中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。

基于X-12-ARIMA模型的中国粮食消费价格运行

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用X-12-AR IMA季节调整模型对中国1997年1月至2009年12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明:模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。

基于改进X-12-ARIMA的电煤需求预测模型与实证研究

考虑中国春节、端午、中秋等移动假日效应,对美国人口普查局开发的X-12-ARIMA模型进行了改进和实证分析。结果表明,中国电煤消费量具有显著的季节性特征,每年11—12月为消费最高峰,7—8月为消费小高峰;基于改进X-12-ARIMA模型对2013年1、2和3月份的电煤需求预测精度分别为96.6%、95.1%和93.7%,具有较好的短期预测能力。

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR（2）-GARCH（1,1）模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.

基于X-12-ARIMA方法的武汉市空气污染指数波动分析

空气污染指数(API)用于表征区域空气污染程度和质量状况,其变动存在长期趋势、季节效应及随机扰动效应等特征。为探索API的波动规律,以武汉市2001—2012年API为例,进行X-12-ARIMA季节调整方法下的API演变趋势及内在规律探究。结果表明:在研究期内,武汉市API的变化受趋势成分的影响作用为85.2%;API月度及季节性变化显著;冬、春季节空气质量较差且变化不规则。最后,依据研究结果为武汉市空气环境质量的改善提出了建议。

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响,交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型,如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型,综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列,结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现,当原始序列趋势变化剧烈时,Prophet-X-12-ARIMA组合模型的预测效果更优。

基于X-12-ARIMA模型的公路运价季节性波动影响研究

随着我国铁路货运价格逐步放松管制,分析和借鉴公路货运价格的季节性波动规律,有助于铁路运输企业制定和实施合理的价格策略,提高市场应对能力。X-12-ARIMA模型能够有效计算和提取时间序列中的季节性因素并测度该因素对序列波动的影响程度。以北京到上海13m整车、零担轻货公路运输价格为例,通过建立X-12-ARIMA模型,对公路运价时间序列中的季节性因素进行提取和分析,并根据季节性因素变化百分比的方差相对贡献度判断其影响程度。结果表明,公路运价的短期波动主要受季节性因素的影响,季节性变化规律显著。

基于X-12-ARIMA模型的中国民航鸟击事故征候分析

近年来,随着我国民航运输量加大,鸟击事故征候随之增加,2006-2017年鸟击事故征候数占事故征候总数的51.609%。运用X12季节调整法对2006-2017年鸟击月度事故征候万次率时间序列进行分解,分解为趋势循环因素、季节因素和不规则因素。各因素序列波动曲线表明,从长期来看,鸟击对中国民航安全的威胁不断加大;鸟击受季节性因素影响较大,春季4、5月份与秋季9、10月份的季节因素波动最为明显;鸟类受天气、人类活动、自然灾害等突发事件的影响而进行的群体性的迁徙活动严重影响飞机起降安全,2006年1月到2010年1月期间的鸟击事故征候万次率不规则因素波动幅度明显,2012年1月与2013年12月等个别月份波动幅度较大。

基于优化X-12-ARIMA模型的船舶交通流量预测

月度船舶交通流量数据具有较强的季节性,在提高数据预测精准度的同时,应提取其季节波动和长期趋势加以分析,而不是单纯预测未来发展趋势.为从数据中获得更多有效信息,利用时间序列ARIMA模型对原始数据进行拟合,使用残差平方和、均方根误差、AIC函数和SBC函数衡量模型拟合效果,选取局部最优模型.经比较后,选取X-12-ARIMA季节乘法模型拟合月度船舶交通流量数据,得到了季节波动、长期趋势和不规则变动随时间而发生的变化,并预测了未来12期的船舶交通流量.在此基础上,调用径向基神经网络函数对数据进行仿真研究.结果表明,采用优化的X-12-ARIMA模型预测船舶交通流量时,预测精度有了较大提高.

基于X12-ARIMA模型的猪肉价格波动规律研究

本文利用X12季节调整法和H-P滤波法,以我国2000年1月—2017年10月的猪肉价格为对象,从季节调整后的数据中分离出季节要素序列、不规则序列及趋势循环序列,并分析出猪肉价格整体波动情况及规律。结果表明:我国猪肉价格整体呈上涨趋势,平均每34个月经历一次周期波动,具体表现在每年1季度和2季度处于季节性下跌,3季度和4季度处于季节性上升,其中9月和12月上涨至最高点,4月和5月下降至最低点。最后,运用ARIMA模型预测我国2017年11月—2018年12月的猪肉价格。

基于ARIMA模型的季节调整方法及研究进展

目的介绍基于ARIMA模型的2种季节调整方法:X-12-ARIMA和TRAMO/SEATS。方法通过查阅有关文献,对基于ARIMA模型的季节调整方法的发展历史、基本原理与方法、最新研究进展等方面进行综述,对ARIMA模型的影响因素进行分析,并运用其原理与方法对我国的春节因素进行调整,构建适用的调整模型。结果基于ARIMA模型的季节调整方法在时间序列分析中具有重要的地位,X-12-ARIMA和TRAMO/SEATS两种方法具有各自的特点与优势,并且这2种方法有相互融合的趋势。结论基于ARIMA模型的季节调整方法经过不断完善而趋于成熟,X-12-ARIMA和TRAMO/SEATS将进一步发展和完善,获得广泛应用。

基于X-12-ARIMA季节分解与年度电量校正的月度电量预测

月度电量预测是电力计划部门安排运行计划与制定购售电计划的基础。提出一种综合考虑多种经济因素的月度电量预测方法。首先,采用X-12-ARIMA模型对月度电量和多种经济因素进行季节分解,并利用逐步回归分析研究各经济量与用电量的关联关系和回归模型,获得初步预测结果;然后,利用多项式拟合进行年度电量预测,并对已有月度电量预测结果进行调整;最后,采用自回归积分滑动平均模型(autoregressive integrated moving average model,ARIM A)对受气象与节假日因素影响较大的月份进行分季节预测修正,获得精度良好的月度电量预测模型。该文采用广东省2009年3月至2014年4月的经济数据与电量数据对2014年5月至2015年4月的电量数据进行预测。预测结果的平均预测精度为97.78%,验证了预测模型的有效性。

X-12-ARIMA中调整类似春节效应的模型研究及应用

由于X-12-ARIMA只根据美国的假日情况设定复活节、劳动节和感恩节3种移动假日效应的调整,其调整方法不适用中国特有的类似春节效应的调整。因此,本文针对中国现有的类似春节效应调整模型中存在的局限性,构建扩展的L-Z模型体系,并与X-12-ARIMA程序相结合,形成一套具有中国特色的调整方案。同时利用新的调整方案对中国工业增加值中存在的类似春节效应进行有效调整,得到的经季节调整数据可以更好地满足经济分析的要求。对X-12-ARIMA进行本地化改造后,不但应用效果更好,而且应用范围更加广泛。

基于春节因素的中国铁路月度客运量季节调整模型研究

春节是我国移动假日之一,对运输、经济和旅游影响显著,特别是对铁路客运量影响巨大。使用移动假日效应和Genhol程序思想,改进前人"移动假日对客运量的影响是均匀变化"的认识,设计移动假日对客运量影响是μ型双峰变化过程,基于X-12-ARIMA模型,建立适合中国铁路客运量的三时段春节季节调整模型。结果显示:春节效应显著,节前、节中和节后影响程度不同。模型调整曲线光滑程度高,调整质量Q统计量值为0.340。运用该模型对2012年月度客运量估算分析,相对误差为4.2%。

居民消费价格指数季节调整实证研究

文章首先对居民消费价格指数季节调整的原因、季节调整方法的发展过程和应用进行了说明,着重介绍了国际上最新流行的X-12-ARIMA和TRAMO/SEATS季节调整方法,然后用X-12-ARIMA方法对上海市居民消费价格指数序列进行季节调整、分析和预测,并结合使用TRAMO/SEATS方法解决中国与国外明显不同的春节假日因素的调整问题,最后提出我国季节调整面临的问题。

中国畜产品价格的实证分析——基于季节调整模型与两阶段协方差方法

本文以2001年1月—2014年5月的畜产品价格为研究对象,利用X-12-ARIMA季节调整模型分析影响畜产品价格波动的相关因素,并利用协方差计算季节性影响、长期周期性影响、不规则影响对畜产品价格波动的贡献程度,进一步利用两阶段协方差纵向对比分析各影响因素贡献度的变化,最后发现长期驱动因素和季节性因素是中国畜产品价格波动的主要因素;从纵向对比来说,鸡蛋、鸡肉、猪肉价格的不规则影响因素的影响作用在减弱,鸡肉、猪肉价格的季节性影响因素的作用在减弱。

季节调整后的蔬菜价格波动——兼论货币供应量的影响

利用X-12-ARIMA季节调整模型及ARCH类模型分析大宗蔬菜白菜、黄瓜、西红柿、菜椒和四季豆价格的季节性波动特点和短期变动特征,并探寻货币供应量对蔬菜价格长期趋势的影响。结果表明:蔬菜价格季节性波动特征明显,但波幅有缩小的趋势;蔬菜价格的趋势变动与货币供应量紧密联系,当流通中的货币量增加1万亿元时,白菜、黄瓜、西红柿、菜椒和四季豆每公斤分别上涨0.43元、0.76元、0.83元、1元和1.2元左右;白菜、黄瓜、菜椒和四季豆的价格具有明显的波动集簇性,白菜和黄瓜价格的外部冲击的影响会持续到下一期,菜椒和四季豆价格过去外部冲击和波动影响会比较持久;四种蔬菜均没有显现出显著的风险报酬特征,上期正负外部冲击对本期菜椒价格波动的影响具有非对称性,而对白菜、黄瓜和四季豆的影响是对称的。

基于神经网络的期铜价格趋势预测研究

运用X-12-ARIMA季节调整方法,对上海交易所三月期铜月平均价格进行季节性调整,消除了季节因素和不规则因素对铜价的影响。针对季节调整后序列,分别建立了BP、RBF、Elman等神经网络模型,并对期铜价格进行预测。预测效果比较说明,与传统的神经网络相比,Elman神经网络模型具有收敛速度快、预测精度高的特点,能在期铜价格预测方面取得较好的效果。

基于季节-WNN组合模型的煤矿事故预测

为了对矿山生产领域安全状况演化趋势进行准确预测,考虑实际生产中的季节性因素,本文构建季节-WNN组合模型对生产事故进行预测。其中,采用X-12-ARIMA模型对安全事故时序进行季节调整,将其分成平稳时间序列和季节因子序列。季节因子序列每年呈现相同规律,用WNN模型预测平稳时间序列,再按照乘法模型还原为真实预测序列。本文以我国煤矿生产安全为背景,将2015—2019年煤矿月度死亡人数作为观测值进行建模,预测2020年月度煤矿事故死亡人数,并将其与2020年煤矿事故月度死亡人数的真实值进行验证,将几种典型的预测模型与本文所构建模型进行对比分析。结果表明:我国煤矿事故存在显著的季节性特征,季节-WNN组合模型的平均相对误差为1.1%,预测精度显著优于单一的预测模型,且与我国煤矿事故实际走势较为吻合,具有良好的预测效果。预测模型可为安全事故的预测提供方法和指导,也可为煤矿安全生产监管决策提供依据。

季节调整后的蔬菜价格与CPI之间关系研究

在采用X-12-ARIMA季节调整模型剥离白菜、菜椒、黄瓜价格与CPI季节性影响的基础上,分析了此三类大宗蔬菜价格与CPI间的关系。协整分析结果表明,3类蔬菜价格与CPI间均存在长期稳定的均衡关系;Granger因果关系检验结果表明,CPI在短期和长期均为影响3类蔬菜价格的原因,而白菜、黄瓜价格短期内对CPI的影响差异不显著,但其在长期内对CPI的作用显著。为正确把握我国蔬菜价格动态,保障居民生活质量水平,应尽快健全蔬菜价格风险预警体系,完善信息流通渠道,加强蔬菜基础设施的优化。