单一商品市场中价格波动模型的理论分析

为了深入研究商品价格的变化规律, 推广了一类单一商品价格模型.在平衡价格和模型方程中反应函数满足一定的条件下, 利用分步法和微分方程与积分方程的等价关系, 证明了价格函数的存在性和有界性;根据模型方程的一次近似无实特征根的结果, 得到了商品价格波动的充要条件.以朴素消费模型作实例, 验证了经济参数对商品价格波动的重要影响.     

时间序列ARMA模型的应用

对时间序列分析方法进行了介绍,对时间序列模型进行了研究。分析了时间序列模型的建立过程,并利用其中的ARMA模型对一个实例进行预测。结果表明,ARMA时间序列模型的预测结果是合理的。     

关于时间序列AR模型定阶问题的一些研究

本文对AR模型的差比定阶方法进行了修正;并从工程应用角度,在机械故障诊断的领域里,提出分低阶AR模型和高阶AR模型的观点以及根据FFT-AR谱相似系数取最大值的定阶方法。     

关于平稳时间序列线性模型的模拟模型

本文利用计算机数字仿真技术建立了平稳时间序列的线性模型的模拟模型，得到了该系统状态模拟模型的随机差分方程，给出了ＡＲＭＡ（ｐ，ｑ）模拟模型的新息递推方程．     

基于随机变质时间的易腐商品定价模型研究

易腐商品的变质时间通常无法确定，销售易腐商品的价格随商品寿命发生变化.由于易腐商品的社会必需性以及数量大、容易变质等特点，销售商必然关注易腐商品在经营周期内的最优定价问题.研究了一类不确定易腐时间商品的定价模型，定量地分析了随机变质时间、商品量、顾客需求与最优定价的关系，确定了最优定价策略.所建立的模型允许在变质开始后，根据现有商品量以及剩余经营周期时间长度做一次价格调整.并通过仿真实例验证了有效性.     

基于时间序列模型的矿产品价格分析与预测

矿产品价格是矿业投资风险中最重要的不确定因素,矿产品价格预测的准确与否关系到矿业投资的成败。本文据2001-2007年各季度的铜金属价格数据,利用spssl3.0统计软件,建立时间序列ARIMA模型。结果表明模型拟合较成功,通过比较模型预测数据与实际数据,证明模型预测精度较高。该研究不仅为矿业投资决策出示可靠信息,也为矿山企业编制生产计划提供参考。     

船摇数据的时间序列模型处理

采用时间序列法可以弥补最小二乘法难以判别连续多个异常点的缺陷。首先,利用递推的方法得到模型的阶数和系数,然后分别使用最小二乘法、时间序列法处理船姿的纵摇数据,最后分析判断两种方法在探测出异常点的可行性和预测的精确性。     

时间序列ARMA模型及其应用

本文叙述了动态数据的分析与处理方法，时间序列预测模型的建模过程及参数估计的计算方法，并将模型实际应用。应用结果表明：本预测模型对动态数据进行预测是可行的。     

基于灰色马尔科夫模型预测金融波动

引入灰色模型和符号时间序列分析方法,与马尔科夫模型方法相结合,提出了一种新的预测金融波动的方法。首先将波动序列符号化,然后建立灰色马尔科夫模型,不仅能减小影响预测精度的误差,而且能利用马尔科夫模型来调整误差,使结果更加精准。采用上海证券交易所综合指数2007--2010年间隔为5分钟的高频数据为样本,对已实现波动序列进行实证分析,成功预测了下一时点波动值所处的区间,并验证了该方法的可行性和有效性。     

时序模型在股市中的应用

借助计算机程序来克服这些困难,实现预测的快捷、简便和准确。这在计算机日益普及的今天,无疑会对股票投资有现实的指导作用。     

死因死亡率的非平稳时序模型预报及有关探讨

本文对某大城市某区脑血管系统疾病等四个主要死因死亡率建立了非平稳时序模型,据此描述各死因死亡率的季节性规律,并在此基础上进行了预报.文中还讨论了模型参数的物理意义及模型的适用范围等问题.     

时间价格敏感需求下价格时变供应链交货期决策

在市场价格随时间变化、市场需求随产品价格和交货期变化的供应链中,为了制定合理的交货期,比较了集中系统和无合作分散系统的最优交货期决策.建立了两种决策系统的供应链利润模型.通过数学推导证明了在两种决策模式下存在供应链存在最优交货期,并给出了最优交货期的计算公式.最后通过算例分析讨论了供应链价格对时间敏感度的变化对决策结果的影响,定量刻画了供应链利润、最优交货期、供应链最优定价随供应链价格对时间敏感度大小的变化情况.结果表明,集中决策在基于时间竞争的环境中更具竞争优势.     

基于时间序列趋势模型的研究与应用

该文针对呼叫中心话务量预测的问题,分析比较了目前常用的预测技术和方法,根据对实际话务量数据信息的分析研究,利用基于季节变动模型的时间序列分析方法,建立了原点相乘式直线型拟合季节变动趋势预测模型DART,对某呼叫中心话务量的时间序列进行了分析处理和预测,预测的结果表明该趋势模型能较全面地达到所要求的拟合效果和精度,从而较好地解决呼叫中心的呼入话务量的实际预测问题。     

ARCH模型在金融时间序列中的拟合应用

讨论了自回归条件异方差（Autoregressive Conditional Heteroskedastic,简称ARCH）模型在金融时间序列分析中的拟合应用,以一金融时间序列为例,通过SAS／ETS中的自回归（Autoreg）程实现对该金融时间序列的自回归一广义自回归条件异方差（Autoregressive—generalized ARCH,简称AR—GARCH）模型的拟合和分析,最终得到理想结果．     

基于ARIMAX模型的企业商品价格指数预测

根据2010年1月至2014年12月中国人民银行发布的企业商品价格指数及农产品、矿产品、煤油电的相关数据,利用SAS软件建立了企业商品价格指数的多元时间序列ARIMAX模型,并利用该模型对2015年1月至3月的指数进行了短期预测。预测结果和近期公布的结果比较,误差较小,预测情况比较满意,这表明ARIMAX模型在对企业商品价格指数的拟合与预测上有较好的应用。     

一种基于时间序列最近偏向技术的网络信任模型

在已有P2P模型的基础上,提出了一种基于时间序列最近偏向技术的网络信任模型(recent-biased trust model,RBTM)。该模型采用了时间序列可变分割法选取评价时间单元(evaluate time unit,ETU),同时引入了比较合理的时间衰减因子,并对新数据的加入做了详尽的描述;根据节点交易的历史时间信息、内容相似度和反馈评价值自适应动态地调整节点的推荐值;实例表明,该模型具有良好的扩展性和较低的运行开销。     

基于ARFIMA模型的钢材价格预测研究

钢材价格的准确预测有利于施工企业拟定合理的材料采购策略。针对当前钢材价格的预测研究中均未考虑其价格变动的长记忆性,导致建模过程中有效信息丢失,预测误差增大。建立了考虑长记忆性的ARFIMA钢材价格预测模型,以青岛市2014年1月到2019年6月螺纹钢的价格为研究对象进行了钢材价格预测,并利用ARFIMA模型和ARIMA模型的预测值与真实值进行对比分析,实验结果显示：ARFIMA模型较ARIMA模型的钢材价格预测精准度提高了1.7%,且预测效果更稳定。