时间序列季节调整方法在中国的发展：PBC版X-12-ARIMA

中国人民银行(PBC)版X-12-ARIMA软件是基于中国特点而定制的时间序列季节调整软件。通过总结时间序列季节调整方法的特点以及相应软件在国外的发展,针对我国应用的特点,尤其是春节因素的考虑,在解剖X-12-ARIMA方法原理的基础上,在春节因素计算方法、软件应用界面以及用户使用帮助等3个主要方面加以改进,具有数据导入、调整设置文件、运行方式以及结果输出4方面的特色。

基于不同季节入院患者人数规律的护理管理研究

选择患者入院人数时间序列季节规律为突破口,探讨时间序列分析在护理管理中的应用。以湖北某三甲医院骨科病区2011年11月至2015年7月的月入院人数时间序列为研究对象,将该时间序列分解出季节调整时间序列、季节因子时间序列、趋势循环时间序列、不规则变化时间序列和综合运用滞后分布模型和自回归AR(1)模型建立了统计特征优良的月入院人数趋势循环时间序列预测模型,并综合月入院人数趋势循环时间序列预测模型和季节因子时间序列建立了月入院人数短期预测模型。研究表明,笔者的研究有利于发现创伤骨科患者入院人数的时间变化规律,可为病区管理者平衡护理工作量,合理安排护理临床工作和护理技能学习,实现弹性排班,优化护理人力资源配置,提供有益的参考。

武汉地区房地产价格的季节性变动

本文通过对武汉地区房地产价格的季节性因素动态变化性分析,发现并度量了经济政策和季节性因素对房地产价格的影响,建立了相关的评价模型,并用模型检验价格走势的季节性因素动态变化性以及政策因素对房地产价格的影响力度,在此基础上我们运用最新的X12季节性调整方法对武汉地区房地产价格的季节性因素进行分析,并建立了X12季节性调整组合模型。

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。

季节性因素对中国进出口贸易的整体影响分析

本文将运用Census X12方法对季节性因素与中国进出口贸易的关系进行总体情况的定量分析,以2001年至2014年中华人民共和国商务部公布的中国进出口贸易总额为研究对象,最后总结季节性波动规律以期得出合理的中国进出口贸易季节性调整战略。