深圳社会消费品零售总额对经济增长影响的实证分析

对1979年至2007年深圳的社会消费品零售总额(TRG)与国内生产总值(GDP)进行协整检验,检验结果表明:TRG与GDP的对数序列存在协整关系,它们之间存在长期的均衡关系;进而建立了误差修正模型;并由Granger因果分析,得出结论:深圳TRG的增加必然导致GDP的增长,反之不真.     

ARCH族模型及其对深圳股票市场的实证分析

ARCH族模型是动态非线性的股票定价模型,它在金融和经济领域具有广阔的应用前景.在短短二十年时间里取得了迅速的发展,先后提出了GARCH、ARCH-M、TARCH、EGRACH等模型丰富了ARCH族模型.本文从ARCH族模型出发,简要介绍了其主要形式和特点,然后将ARCH族模型运用于我国深圳股票市场的实证分析,从实证结果中总结深圳股市的总体特征.     

垃圾焚烧厂的补偿问题——2014“深圳杯”数学建模夏令营C题评述

垃圾焚烧厂造成污染物的补偿问题是由深圳环保部门提出的。参加2014年"深圳杯"的同学们在研究此问题时,给出了不同的模型,分析了对污染物实行动态监控、选择最优监控点等问题,设计了周围居民的经济补偿方案。本文仅对参加夏令营C组讨论的学生代表队所提交的论文给出简单评述。     

深证成指周收益率波动性的实证研究

利用GARCH模型,对深圳成分指数的周收益率波动性进行了实证研究。以深证成指周收盘数据建立了GARCH模型,利用估计出的GARCH模型得到深证成指周收益率序列的条件方差的估计值,预测出深证成指周收益率序列未来若干期的条件方差。结果表明,深证成指周收益率序列的波动性可以用GARCH模型进行很好的拟合。     

金融市场波动性的拟合分析

金融市场的波动性是投资者关注的对象之一,也是被研究的热点。本文检验了我国股市的ARCH效应和序列相关性。并且在此基础上,将AR-IGARCH-M模型应用于上海综指和深圳成指,结果表明该模型能有效拟合我国深沪两股市的波动性。最后,针对结果分析了我国的股市行为。     

贝塔系数变动性的多重分形特征及其量化方法

针对CAPM模型中贝塔系数的时变性观点,本文提出了多重分形去趋势贝塔分析法(MFDBCA),运用该方法检验上证综合A股指数、上证综合B股指数、深圳综指、深圳综合A股指数及深圳综合B股指数的贝塔系数变动性,并对其多重分形程度进行了量化分析,分析了其在投资实践中应用。研究结果表明:它们的贝塔系数变动性呈现出多重分形特征,上证综合A股指数的多重分形程度最小,而上证综合B股指数的多重分形程度最大。本文研究为量化系统风险及利用贝塔投资实践提供了一种新方法,为改进贝塔系数提供了一种猜想。     

厚尾分布的极值分位数估计与极值风险测度研究

金融数据呈现的厚尾性已达成共识.本文中,我们基于指数回归模型构造了厚尾分布的极值分位数估计,从而得到了VaR的估计公式.作为一个应用,我们得到了上海上证指数和深圳成份指数的VaR的估计值.     

报童模型及ARMA预测在航空配餐问题中的应用

航班承载人数的不确定性,造成航空公司在配餐中利润的流失,现存的配餐模式存在较多的浪费.本文利用基于损失厌恶的报童模型和ARMA时间序列分析模型对深圳航空公司某航班的配餐份数进行了建模分析和预测,并通过对两种模型输出的比较,得出了长期预测与短期预测的模型应用理论.将实际的历史数据代人到模型中验证,其结果优于经验模式下的配餐盈利情况.本文所采用的研究方法和研究结果对航空公司的精益发展有建设性的意义.     

广东省城市轨道交通建设的经济增长效应研究

选取2006-2017年的广东省数据,建立传统生产函数与轨道交通的供求模型相结合的系统联立方程组模型,对轨道交通建设的经济增长效应进行统计分析,得出以下结论.广州、深圳的轨道交通建设对经济增长的贡献率分别为0.144、0.104,人均收入水平对轨道交通需求的贡献率分别为0.766、0.683,服务价格对轨道交通需求影响系数分别为-0.277、-0.215.此外,政府投入、引入FDI有利于提升轨道交通供给,其中,政府投入对广州地区的轨道交通供给的影响较大,FDI投入对深圳地区的轨道交通供给影响较大.     

基于Copula的金融资产相关结构建模

分析了几种相关结构函数(Copula)表示的相关结构模型,给出了用相关结构函数对金融资产间的相关结构进行建模的方法.结果表明混合Gumbel(M-Gumbel)相关结构函数能较全面地描述上海深圳两证券指数的相关结构,模拟计算VaR的结果支持了实证分析的结论.     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM（1,1）模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型．在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性．     

ARIMA模型在达尔文通信模式研究中的运用

首先利用ARIMA模型,研究了进化论的提出者查尔斯·达尔文(Charles R.Darwin,1809/02/12-1882/04/19)从1866到1879年期间的通信量变化规律,并根据模型优化的AIC和BIC准则求得ARIMA优化模型.接着,应用ARIMA优化模型,对达尔文1880至1881年的月通信数量的时间序列进行了预测.预测的月通信数量与实际通信数量的对比说明,ARIMA优化模型拟合效果良好,并能够较好的反映达尔文学术生涯后期实际通信量的时间变化规律.研究结果表明,ARIMA优化模型可以作为一种研究人类通信模式的有效模型加以广泛应用.     

基于季节ARIMA模型的GSM话务量建模和预报

本文用季节模型对天津移动GSM网的话务量进行了建模分析和预报,研究表明用季节模型对移动话务量进行建模分析和预报是可行的,同时在文中我们还给出了带两个周期季ARIMA模型的一般表达式,并用这种带多个周期的模型对实际的网络业务进行了建模和预报。     

移动GSM网话务量的ARIMA模型的建立及其预测

本文用ARIMA模型对株洲移动GSM网的话务量进行了建模分析和预报，研究表明ARIMA模型不但适合株洲移动GSM网话务量的非平稳时间序列的特点，而且预测效果比较理想。结果表明，ARIMA（1，1，1）提供了较精确的预测结果，可以用来对未来几周的话务量进行预测，有一定的实际价值。     

广东省能源消费的ARIMA模型预测分析

对1985-2008年广东省能源消费总量数据序列进行分析,建立了ARIMA(2,2,2)模型,检验结果表明,该模型对原始数据序列有较好的拟合效果,模型的预测效果良好,可用于短期外推预测.     

儿童伤害住院费用ARIMA预测模型研究

目的拟合适合儿童伤害住院费用时间序列资料的预测模型。方法采用ARIMA模型对住院费用进行模型拟合。结果模型拟合得到的最优模型为ARIMA(0,1,1)×(0,1,1)2×(0,1,1)12模型,该模型预测2005年的平均住院费将为2849.7元,2006年的平均住院费将达到3117.7元。结论ARIMA模型适用于儿童伤害住院费用时间序列模型拟合以及费用预测,预测结果显示在没有外来干预因素影响的情况下,儿童因伤害住院的住院费用将会延续2004年以前的上升趋势持续上涨。     

基于ARIMA-GM组合模型的邮电业务总量预测

对传统预测具有波动性及季节性双重趋势时间序列的模型—ARIMA乘积季节模型进行了改进,先用ARIMA乘积季节模型对邮电业务总量历史数据进行识别和拟合,然后用GM(1,1)模型对其带阀值的残差序列进行修正,最后结合二者得到ARIMA-GM这一组合预测模型.利用此模型对09年上半年中国邮电业务总量进行了预测,结果表明,组合预测方法比单项ARIMA乘积季节模型预测具有更高的精度.     

小波变换在期货价格序贯相关分析中的应用

针对金融时间序列普遍具有非平稳、自相关等特点,通常建立ARIMA模型进行识别.但模型的构建中,常受到一些随机扰动的影响,使模型拟合的误差增大.文章试将小波分析良好的局部性与ARIMA模型的简捷实用相结合,采用基于小波分析的累积式自回归滑动平均方法(WARIMA)拟合模型中的序贯相关,实证分析得出,WARIMA模型显著降低了拟合误差.     

基于ARIMA与神经网络集成的GDP时间序列预测研究

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。     

智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.