基于乘积季节模型的社会消费品零售总额分析

社会消费品零售总额是反映人们消费水平的重要度量指标,也是国民经济体系中的一个重要评价指标.因此,分析研究社会消费品零售总额发展趋势对于转型期的中国经济高质量发展具有重要意义.基于乘积季节模型对2001年至2020年的社会消费品零售总额数据进行时间序列分析,经过差分、单位根检验、模型识别与拟合等过程,确定最终模型为ARIMA(1,1,1)(1,1,0)12,结果表明,社会消费品零售总额数据具有明显的线性趋势和季节性特征,并进一步得出其波峰和波谷到达的时间,另外,该模型对社会消费品零售总额有非常好的拟合效果,且有较高的预测精度.     

基于变参数模型的中国能源消费经济增长关系研究

本文利用1953—2002年的统计数据和状态空间模型对中国能源消费与经济增长关系进行了研究。我们的结论是:(1)中国能源消费与经济增长之间存在一种随时间不断变化的长期均衡关系即变参数协整关系;(2)基于状态空间模型的变参数估计很好地揭示了中国能源消费弹性的时变规律。     

住房价格波动对自有住房家庭消费的区域异质性影响研究

为了解决八大类消费品价格数据不易得到的难题,本文构建投入产出价格模型,分别经验研究25个省(自治区和直辖市)住房价格同时变动不同幅度对八大类消费品价格的影响。25个省(自治区和直辖市)消费品价格变动幅度结果即为QUAIDS模型中的消费品价格变量。然后,本文采用CFPS2010数据,在QUAIDS模型中加入反映家庭所在地区的人口特征变量,研究住房价格波动对自有住房家庭消费的区域异质性影响。研究结果表明住房价格波动对自有住房家庭生存型消费需求区域异质性影响的财富效应显著,而对享受型和发展型消费需求区域异质性影响的挤出效应显著。在此基础上,本文进一步运用补偿变动研究住房价格波动对自有住房家庭福利的区域异质性影响。研究结果表明为了提高自有住房家庭的生活质量和促进社会的和谐稳定,政府应该把稳定东部地区住房价格放在首位。且当遇到如何优化家庭消费结构问题时,政府应该根据地区差异划分市场。     

基于ARIMA模型对海南省社会消费品零售总额的预测

对海南省社会消费品零售总额进行预测,对于了解海南省社会消费品零售总额的发展态势,为有关部门作出决策提供科学的依据,具有重大的现实经济意义.选取1999年到2014年的海南省社会消费品零售总额的数据来建立ARIMA(1,3,2)模型,2012年到2014年的实际值与预测值的相对误差5%以内,拟合效果良好,说明采用ARIMA模型预测海南省社会消费品零售总额是可行的,预测数据可靠.最后对海南省2015-2018年的社会消费品零售总额进行预测.     

基于状态空间SV-T-MN模型的股指波动率预测

本文考虑到金融收益率序列的"尖峰厚尾"和波动持续性等特征,针对厚尾SV-T模型的波动率样本外预测问题,提出了基于状态空间下的SV-T-MN(SV-T with Mixture-of-Normal)模型。首先根据MCMC方法估计SV-T模型参数,然后由EM算法估计混合正态参数,最后利用近似滤波(AMF)算法实现SV-T-MN模型的样本外预测。对KF、EKF、AMF进行的模拟研究表明高斯混合状态空间下的AMF更有效。通过对上证指数和深证成指的股指日收益率序列的实证研究结果表明,在五大损失函数评价准则下,基于状态空间SV-T-MN模型能有效刻画金融收益率序列和尾部的波动性,相比SV-N-MN模型具有更好的优越性。     

空间视域下中国省域电力消费需求的影响因素分析

采用空间计量经济学方法就我国省份电力消费需求的空间相关性及其驱动因素进行了实证分析.全域Moran指数揭示了我国省域电力消费需求的正向空间相关性,Moran散点图的变化展示了不同省域电力消费具有"路径依赖"特征.进一步的空间面板模型的估计结果不仅再次肯定了省域电力消费需求的空间相关性,而且证实了经济规模、人口规模和对外贸易对电力消费需求的增强效应以及技术进步与产业结构的优化调整对电力消费需求的节制作用.上述结论意味着依靠技术进步和产业结构优化调整才是实现经济增长和节电减耗双重目标的最佳选择.     

基于贝叶斯滤波的股指动态结构特征研究

针对股指波动所具有的动态结构信息特征,在状态空间建模理论的框架下,将服从Markov过程的潜在波动状态变量引入状态方程,同时在观测方程中考虑极值点的影响,构造出一类非高斯Markov随机波动状态空间模型。针对传统的MCMC方法对该类模型估计时效率低下的缺陷,设计了基于序贯Monte Carlo方法的贝叶斯滤波算法进行仿真分析,并且从算法效率和准确性方面对两种方法进行了比较。通过对沪深300股指波动的实证研究表明:对于一类非线性非高斯状态空间模型,贝叶斯滤波算法在保证估计精度的同时较MCMC方法更加有效率,能够有效刻画股指波动的动态结构特征。     

物价、利率与收入对居民消费需求影响研究——基于时变参数状态空间模型

运用时变参数状态空间模型对我国改革开放三十年来物价、利率与收入对农村和城镇居民消费需求影响的动态特征进行了研究。发现物价、收入对农村和城镇居民的消费需求弹性不同,农村消费需求受收入影响较大,而城市居民消费需求受物价影响较大;利率对农村和城镇居民消费需求影响不显著,利率机制目前还不是调解中国消费需求的理想工具。在此基础上给出了相应的政策建议。     

我国的能源消费与经济增长:1980～2011——基于非线性STR模型的实证分析

能源消费与经济增长之间的长期动态关系是理论界一直研究的热点问题。本文建立了四个非线性平滑转换模型(STR)研究了1980~2011年的能源消费与经济增长之间的动态非线性关系。研究发现:STR模型所产生的拟合数据与原始数据的动态特征基本相同,能源消费与经济增长之间存在长期非线性关系,且两者之间有明显的区间转制动态特征。LSTR1模型能够准确刻画到我国能源消费、煤炭消费、石油消费与经济增长之间的非线性关系;而LSTR2模型能够准确刻画到我国电力消费与经济增长之间的非线性关系。     

中国能源消费与经济增长的动态关系——基于状态空间模型的变参数分析

能源对经济实现可持续增长具有重要作用,但随着经济结构、技术进步的变化以及其他要素对能源的替代作用,经济增长对能源的依赖性呈现出逐步减小的趋势。与以往文献注重静态或均衡分析不同,本文首次分析了能源消费和经济增长之间的动态关系或非均衡关系。本文研究内容分为以下三个模块:在多变量分析框架下,构建了基于状态空间模型的中国能源消费和经济增长的变参数模型;检验了变量的平稳性及协整关系;运用KALMAN滤波算法对状态空间模型的参数进行估计,并对其大小和波动进行分析。     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

结构经济序列分析的状态空间方法

2.2状态空间模型参数的极大似然估计 在本文　1中我们建立了结构时间序列的状态空间模型(1.3),在该模型中状态转移阵Φ(其中的自回归项参数α1,α2。…,αp),状态噪声协方差阵Q(其对角线上的σξ2,σ 2n,αe2,αξ2)及量测噪声方差k都是待估计的.此外在进行Kαlmαn滤波时,状态及协方差阵的近值X(0/0), P(0,0/0)也是待估计的.我们将未知参数简记为 0=(Φ,Q,R,X(0/0),P(0,0/0)假定已得到观测数据我们通过极大化观测数据的似然函数来估计未知数. 观测数据的似然函数是上式中f是条件概率密度函数. 由状态空间的状态方程及量测方程(1.3)可得…     

基于粒子滤波的改进型单值控制图

针对高度复杂小批量生产环境下的统计过程控制问题,提出基于粒子滤波的改进型单值控制图。通过状态空间模型描述过程运行特征,并运用粒子滤波技术估计过程的运行状态,以状态粒子群的均值为对象,运用平均移动极差控制图对正态分布过程的漂移进行监控。研究结果表明,该方法是小批量生产过程质量控制的有效工具。     

我国城镇居民消费与收入关系的空间自回归模型研究

本文利用我国31个省市2005年的城镇居民消费和收入统计数据,对我国城镇居民的消费与收入关系进行了空间自回归模型研究。研究结果表明,我国城镇居民的消费存在显著的空间相关性.在此基础上,对所建立的空间自回归模型进行了比较、选择和评价.     

季节调整的PSO-SVR模型及其在旅游客流量预测中的应用——以海南省三亚市为例

准确的旅游客流量预测对旅游目的地做好事前准备工作至关重要.然而旅游客流量具有明显的非线性和季节性特征,采取季节调整方法对样本数据进行预处理,消除季节性的影响,可以提高客流量预测的准确性.同时SVR(支持向量回归机)是一种良好的机器学习方法,非常适合预测研究,辅以PSO(粒子群算法)选取合适的回归参数可以获得更加精确的预测结果.提出了一种考虑季节影响并通过PSO优化SVR模型的旅游客流量预测模型,并以海南省三亚市为例进行了实证研究.研究结果表明,季节调整的PSO-SVR模型预测精度明显高于SVR、季节调整的SVR和PSO-SVR模型,是进行旅游客流量预测的有效工具.     

基于时间序列的多因素耦合下GDP预测研究——以伊犁州为例

以时间序列分析相关理论为基础,首先介绍了ARIMA模型和VAR模型的建模过程,然后构造ARIMA模型对伊犁州直GDP进行预测,再考虑进出口总额、社会消费品零售额、工业和建筑业、社会固定资产总额等因素的耦合效应,构造VAR模型对伊犁州直GDP进行预测,最后对两种方法做对比分析,结果显示,VAR模型预测精度较高,误差较小,经济含义明确,预测的GDP结果可为伊犁州党委、政府制定相关经济政策和发展战略提供一定的科学依据.     

GM(1,N)与GM(0,N)模型在能源消费碳排放预测中的比较研究

近年来,减少碳排放已成为缔约国家社会经济发展和生产经营活动的重要目标之一,研究并使用科学的方法对我国未来碳排放进行分析与预测对我国应对气候变化政策的制定具有重要意义.拟将GM(1,N)和GM(0,N)模型用于能源消费碳排放量的预测,建立能源消费碳排放量的多因素灰色预测模型,并对GM(1,N)和GM(0,N)模型预测能源消费碳排放量的精度进行了检验和对比分析.结果表明:在对四川省能源消费碳排放预测中,GM(0,N)具有更高的预测精度和可靠性.     

消费者价格指数与生产者价格指数“倒挂”之谜

消费者价格指数(Consumer Price Index,CPI)与生产者价格指数(Producer Price Index,PPI)是我国最重要的两个价格指数,一般说来,CPI与PPI应当是同步变化的.但是自2000年以来,CPI与PPI出现了多次"倒挂"现象,这无疑对当前经济通胀情况的判断带来了挑战.采用最新的X-13-ARIMASEATS方法对我国的CPI与PPI指数进行季节调整;在谱分析的基础上采用BK滤波方法将其趋势-循环因素进行分解得到趋势因素与循环因素.研究后发现是经济周期导致了"倒挂"现象.     

基于改进灰色马尔科夫模型成品油消费预测

近年来中国经济放缓,成品油的消费一定程度上受到了抑制,2016年,我国汽柴油表观消费量首次较前年下降.成品油消费税率提高,导致部分成品油生产资本向新能源项目转移.根据GM(1,1)模型和马尔科夫模型时间序列预测的长短期互补,首先用GM(1,1)模型对成品油消费量进行预测,随后利用马尔科夫模型对GM(1,1)预测误差项的状态及状态概率进行预估,采用预测状态与其概率的乘积对GM(1,1)预测值进行修正.结果表明,改进后的灰色马尔科夫模型误差小,精度高,适于中长期预测.除此之外,组合模型还可以通过增加误差状态划分的个数,以提高模型预测的精度.     

随机波动模型的马尔可夫链—蒙特卡洛模拟方法——在沪市收益率序列上的应用

针对具有Markov区制转移的、波动均值状态相依的随机波动模型,基于贝叶斯分析,我们推导并给出了对区制转移随机波动模型的MCMC估计方法,其中对参数估计采用Gibbs抽样方法,对潜在对数波动和区制的状态变量估计采用"向前滤波、向后抽样"的多步移动方法;利用该模型,对我国上证综指周收益率进行了实证分析,发现对沪市波动性有较好的描述,捕捉了波动的时变性、聚类性和非线性特征,同时刻画了沪市的高低波动状态转换过程。