经网络混合模型进行比较分析.经过模型间的对比分析,发现HP滤波对长短期神经网络预测的优化效果要优于循环神经网络.

湖北漳河灌区中稻气象产量变化特征及预测模型

准确的气象产量是正确评估气象条件对粮食产量影响的前提。为了探究湖北漳河灌区单季稻气象产量的时间序列变化规律,尝试通过三点滑动平均法、HP滤波法和一次指数平滑法、二次指数平滑法4种方法将漳河灌区1975—2020年的水稻单产数据分离为水稻趋势产量及气象产量,通过相关分析筛选水稻8个生育阶段的主要气象因子,然后与分离的气象产量构建水稻预测模型。结果表明:4种分割方法均能较好地反映气象产量序列与湖北省生产力发展水平的区域一致性特点,多年平均气象产量占总产量的比例约为3.39%,但2008年以后其占比达到10.1%。相关分析识别出抽穗开花期最低气温、拔节孕穗期最高气温、分蘖后期平均气温、返青期最低气温、乳熟期蒸发量和育苗最低气温是影响气象产量的主要因子,该模型在率定期(1976—2014年)和验证期(2015—2020年)的相对误差均在5%以内,模型的决定系数R 2为0.994。预测模型有助于研究未来气候变化下的区域水稻产量的变化。

湖北省茶叶不同气象产量方法的比较分析

基于2010—2021年湖北省夷陵区、英山县、咸安区3个茶叶主产区的茶叶产量数据,采用二次指数平滑法、HP滤波法、三年滑动平均法提取趋势产量,探究气象产量最佳提取方法,分析气候要素对茶叶气象产量的影响。结果表明:夷陵区、英山县、咸安区3个茶叶主产区的种植面积、产量、单产随着时间的推移呈多项式变化趋势,2013年之前英山县最高,2015年之后夷陵区最高;采用3种方法拟合的产量变化趋势相同,夷陵区的茶叶产量随着时间的推移呈增长趋势,而英山县和咸安区则呈减少趋势;采用二次指数平滑法和HP滤波法测算出的趋势产量均与实际产量达到显著及以上相关性,对产量剧烈波动部分有较好的捕获能力,均优于三年滑动平均法;HP滤波法得到的气象产量能较好地反映气象条件的变化,适用于湖北省3个茶叶主产区气象产量的分离,可为后续气象产量分离的研究提供参考借鉴。

基于HP滤波模型的农产品价格波动分析——以水果为例

运用2001-2011年的鲜果零售价格数据,分析了我国水果价格波动主要特征,运用X11季节调整模型实证分析季节性因素对我国水果价格波动的影响;运用HP滤波分解模型将2001—2011年我国水果价格指数序列分解为趋势值序列和波动值序列,据此考察我国水果价格长期波动的趋势,并对短期波动的周期进行划分。研究发现:我国水果价格具有稳步上涨的长期趋势,但季节性因素、不可观测性因素及国际经济因素会使价格在短期内剧烈波动;此外,研究期内我国水果价格波动可划分为7个周期,各周期持续的时间长度、谷-峰落差都不尽相同,研究末期水果价格波动的幅度和频率都明显提高。提出为了稳定我国水果价格,有必要从生产、消费及进口方面采取针对性措施对水果价格加以调控。

基于HP滤波的SARIMA中期电力负荷预测

在用时间序列模型做电力负荷预测时,季节性是中期负荷预测重点分析的因素项。对全国2004年1月到2013年12月的电能消耗数据建立SARIMA模型,在模型定阶和参数显著性检验中发现,季节性因素的参数在调整过程中多数情况下不显著,这与季节性本身相矛盾,不利于SARIMA模型建立后的预测过程。鉴于这种情况,对原序列进行修整,将HP滤波法应用到ARIMA模型建立之前,提取不同频率的波谱序列。并运用OLS法分别建立模型进行分析,弱化趋势性、季节性等因素之间的相互作用,最后根据HP滤波原理对2014年1月到11月的电能消费量做出综合预测。从预测结果看,这种方法可以降低由序列趋势性、季节性等因素相互影响产生的相对误差,提高预测精度。

基于HP滤波法的我国CPI波动规律研究

为了探索2001年以来我国CPI的变化情况,以2001年1月至2015年12月的CPI数据为研究对象,基于Census X12季节调整法和HP滤波法对我国CPI波动规律进行研究。将我国CPI的月度时间序列进行了分解,并对分解出的季节因素、长期趋势成分和循环波动成分进行相关分析。研究表明,我国CPI波动大致分为4个周期且受季节因素影响较大,但从长期来看CPI呈现出逐渐上涨趋势,且由于总供给和总需求不平衡引起的短期波动远远小于季节变动和长期通货膨胀对物价的冲击。

基于HP滤波法的新疆枣果价格波动特征

【目的】研究新疆枣价的波动特征和规律,为调节价格波动幅度、促进枣产业发展提供参考。【方法】运用季节调整法和HP滤波法,分析新疆枣果市场价格的波动趋势、规律和特点。【结果】2010年4月～2017年5月间,新疆枣价整体呈现下跌趋势,平均月增长率为-1.06%。2012年,新疆枣价下跌,此后枣价呈阶梯状缓慢下降趋势;新疆枣价在每年11～12月处于最高值,在次年4～6月处于最低值;枣价呈现周期性变化规律,波动频率从2年左右逐渐缩短为1年半,波幅从36.16%降至6.01%,波动峰值逐渐下降。【结论】新疆枣果市场价格呈现明显下降趋势;季节性变动对价格波动影响明显,价格波动呈现V字型季节变化特征;价格周期性变化特征明显,价格波动幅度逐渐减小、波动频率加快,价格小幅起伏更加频繁。

中国天然橡胶生产波动性及增长趋势——基于HP滤波的实证研究

采用HP滤波法将1970～2008年间全国、农垦和民营以及三大植胶区的天然橡胶生产数据分解为波动序列和趋势序列两部分,对波动序列进行相关性分析研究其波动特征,利用趋势序列建立关于时间t的趋势模型。研究结果表明:中国天然橡胶产量波动对农垦产量波动最为敏感,对海南的产量波动最为敏感,对单产波动最为敏感;未来中国天然橡胶的增产空间与国家的目标值相差较大,保增长的任务艰巨。最后,提出了促进天然橡胶快速平稳增产的若干政策建议。

基于HP滤波—AR模型—GARCH族模型对黄金价格预测研究

黄金作为一种特殊的贵金属,不仅其本身具有货币和商品的双重功能,而且对经济领域有着重要影响,因此预测黄金价格趋势对社会经济发展具有重要意义。文中提出了一种新的预测方法:首先采用HP滤波将时间序列分解为趋势要素序列和周期波动序列;然后针对不同序列的性质,对趋势要素序列采用自回归模型(AR)拟合预测,对周期波动序列采用ARMA-GARCH族模型拟合预测;最后将两个预测序列相加与原序列比较;预测结果在模型精度和范围上均令人满意。

基于HP滤波法和VEC模型的R&D投入与经济增长的动态关系研究

运用HP滤波分析、VEC模型、脉冲响应函数和方差分解等方法,从动态角度分析R&D投入和经济增长之间的互动关系。研究结果表明,R&D经费投入的波动幅度大于R&D人员数量的波动幅度;我国R&D投入与经济增长之间存在着双向互动关系,R&D投入的冲击会引起经济增长正向响应,但是当经济增长发生波动时,会对R&D投入产生负向效果;认为在当前阶段,我国应当持续增加R&D投入。

基于Census X12和HP滤波的海南蔬菜价格波动特征及原因分析

以海南省主要蔬菜品种2012年1月至2015年9月的月零售价格为研究对象,采用Census X12季节调整方法,把季节变动S分离出来,分析海南省各类蔬菜价格的季节性波动情况,进一步采用HP滤波法将趋势变动T、循环变动C分离出来,分析海南省各类蔬菜价格的趋势和循环波动情况。然后对海南省蔬菜价格波动原因进行分析。

我国天然橡胶产量波动的周期性分析——基于HP滤波的实证研究

利用HP滤波法测定1970～2010年间我国天然橡胶产量波动的周期,分析波动的周期性特征和成因,并分阶段研究了开割面积、单产波动与产量波动的关系,揭示了我国天然橡胶生产的波动规律。

基于HP滤波的ARMA-ABCSVR-GABP网络流量预测

针对当前网络流量无法根据流量变化的特征进行预测,且通过单一或者组合模型依然得不到较高准确率的问题,提出一种基于HP(High-Pass Fliter)滤波的流量预测模型。基于高铁站流量数据日高夜低的周期特性以及流量波动增长的长期趋势,依据HP滤波将网络流量分解成周期序列及趋势序列。利用自回归-滑动平均模型(ARMA)对平稳序列预测的优势来进行周期变化的预测;使用人工蜂群算法(ABC)优化后的支持向量回归机(SVR)对趋势序列进行预测;将二者预测的结果叠加,使用遗传算法优化的BP神经网络(GABP)进行结合预测,进一步提高准确率。结果显示,该预测方法可靠,较其他方法具有优越性。

基于HP-LSTM模型的股指价格预测方法

股指价格时间序列受到长期和短期不同因素的影响,且具有非平稳、非线性等特点,传统计量模型的预测精度较低。为提高预测精度,一些研究将人工神经网络模型用于金融时间序列预测,取得了比传统计量模型更好的效果。提出了一种融合了HP滤波(Hodrick-Prescott Filter)和LSTM神经网络模型的股指价格预测模型,模型使用HP滤波将股指价格时间序列分解为长期趋势和短期波动,利用LSTM神经网络模型分别学习长期趋势和短期波动序列的特征,并分别进行长期趋势和短期波动预测,将预测结果融合得出股指价格预测结果。实验结果表明,提出的HP-LSTM混合模型不仅可以有效捕捉到股指价格时间序列的长期趋势和短期波动的变化规律,提高了股指价格预测精度,并且长期趋势和短期波动都具有相应的经济含义,提高了模型的可解释性。

北京市潜在经济增长率测算与HP滤波平滑参数探讨

生产函数法与多变量结构化分解法不适用于测算地区潜在产出。使用HP滤波法对1982-2007年北京市潜在经济增长率进行测算，对未来潜在经济增长率的水平及适度增长区间做初步预测。分析表明，应参考经济理论和实际经济运行状况，不同参数的HP滤波器需结合使用。

中国林产品PPI指数波动的ARCH族-HP滤波分析

了解林产品生产者价格指数波动的特征对稳定林产品PPI和价格水平有重要意义。采用ARCH-LM和残差平方和相关图方法检验后认为:木材、竹材PPI序列不存在不存在ARCH效应;HP滤波分析显示木材和竹材行业的PPI指数长期趋势比较平稳,相比于木材市场,近期竹材的市场供求状态相对合理;采用GARCH-M、TARCH和EARCH模型分析认为胶脂和果实类林产品市场不存在"高风险-高收益"特征,但胶脂和果实类林产品PPI指数波动存在非对称性。

基于HP滤波和ARIMA模型的我国GDP分析与预测

选取中国改革开放以来GDP的年度数据,运用HP滤波技术将GDP序列分解为长期趋势部分(Trend)和短期波动部分(Circle)并进行宏观描述性分析。对GDP序列建立ARIMA(p,d,q)模型,依据赤池信息准则(AIC)、施瓦茨准则(SC)和杜宾-瓦特森(DW)检验值筛选出最优模型并评价模型的精确性,运用该模型对GDP序列做近期预测。结果表明:我国GDP序列长期趋势表现为持续增长特征,短期趋势表现为波动特征;我国GDP的对数序列是一阶单整序列;ARIMA(1,1,2)模型能够很好地反映GDP变化的规律,其预测的平均相对误差为0.015。

基于HP滤波法的菠萝价格波动分析——以北京丰台区新发地农产品批发市场为例

近年来,菠萝价格波动异常频繁,对消费者和生产者造成很大的影响。本文运用2011年8月至2015年9月北京丰台区新发地农产品批发市场菠萝批发价格数据作为研究对象,剔除通货膨胀对菠萝价格的影响,分析菠萝价格波动主要特征;运用Census X12季节调整模型和HP滤波分解模型将2011年8月~2015年9月的菠萝价格分离出趋势和循环序列,据此考察菠萝价格长期波动的趋势,并对短期波动的周期进行划分,以此剖析菠萝价格波动存在的内在规律。研究发现：菠萝的批发价格属于一种高峰型的波动并具有稳步上涨的长期趋势,但扩张能力正在逐渐下降;菠萝的批发价格很不稳定,变动的幅度很大,波动周期短,市场稳定性差、风险高容易受到其他因素的影响。