基于ARIMA模型的湖北省CPI时间序列分析及预测

金融危机后,伴随着世界经济的快速增长,通货膨胀问题越来越严重,物价上涨厉害。本文利用湖北省2008年9月至2011年这4年(32个月)的月度数据,对湖北省CPI序列建立求和自回归移动平均(ARIMA)模型。结果表明,疏系数模型ARIMA((1,3,10),1,(2,3))是描述湖北省CPI变化趋势较优的时间序列模型。本文利用此模型对2011年5、6、7月的湖北省CPI指标进行了预测并提出了相应的建议。     

基于ARIMA模型的湖北省CPI时间序列分析及预测

金融危机后,伴随着世界经济的快速增长,通货膨胀问题越来越严重,物价上涨厉害。本文利用湖北省2008年9月至2011年这4年(32个月)的月度数据,对湖北省CPI序列建立求和自回归移动平均(ARIMA)模型。结果表明,疏系数模型ARIMA((1,3,10),1,(2,3))是描述湖北省CPI变化趋势较优的时间序列模型。本文利用此模型对2011年5、6、7月的湖北省CPI指标进行了预测并提出了相应的建议。     

湖北省CPI时间序列分析及预测

本文利用湖北省2002-2009年这8年96个月的月度数据,建立求和自回归移动平均模型(ARIMA)对2010年1-4月的湖北CPI进行了预测,结果表明,ARIMA(1,1,0)是描述我省CPI变化趋势相对较优的时间序列模型。     

基于ARMA乘积模型的CPI指数分析及预测

CPI指数是一个相对滞后的数据指数,通常是反映市场经济的一个重要指标。本文选取我国1990年1月至2013年11月共287个月份的CPI指数数据,对CPI序列建立乘积模型ARMA(1,1,1)×ARMA(0,1,1)12。结果表明,该模型是描述全国CPI变化趋势较优的时间序列模型。最后,本文利用此模型对2013年12月、2014年1-4月份的全国CPI指标进行了预测,并提出了相应的政策与建议。     

基于乘积季节模型的陕西省CPI的分析与预测

居民消费价格指数(简称CPI)是综合反映居民购买的生活消费品和服务价格水平的变动情况的重要指标。本文基于乘积季节模型对陕西省2001年1月至2012年12月144个月份的CPI数据进行实证分析,建立ARIMA(p,d.q)×(P,D.Q)12模型,结果表明该模型为反映CPI变化规律较优的模型,最后利用该模型对陕西省2013年各月CPI进行预测。     

中国的通货膨胀预测：基于ARIMA模型的实证分析

通货膨胀预测已经成为中央银行制定货币政策的一个关键性变量。我们在研究国外学者对通货膨胀预测研究的基础上,根据我国1990年1月到2007年11月的CPI月度数据,运用ARIMA模型,对我国通货膨胀进行分析和短期预测。实证结果表明,运用ARIMA(1,1,10)模型为我国的通货膨胀提供了较好的预测,如果央行能依据通货膨胀预测的结果制定相应的货币政策,将有助于避免货币政策的时滞,有利于正确地引导和稳定市场预测,最终提高货币政策的有效性。     

基于全国的物价指数相互影响的实证研究

居民消费价格指数(CPI)与工业生产者价格指数(PPI)长期波动中有比较明显的一致性,研究两者的波动协调性关系对观察经济走势和调控CPI有一定的帮助.本文使用全国2003年到2012年的月度数据,通过拟合向量自回归模型辨别CPI与PPI的影响关系,同时使用协整检验、向量误差修正模型来分别反映两者的长期、短期关系.结果表明CPI与PPI存在协整关系,且相互影响最长时滞为4个月.     

CRB对我国CPI价格指数的关系引导性研究

本文基于1996-2009年的时间序列数据,对国际商品期货价格指数(CRB)与我国消费者价格指数(CPI)的引导关系进行了实证研究.研究结果表明:国际商品期货价格指数(CRB)对我国消费者价格指数(CPI)在8个月内存在着因果关系,国际商品期货价格指数(CRB)可以对我国消费者价格指数(CPI)进行预测.随着我国开放程度增加,国际商品期货价格指数(CRB)对我国消费者价格指数(CPI)引导关系的范围逐渐扩大.     

应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年～2003年我国能源消费量的年度数据进行分析,结果显示ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测.     

基于ARIMA模型的我国人民币汇率的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARIMA模型进行分析。但是通过对原始序列进行差分,将其转换为平稳时间序列,再用ARIMA模型进行建模。本文通过对2000-2010年我国人民币汇率时间序列的分析,预测2010年6-12月数据,并证实了ARIMA模型是一种很好的短期预测模型。     

中国生活能源热力消费的ARIMA模型及预测

本文利用ARIMA模型,对1980-2009年中国生活能源热力消费量序列进行分析,建立了差分自回归移动平均模型ARIMA(1,2,0)。检验结果表明,ARIMA(1,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国生活能源热力消费量的预测。在此基础上,对我国2010-2014年的生活能源热力消费量进行了预测,最后给出了结论及建议。     

中国资本市场发育程度与消费价格指数的关系研究

本文运用CPI和股市发育程度作为研究对象,建立时间序列模型进行实证分析,揭示了居民消费与我国股市的发达程度之间的关系,对实证结果做了具体分析的同时,提出了相应的建议。     

基于ARIMA模型预测我国2012年的货运量

本文的数据来源于《新中国60年统计资料汇编》、中华人民共和国国家统计局,根据《新中国60年统计资料汇编》里面0146.xls中1949-2008年全国货运量的数据、中华人民共和国国家统计局中2009、2010年月度与年度货运量数据,建立时间序列模型序列,运用ARIMA模型进行分析,主要包括时间序列分析、平稳化处理、模型的识别、模型的定阶和参数估计这四个主要步骤,运用Eviews6.0软件,对我国2011年和2012年的货运量进行了预测,为制定物流发展政策、确定物流基础设施建设规模、分析物流市场态势提供定量依据。     

应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年-2003年我国能源消费量的年度数据进行分析,结果显示,ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测。     

ARIMA模型在四川民族地区GDP预测中的应用研究

应用时间序列模型中单整自回归移动平均模型ARIMA(p,d,q)的建模过程,依据1990-2011年四川民族地区GDP数据,建立ARIMA(1,1,0)模型,并结合Eviews5.0统计软件实现对模型的检验。结果显示,模型具有较好的预测效果和现实意义,可为四川民族地区制定经济发展目标提供决策参考。     

通货膨胀与农产品价格变动关系浅析

本文采用了格兰杰因果关系检验和向量自回归模型(VAR)来研究居民消费价格指数(CPI)和农产品价格指数(API)的变动关系。并且在进行格兰杰因果关系检验之前,采用了扩展的迪克—福勒检验(Augmented Dickey-Fuller Test)来检验了这个时间序列的平稳性。选取了1989—2009年的数据,最后得出的结果是,API的变动不是引起CPI的原因,但是会影响到CPI的变动。结合这样的检验结果从宏观经济形势、农产品供求、农业生产成本变化和国际市场影响等方面分析农产品价格上涨的原因。     

基于ARIMA模型的全国公路货运量预测

本文利用2006年1月到2012年9月的全国公路货运量的时间序列数据,使用eviews 6.0软件,运用单整自回归移动平均模型即ARIMA模型,对模型进行了识别、定阶、适应性检验,最终建立了一个ARIMA(3,1,3)的预测模型。通过该模型预测了2012年我国传统的公路货运大月12月的公路货运量将达到惊人的32.275亿吨,再创历史新高。     

ARIMA模型在基金投资决策中的应用——以创业板ETF基金为例

本文通过选取创业板ETF日收盘净值数据(2012年12月3日-2013年4月26日),对数据经过处理,化为平稳序列;经过模型估计和相关检验,对该时间序列最终建立较合适的ARIMA(5,1,5)模型,该模型经过预测检验,误差较小、准确度较高,能够较好的刻画基金净值的短期动态变化特征,该模型对我国基金投资者的投资决策具有一定的参考价值。     

我国创业板市场波动规律研究——基于创业板指数的实证分析

本文选取2010年6月1日创业板指数发布以来至2011年11月创业板指数序列共352个数据,综合运用游程检验对市场有效性进行检验,结果证明我国创业板市场虽然仅推出两年时间,但已经部分达到了弱势有效,并构造指标,提出了相应投资模型。     

我国创业板市场波动规律研究——基于创业板指数的实证分析

本文选取2010年6月1日创业板指数发布以来至2011年11月创业板指数序列共352个数据,综合运用游程检验对市场有效性进行检验,结果证明我国创业板市场虽然仅推出两年时间,但已经部分达到了弱势有效,并构造指标,提出了相应投资模型。