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。     

ARIMA模型在杭州市全社会固定资产投资预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于杭州市全社会固定资产投资数据的分析与预测,得到较为满意的结果。     

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ARIMA模型的汇率预测研究

本文采用2010年7月1日至2013年11月30日的人民币兑美元汇率周平均值,建立了ARIMA模型,对并汇率序列进行预测和评价。实证结果表明,ARIMA(2,1,2)模型预测结果比较成功,基本能反映人民币升值的趋势。     

基于Eviews上证综合指数预测

本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。     

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。     

基于R的新疆GDP分析与预测

根据新疆地区历年GDP数据的特点,基于R语言,建立求和自回归移动平均模型ARIMA(p,d,q)。通过对数和差分运算对数据进行平稳化处理,根据自相关系数、偏自相关系数以及单位根检验判断其平稳性,选择合适的ARIMA模型,进行预测和比较,得到较为满意的结果。     

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。     

增强金融服务功能 促进西南地区经济发展

四川、贵州、云南、西藏四省区(以下简称西南四省区)幅员辽阔、民族众多,在我国政治经济中具有十分重要的地位。自2000年西部大开发战略实施以来,西南四省区金融业通过深化改革,加快创新和开放,不断提升服务水平,努力促进民族地区、     

ARIMA模型在湖北省GDP预测中的应用——时间序列分析在中国区域经济增长中的实证分析

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。广泛求证和搜集从1952年到2006年以来湖北省GDP的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件EVIEWS运用ARMA建模方法,将ARIMA模型应用于湖北省历年GDP数据的分析与预测,得到较为满意的结果。     

我国外汇占款变动的预测研究——基于ARIMA模型的实证分析

本文以我国2000-2009年月度外汇占款额为样本数据,通过建立ARIMA模型来确定我国外汇占款的变化规律进而预测其变动趋势.分析结果表明,我国外汇占款的变动符合自回归单整移动平均ARIMA(2,1,0)的过程,同时利用该模型预测发现,我国外汇占款额在未来会继续保持增长的态势但增速较之前会有所放缓.     

金融危机后我国居民消费价格指数时间序列分析及预测——基于ARIMA模型

金融危机后,我国实施四万亿财政政策,带动经济快速发展,但政策的滞后性引起了近几年通货膨胀的急剧增长,甚至达到2011年的最高位6.5％.本文以我国2008年9月-2011年12月这四年(40个月)的月度数据,对我国CPL序列建立求和自回归移动平均(ARIMA)模型,结果表明,ARIMA(2,10)是描述我国CPI变化趋势的较优的时间序列模型.本文利用该模型对2012年1、2、3、4月的我国CPI月度数据进行了相应的预测.最后针对研究结果,给出相应的建议.     

用带趋势的ARIMA模型分年龄预测死亡率

针对中国1994~2011年中国人口死亡率数据,在Reer修匀、平滑、去趋势后用ARIMA方法分年龄进行拟合、预测。结果表明带趋势的ARIMA模型在平均误差比(MAPE)、光滑度和BIC等指标上优于经典Lee-Carter模型,其预测结果与随机波动趋势法相比,期望大致相同而方差更小,且原始的抽样调查数据在青少年阶段死亡率整体偏低。     

ARIMA模型在汇率预测中的应用——基于人民币汇率的验证

本文使用统计软件EViews7.2,分析人民币汇率从2010年1月1日到2012年12月31日共计725天的时间序列数据,并据此建立了2种ARIMA模型。根据模型的预测精度、检验结果,本文确定了最优预测模型ARIMA(1,0)。随后运用该模型来预测2013年1月1日至3月31日人民币与美元兑换汇率(55个数据),并与2013年实际数值进行拟合。对于2013年的人民币汇率走势,笔者认为,根据模型结果,其值仍将在短期内呈缓慢下降的趋势。     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

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。     

基于时间序列的美国失业率分析

失业率(Unemployment Rate)旨在衡量闲置中的劳动产能,是反映一个国家或地区失业状况的主要指标。对失业率的数据做时序的检验能够了解发现失业率的变化规律,有助于解答相关社会问题。本文采用ARIMA与GARCH模型对美国从2000年1月到2009年7月的月度失业率经验数据进行分析,并对趋势进行了临时成份与永久成份的分解,以便后续的研究。     

ARIMA模型在云南省GDP预测中的应用

从云南省经济发展的实际情况出发,以1978～2013年云南省GDP统计资料为依据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关函数、偏自相关函数的性质确认序列应当适合的模型,利用时间序列模型中的ARIMA模型中的Box-Jenkins方法,对云南省1978～2013年的GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA(1,1,1)模型。模型实证分析的结果表明:在时间序列分析建模与预测方面Box-Jenkins方法是精度较高且切实有效的方法模型。     

民族地区新农村建设路径初探——对四川省甘孜州雅江县新农村建设试点村调查的思考

四川是一个多民族聚居区,在全国56个民族中有54个分布在那里.因而推进民族地区新农村建设,不仅关系全国新农村建设的全局,也是促进西部大开发、推动民族地区实现全面小康的重大举措.