时间序列模型在铝价预测中的研究
发布时间:2021-03-05 06:50
铝行业是国民经济的支柱产业,在经济发展中起到至关重要的作用。作为重要的基础能源行业,铝行业的发展状况由市场反应。市场中各个变量间的关系纷繁复杂,对市场进行总体把握的一个有效途径是市场价格分析,在整个铝行业的发展进程中,价格始终发挥着基础性的调节作用,因此预测铝价格走势尤为重要。本文首先根据长江现货市场2006年1月-2011年12月铝月均价格,采用近年来国际上经济分析中应用较多的时间序列法对铝市场价格进行分析,建立了铝价的短期预测模型ARMA(3,0),并通过长江现货市场2012年1-3月铝价的实际值与预测预测值的对比,证明了 ARMA(3,0)模型的适用性和准确性。其次,鉴于ARMA(3,0)模型在长期预测方面误差较大以及忽略对铝价影响因素分析的不足,本文根据长江现货市场的历史统计数据,采用灰色理论建立了铝价的灰色预测模型GM(1,1)。最后,运用组合预测法,针对上述两个模型各自不同的优缺点,基于预测误差平方和达到最小的准则,分别赋予不同的权重,建立铝价的组合预测模型,并通过与单一模型预测结果的对比证明了组合预测模型的全面性、科学性和准确性。
【文章来源】:郑州大学河南省 211工程院校
【文章页数】:52 页
【学位级别】:硕士
【部分图文】:
图1.2本文的技术路线图??9??
图2.1时间序列模型流程图??了时间序列模型建模的一些基本概念,同时提出件,并介绍了时间序列在未满足建模前提条件下的平稳时间序列模型的类別及模型识別的方法,并验方法。最后,总结了时间序列模型的建模步骤,理论基础。??
?..?TT-^ ̄!T?--??图3.1序列{x,}描述性统计量??图3.1显示了时间序列{x,}的各项统计特征,可以看出时间序列{.y,}的平均??值Mean=15490,不能满足时间序列为0均值的条件,从而需要对{a-,}■进行零均??值处理,得到新的时间序列),,-15490??3.2.2判断样本序列的平稳性??YT??3.000?-j???2.000-?/?\??—?^?V??°'?rJ?\?/???1.000-?/?V??-2.000?-??-2.000?-?/??、J???4.000—?|?'1?"I?I?I?|?I?ill!?|?■?■?I?I?1?j?I?I?I?I?■?|?I?I?■?I?I?|?■?I?I?I?I??09M01?09M07?101.101?10M07?11M01?11M07??图3.2序列[y,}的散点图??做出时间序列数据的散点图形,如图丄2所示。通过直观观察时间序列??数据(V
【参考文献】:
期刊论文
[1]世界及中国原铝供求及其市场行情[J]. 宁前进. 有色金属工程. 2011(05)
[2]基于组合模型的能源需求预测[J]. 周扬,吴文祥,胡莹,刘秀香. 中国人口·资源与环境. 2010(04)
[3]组合预测方法在旅游经济分析预测中的应用[J]. 何满喜. 数学的实践与认识. 2010(03)
[4]ARIMA模型在农产品价格预测中的应用[J]. 刘峰,王儒敬,李传席. 计算机工程与应用. 2009(25)
[5]季节调整对单位根检验的影响——基于蒙特卡罗模拟的研究[J]. 栾惠德. 数理统计与管理. 2009(03)
[6]我国铝期货与现货价格均衡关系实证研究[J]. 郑涛,朱东华. 金融发展研究. 2009(04)
[7]基于ARIMA模型对我国能源需求的预测[J]. 杜雨潇. 统计教育. 2008(09)
[8]ARIMA模型在深圳GDP预测中的应用[J]. 龚国勇. 数学的实践与认识. 2008(04)
[9]基于支持向量机方法对非平稳时间序列的预测[J]. 王革丽,杨培才,毛宇清. 物理学报. 2008(02)
[10]灰色算法在股票价格预测中的应用[J]. 徐维维,高风. 计算机仿真. 2007(11)
本文编号:3064769
【文章来源】:郑州大学河南省 211工程院校
【文章页数】:52 页
【学位级别】:硕士
【部分图文】:
图1.2本文的技术路线图??9??
图2.1时间序列模型流程图??了时间序列模型建模的一些基本概念,同时提出件,并介绍了时间序列在未满足建模前提条件下的平稳时间序列模型的类別及模型识別的方法,并验方法。最后,总结了时间序列模型的建模步骤,理论基础。??
?..?TT-^ ̄!T?--??图3.1序列{x,}描述性统计量??图3.1显示了时间序列{x,}的各项统计特征,可以看出时间序列{.y,}的平均??值Mean=15490,不能满足时间序列为0均值的条件,从而需要对{a-,}■进行零均??值处理,得到新的时间序列),,-15490??3.2.2判断样本序列的平稳性??YT??3.000?-j???2.000-?/?\??—?^?V??°'?rJ?\?/???1.000-?/?V??-2.000?-??-2.000?-?/??、J???4.000—?|?'1?"I?I?I?|?I?ill!?|?■?■?I?I?1?j?I?I?I?I?■?|?I?I?■?I?I?|?■?I?I?I?I??09M01?09M07?101.101?10M07?11M01?11M07??图3.2序列[y,}的散点图??做出时间序列数据的散点图形,如图丄2所示。通过直观观察时间序列??数据(V
【参考文献】:
期刊论文
[1]世界及中国原铝供求及其市场行情[J]. 宁前进. 有色金属工程. 2011(05)
[2]基于组合模型的能源需求预测[J]. 周扬,吴文祥,胡莹,刘秀香. 中国人口·资源与环境. 2010(04)
[3]组合预测方法在旅游经济分析预测中的应用[J]. 何满喜. 数学的实践与认识. 2010(03)
[4]ARIMA模型在农产品价格预测中的应用[J]. 刘峰,王儒敬,李传席. 计算机工程与应用. 2009(25)
[5]季节调整对单位根检验的影响——基于蒙特卡罗模拟的研究[J]. 栾惠德. 数理统计与管理. 2009(03)
[6]我国铝期货与现货价格均衡关系实证研究[J]. 郑涛,朱东华. 金融发展研究. 2009(04)
[7]基于ARIMA模型对我国能源需求的预测[J]. 杜雨潇. 统计教育. 2008(09)
[8]ARIMA模型在深圳GDP预测中的应用[J]. 龚国勇. 数学的实践与认识. 2008(04)
[9]基于支持向量机方法对非平稳时间序列的预测[J]. 王革丽,杨培才,毛宇清. 物理学报. 2008(02)
[10]灰色算法在股票价格预测中的应用[J]. 徐维维,高风. 计算机仿真. 2007(11)
本文编号:3064769
本文链接:https://www.wllwen.com/weiguanjingjilunwen/3064769.html