非线性时间序列分析在股市行情预测中的应用

该文用非线性时间序列分析方法,对一般股市行情序列进行了拟合,指出可用逐段线性回归拟合趋势,用门发自回归模型拟合消除趋势后的平稳序列,通过对１９９７年４月２２日至５月１２日期间深圳股市行情预测值与实际值的对比,说明在正常状态（即无违规操作及无特殊政策出台）下,所建立的模型有较好的拟合效果,从而提供了一个行情预测的有效方法。     

Matlab在时间序列分析中的应用

Matlab强大的科学计算和可视化功能使其在各个领域中得到了广泛的应用．采用Matlab进行时间序列分析可以极大地简化编程工作，并具有界面友好、操作方便的特点。介绍了使用Matlab进行时间序列分析的基本方法和步骤，并通过实例进行了说明。     

Mathematica的非线性拟合功能及其在物理学中的应用

介绍了Mathematica的曲线拟合命令,并利用该命令求出了爱因斯坦温度和钠光谱中的线系限与量子数亏损．     

语言认知EEG非线性时间序列分析

利用非线性时间序列分析方法,以汉语语言认知为例,探讨语言认知系统的动力学特性.通过计算F3,F4,P3,P4,Fz,Cz,Oz这些电极记录的脑电图(EEG)时间序列的关联维和Lyapunov指数,表明大脑语言认知系统属于高维的混沌动力学系统,只需有限的几个变量就可描述和表征这种整体的、宏观的特性.     

时间序列分析在反分析中的应用

采用时间序列分析法对地下洞室的量测位移进行预报分析,获得了洞室的最终实际变形值,并将其用于弹塑性边界元位移反分析计算中,结果表明与实际情况相符。     

神经网络在时间序列预测中的应用

将人工神经网络的ＢＰ模型应用于非线性时间序列预测,并将预测结果与传统预测方法的预测结果进行比较,表明神经网络预测方法具有明显的优势。     

Takens理论和小波分析在非线性预测中的应用

以 Takens理论为基础 ,将小波和时间序列分析相结合 ,对时间序列进行非线性预测 .首先 ,对混沌吸引子做非线性长期预测 ;其次 ,对经济时间序列做非线性短期预测 ;另外 ,指出对于用充分多个小波基函数 φmn来逼近原时间序列的预测误差可以任意小的性质 .     

时间序列分析在粮食产量预测中的应用

在预测粮食产量中可以应用时间序列分析.叙述了时间序列模型的辨识、预测及建模过程,利用Matlab系统辨识工具箱对时间序列进行数据预处理,相关分析,ARMA模型参数估计,并对2010年的粮食产量进行了预测.     

时间序列分析及其在岩土工程中的应用

提出了适合岩土工程特点的时间序列分析建模策略，推导了不等时间隔数据序列的模型公式，并结合算例验证。     

时间序列分析在地表沉陷主要参数预测中的应用

本文运用时间序列分析中的有关理论,提出了预计地表移动主要参数的一种新方法,并通过实例证明该法是可行的,其预计参数的精度高于原来传统的方法。该法对于“三下”采煤中准确确定参数具有一定的指导意义。     

时间序列分析方法在股票市场中的应用

近年来预测股市的未来变化是一个热门的研究课题.文章从技术分析的角度出发,利用股票市场的基础数据作为研究的对象,建立相应的时间序列模型,并与BP网络算法比较,结果表明该时间序列方法对股市短期预测精度较高.     

时间序列在建筑结构振动分析中的应用

采用时间序列方法对工程爆破引起的邻近建筑结构振动信号进行了谱分析，算倒结果表明，与传统方法相比，采用AR模型的时间序列分析方法具有谱分辨率高的优点，可以获得建筑结构振动谱分布的细节特征。     

时间序列在变形监测中的应用

详细介绍了时间序列的基本原理以及时间序列建模中的数据预处理、模型选择、模型定阶、模型参数的确定及模型的可靠性等建模步骤,并给出了时间序列的预报公式.最后用时间序列分析处理了某市的某-边坡沉降观测数据.通过对结果的分析,得出时间序列分析用于简单的时序预测具有较好的效果,9期预测误差的绝对值均小于0.18 mm.其建模过程...     

时间序列分析在吉林省进出口贸易总额预测中的应用

时间序列分析是根据观测的时间序列数据,通过曲线拟合和参数估计建立数学模型的理论和方法,目前广泛地应用于社会、经济和生活预测等问题,一般只适用于短期预测。该文基于时间序列分析理论,借助于计量经济学软件Eviews8.0,通过对1984—2011年吉林省进出口贸易总额数据进行系统分析,建立了时间序列模型,并对2012-2015年的吉林省进出口贸易总额进行了预测和分析,得到了与实际比较吻合的结果,以期为吉林省对外贸易的合理规划和决策提供一定的理论依据。     

时间序列方法在观测资料分析中的应用

利用时间序列方法,分析了除确定性部分后的残差序列,提取其中有规律成分作为预报时的补偿项,形成叠合模型,进行建筑物观测资料的分析,实例表明,该方法提高了预报精度,证明了叠合模型方法的适用性。     

时间序列分析在粮食产量预测中的应用

出于对实际应用的考虑,在利用Box-Jenkins建模方法处理时间序列数据时,给出了一种新的基于先验信息的Bayes估值方法.由于此估值方法涉及到复杂的后验概率计算问题,所以本文给出了运用Gibbs抽样及SIR抽样算法来对后验概率进行计算的具体算法.其次,应用以上理论,对1949年至2009年的粮食产量数据进行分析,并...     

时间序列分析在旅游行业净利润预测中的应用

本文针对旅游行业净利润呈季节性波动的特征,以尽可能准确地预测企业各季度净利润为目的,用时间序列分析及线性回归的方法构建旅游行业季度净利润预测的数学模型。     

非线性分析方法在沪市高频时间序列中的应用

为研究高频金融时间序列的可预测性,尝试运用相空间重构和偏差计算分析方法预测t 1时刻股指瞬态变化方向.相空间重构可以保持原高频时间序列的某些信息,这些信息是对系统行为的近似描述.通过这种近似行为的描述,发现当时间t足够大时,即t→∞,系统的特性会被更好地反映出来;运用动态系统偏差来描述系统特性,分析系统的瞬间情况,而这种偏差等价于Jacobian矩阵的迹,它是用来测量无穷小的相空间量V(t)沿着轨迹x(t)的变化率.以沪市综合指数5 min高频数据为实证研究对象,预测t 1时刻股指瞬态变化方向,再和实际股指运动方向做比较,效果比较好.