《博士,时间序列,开题报告.doc》由会员分享，可在线阅读，更多相关《博士,时间序列,开题报告.doc（7页珍藏版）》请在三一办公上搜索。
1、博士,时间序列,开题报告 ：开题 序列 博士 时间 报告 金融时间序列分析论文 时间序列分析专业 金融数学博士 篇一：时间序列分析开题报告 一、毕业设计（论文）内容及研究意义（价值） 1.1 时间序列分析是一种动态数据处理的统计方法。该方法基于随机过程理论和数理统计学方法,研究随机数据序列所遵从的统计规律,以用于解决实际问题。 它包括一般统计分析(如自相关分析,谱分析等),统计模型的建立与推断,以及关于时间序列的最优预测、控制与滤波等内容。时间序列是按时间顺序排列的一组数字序列。而时间序列分析就是利用这组数列,应用数理统计方法加以处理,以预测未来事物的发展。它的基本原理:一是承认事物发展的延续
2、性。应用过去数据,就能推测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然因素影响,为此要利用统计分析中加权平均法对历史数据进行处理。 随着招生改革的深化，高校招生生源之争在所难免。通过时间序列分析的基本方法：回归分析法、指数加权平滑法、移动平均法来分析某高校招生部门提供的20052010年度各省、直辖市新生入学报到率的历史数据，应用基于时间序列分析法的新生入学报到率预测模型预测2011年14个省、直辖市新生入学报到率，然后与2011年高校新生入学报到率的实际情况进行比较，验证该模型的合理性和可信性。 1.2 研究意义 通过科学、准确地对新生入学报到率的预测，使学校招生总体
3、规划与国民经济发展规划和社会发展相适应，招生部门也可科学地规划各省、直辖市的招生指标。如在学校每年各招生指标不变的前提下，对预测入学率较高的省份放较多的招生指标，相反入学率较低的则适当减少招生指标。因此，新生入学报到率的预测是招生部门每年编制各省、直辖市招生计划的重要依据，而预测方法又是科学预测入学率的重要手段。通常学校招生部门编制下一年的招生计划的原则是在保证不突破学校总的招生计划前提下提高入学报到率，以最高的全校入学率来完成学校每年的招生任务。而本次论文主要是为了研究和验证时间序列分析在高校新生入学报到率预测过程中可用性，为高校招生时制定合理的招生计划提供帮助。二、毕业设计（论文）研究现状
4、和发展趋势 时间序列分析方法（简称时序分析）是在具有先后顺序的信号中提取有用信号的一门学科。它是数理统计学的一个重要分支，是研究随机过程的重要工具。时序分析起源于本世纪二十年代，最早是为了市场预测。随着时序分析的理论和应用这两方面的深入研究，时序分析的应用范围日益扩大，从一般的市场预测到语音识别与模拟，从机械设备的监视到生物生理、心理状态研究，时间序列分析的应用也越来越广泛，越来愈深入。1927年，G.U.Yule提出了AR(Autoregressive)模型，时序模型从非参数模型发展成参数模型，这是广义时序分析发展中的重大突破。此后，逐步发展了ARMA（Autoregressive Movi
5、ng Average）模型、多维ARMA模型、非平稳时序模型等。之后，于60年代后期在谱分析与谱估计方面取得突破性进展后，同控制理论的结合使时间序列分析得到迅速发展。1970年，G.E.P.Box与G.M.Jenkins发表了专著Time Series Analysis: Forecasting and Control, 对时序方法及其应用作了较为系统的深入论述，而S.M.Wu 与S.M.Pandit 提出了DDS方法（Dynamic Data System），推动了时序方法的工程应用。近年来，在时间序列分析理论中发展最为迅速的当属单位根理论。这一理论主要研究随机漫步过程统计量的非对称性质。单
6、位根问题已经引起了越来越多计量经济学家和统计学家的关注。它不但为决定ARIMA模型查分的阶提供了正式的检验方法，也为某些统计量的检验开辟了新的领域。Tsay 和Tiao将单位根检验扩展到多元情况，这就是所谓的协整检验。在我国，时序研究和应用起步较晚，第一本专著是时间序列的分析和应用，此后获得较为广泛的发展。我国许多高校和科研单位开展了时序理论特别是时序应用方面的研究工作，不少成果已实际应用，取得了明显的社会效益和经济效益。 时序分析未来研究的一个重要原动力源自于金融市场、信息网络以及电子商务等领域超容量数据的获得。在全球化竞争日益激烈的环境中，这些数据的可利用价格越来越大。然而，这些数据非常庞
7、大，而且离散型和连续性的多元变量相混杂，传统和现有的数据处理方法远远不能对其进行有效的加工处理。对这些数据进行综合分析的迫切性肯定会影响未来时序分析的研究方向。 随着时间序列分析在各个领域的应用不断深入以及社会各领域的发展，势必会出现更复杂的时间序列，如何找到能更贴切描述、预测，控制系统的模型是研究时间序列最直接的发展动向。实际的数据大都含有噪声、波动或者趋势。用平稳时间序列模型描述此类数据产生的误差很大，因此需要研究时间序列线性和非线性的交互关系，比如如何提高描述若干非平稳时间序列间的交叉相关和类似的数据关系的方法，这还有待于进一步研究。 三、毕业设计（论文）研究方案及工作计划 3.1 研究
8、方案 (1) 介绍时间序列分析的基本理论及方法，包括：基本概念、性质、方法、意义等基本知识。 （2）研究时间序列的建模方法，并编制时序分析和预测程序。 （3）针对20052010年全国14个省、直辖市的新生入学报到率观测序列建立时序模型，使用该时序模型对2011年该范围内新生入学率进行预测，并使用后验差检验准则以及2011年实际新生入学率对模型进行评估。 （4）针对所得结果对所做时序模型进行完善，使得预测结果更为良好。 3.2 工作重点 本论文的重点是讨论时序分析及其在实际中的应用，在给定数据情况下建立时序模型，并在此模型的基础上作相应分析和预测。 3.3 工作难点 建立合适的模型以及编制时序
9、分析和预测程序是个不易的过程，需要清楚的了解相关知识并熟练运用SAS、SPSS软件，并掌握一定的计算机编程能力以及扎实的数学功底。 3.4 拟采用的方案 翻阅相关资料，深入学习时间序列分析的相关知识，并加强自己在统计软件和编程方面的操作能力，运用SASSPSS进行相关的数据分析。 3.5 工作计划四、主要参考文献 1 王燕.应用实践序列分析M.中国人民大学出版社,2008. 2 A.Carbone,G.Castelli,H.E.Stanley.Analysis of clusters formed by the m(转载于:www.xiElw.coM 写论文 网:博士,时间序列,开题报告)ov
10、ing average of a long-range cor-related time seriesJ.Physical Review E,69(2004):14. 3 王振龙,胡永宏.应用时间序列分析M.科学出版社,2007. 4 徐国祥.统计预测和决策M.上海财经大学出版社,2005. 5 Bollerslev T.Generalized autoregressive conditional heteroskedasti- cityJ.Journal of Econometrics,1986(31):307-327. 6 潘红宇.时间序列分析M.对外经济贸易大学出版社,2005. 7 余
11、国华,黄厚宽.时间序列模型的选择方法J.广西师范大学学报(自然科学版),2003,21(1):191-194 8 J.A.Ramirez,E.Rodriguez,J.C.Echeverra,Detrending fluctuation analysis based on moving average filteringJ.Physical A 354(2005): 199219. 9 刘圆圆.时间序列分析及其应用J.科技创新导报,2011,27:255. 10 张利.基于时间序列ARMA模型的分析预测算法研究及系统实现D.江苏大学,2008. 11 刘晓东,景睿,孟祥森,李向云.残差自回归模型
12、及SAS程序实现J.中国卫生统计,2008,(05). 12 Kalman R E.A new approach to linear filtering and prediction problems J. Basic Engrg,1960(82):35-45. 13 程振源.时间序列分析：历史回顾和未来展望J.知识丛林统计与决策,2002, 9:45-46. 14 刘瑛慧,曹家琏.时间序列分析理论与发展趋势J.知识丛林电脑知识与技术, 2010,2:257-258.篇二：开题报告-时间序列预测法课题类型：A理论研究；B应用研究；C技术开发；D实验设计；E其它； 课题来源：A自选； B教师指定；C其它；篇三：开题报告 毕 业 论 文 开 题 报 告1 2 3 4 5
