基于SARIMA乘积季节模型对中国货币供应的计量分析

了解中国货币供应量的浮动规律,针对经济现状存在的问题提出一定参考意见.首先,选取1999年12月至2019年10月的中国货币供应量(M1、M2)月度数据资料构造时间序列.其次,运用趋势图、单位根等多种方法对序列进行平稳性检验与处理,根据最小信息量准则以及平均绝对百分误差选取SARIMA(2,1,1)×(0,1,1)12作为最优模型,并对模型进行仿真测试.最后,对中国当前的货币供应量做出短期预测.结果发现中国货币供应短期内呈上涨趋势,且M1增速高于M2增速,定期存款过于“活期化”.针对预测结果提出参考建议,帮助政府部门更好地管理金融市场秩序.

SARIMA-SVR组合模型在上海市肺结核流行趋势预测中的应用

目的 构建SARIMA-SVR组合模型,为上海市肺结核预测预警体系的建设和防治策略的制定提供理论依据。方法 基于时间序列分析方法,选取2011年1月—2018年12月上海市肺结核月报告发病数,分别建立季节性自回归移动平均模型(seasonal autoregressive moving average model, SARIMA model)、支持向量回归模型(sopport vector regression model, SVR model)和SARIMA-SVR组合模型,并以2019年1—12月的数据为验证集,对3种模型的拟合精度进行对比。结果 上海市肺结核发病具有季节性特征,且持续时间长,3—9月平均发病数高于全年平均水平。SARIMA、SVR和SARIMA-SVR组合模型均能较好地拟合上海市肺结核发病趋势,其中SARIMA-SVR组合模型预测精度最高,且明显优于对比模型(MAPE=9.70%,RMSE=55.03)。结论 SARIMA-SVR组合模型能较好地预测上海市肺结核的发病趋势,对上海市和其他城市制定肺结核季节性防控措施有一定指导意义。