广西水电设计院第五栋宿舍楼的变形观测与预报

文章研究了利用时间序列分析方法ARMA(P,q)模型建立变形监测分析及预报的方法,并对时间序列分析方法的应用进行初步探讨.同时,在理论研究的基础上,对具体变形点进行时间序列分析,运用3种模型进行变形观测数据的解算预测.     

运用ARMA模型对股价预测的实证研究

时间序列分析是经济领域应用研究最广泛的工具之一,它用恰当的模型描述历史数据随时间变化的规律,并分析预测变量值。ARMA模型是一种最常见的重要时间序列模型,被广泛应用到经济领域预测中。给出ARMA模型的模式和实现方法,然后结合具体股票数据揭示股票变换的规律性,并运用ARMA模型对股票价格进行预测。     

基于ARMA模型的上海市人均GDP时间序列分析与预测

本文分析了上海市人均GDP水平时间序列(1978年至2008年),在将数据平稳化的基础上建立自回归移动平均模型(ARMA模型),从中找出上海市人均GDP序列变化的规律,并在此基础上对未来几年的指标数值进行了预测。     

广西水电设计院第五栋宿舍楼的变形观测与预报

文章研究了利用时间序列分析方法ARMA（p，q）模型建立变形监测分析及预报的方法，并对时间序列分析方法的应用进行初步探讨。同时，在理论研究的基础上，对具体变形点进行时间序列分析，运用3种模型进行变形观测数据的解算预测。     

ARIMA模型在债券收益率中的应用

通过对债券即期收益率的分析,可以更加精确地知道债券收益率的变化情况.本文采用统计学家Box和Jenlins提出的ARIMA模型对我国债券收益率数据进行分析,得出ARIMA模型不但适合非平稳的时间序列,而且适合分析债券收益率,表明ARMA(1,1,1)膜型的效果是比较好的. 债券的收益率与多种因素有关,并且各因素之间又存在相互制约的关系,通过检验知道该债券的收益率是非平稳的时间序列,不能用自回归移动平均ARMA模型进行分析,本文用ARIMA模型进行分析,数据来源于聚源数据库中的债券到2008年2月18日的即期收益率数值,采用的分析软件为Eviews6.0.     

基于ARMA模型的公务轿车故障规律分析

基于某油田车管中心公务轿车故障历史记录,应用计量经济学技术对轿车故障记录数据进行分析,寻找轿车故障规律;不无创新地视故障的发生为时间序列进行分析研究、模型预测;建立了不同车型故障时间序列的ARMA模型,并以帕萨特、奥迪A6、君威三种公务车车型为例进行了实证。     

基于ARMA模型的我国一次性能源生产量分析

本文针对改革开放以来即1978年到2010年我国一次性能源生产量数据,首先运用单位根检验及差分方法来处理该一次性能源生产量时间序列的非平稳性,然后在此基础上进行模型识别、定阶、参数估计和适应性检验,最终选择出ARMA(1,3)模型。最后,根据该模型对最近五年的一次性能源生产量进行预测并与实际值进行对比分析。     

基于ARMA模型的上海市人均GDP时间序列分析与预测

本文分析了上海市人均GDP水平时间序列（1978年至2008年）,在将数据平稳化的基础上建立自回归移动平均模型（ARMA模型）,从中找出上海市人均GDP序列变化的规律,并在此基础上对未来几年的指标数值进行了预测。     

基于ARMA模型的我国外贸进出口总额的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARMA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ARMA模型进行建模。本文通过对我国自建国以来的历年进出口总额的时间序列的分析,证实了ARMA模型是一种很好的短期预测模型。     

我国国内旅游游客量的时间序列分析

在我国旅游业持续快速发展的大背景下,本文选取了全国1994-2014年全国国内旅游量的数据,并以此为基础,建立了ARMA时间序列模型对此数据进行分析与预测,数据证明实际值与预测值拟合程度较好,并进而对未来三年的旅游量进行了预测.最后提出应适当调控游客数量,减缓景点压力;提高农村居民的旅游意识;创新全国休假制度,分散客流.     

基于时间序列模型在物流需求预测中的应用

本文采用时间序列模型进行物流需求预测，用实例从数据平稳性的判断，平稳化、标准化，建模，经模型的识别、定价、参数估计和检验，到预测及误差和置信区间的计算，详细地说明了时间序列模型在物流需求预测中是如何应用的。结果表明该ARMA模型能够较好地拟合并可获得较高的中短期预测精度。     

基于协整分析的我国货运量预测

货运量是运输系统中一个重要指标。研究货运量的变化规律,对货运量进行科学合理预测,对交通规划和经济发展具有重要意义。对货运量进行时间序列分析,建立了货运量的传统时间序列模型,观察到残差存在自相关,提出修正残差的ARMA模型．消除自相关。最后根据模型对货运量进行预测,并提出政策建议。     

基于ARMA模型的我国进出口额的时间序列研究

一国的进出口贸易会对一国的经济发展起非常重要的作用。本文以我国的进出口额数据为基础,运用时间序列分析的方法,对我国进出口额数据建立ARMA模型,揭示了我国进出口贸易的规律性,并做出了短期预测。     

ARMA模型在社会消费品零售总额中的应用

本文通过eviews软件对我国的社会消费品零售总额作了ARMA(3,1)模型,通过该模型较好地消除了该时间序列的季节影响和趋势的变动,较好地刻画了该序列的变化。并且,通过模型对社会消费品零售总额作了预测。     

对我国无担保企业债的违约风险因素研究

文章从信用违约风险的角度对无担保企业债收益率进行分析,通过构造度量经济体信用风险水平的CVI指标和选取适当的宏观经济变量指标(如固定资产投资同比增速等),运用"回归和时间序列ARMA组合"模型对我国无担保企业债的收益率建模,得到了统计上显著并且经济意义合理的结果。该模型有较高的数据拟合和预测能力,可以用于预测无担保企业债未来的收益率水平,对无担保企业债的投资决策具有一定参考意义。     

江苏劳动争议案件数量的灰色预测及启示

以2000～2009年江苏省劳动争议受理案件数据为依据,运用灰色系统理论,建立灰色GM(1,1)主模型和GM(1,1)残差模型,对江苏省劳动争议受理案件时间序列进行了拟合、分析与预测。通过实证分析表明,GM(1,1)残差模型的拟合程度较高,是一种有效的劳动争议数量预测算法,模型预测结果可为劳动关系管理和劳动争议处理提供有利的理论依据。     

基于ARIMA模型的北京市CPI预测分析

模型是在分析时间序列问题时较为常用的一种方法,该模型尤其在研究时间序列的短期预测方面表现较好。文章选取了北京市2005年1月至2017年6月的(居民消费价格指数)月度数据为样本,借助于Eviews8.0软件,构建了(0,1,12)模型,经过检验,该模型充分提取了数据中的有用信息,拟合的效果也较为良好,并利用该模型对北京市2017年下半年趋势进行了预测。     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

基于ARMA平稳时间序列的机票价格预测模型——以山海关机场为例

伴随着网络订票平台的普及,越来越多的人选择这些平台来订购飞机票,然而航空公司会根据自己的一套复杂定价机制随时调整机票价格,机票的价格波动幅度比较大。文章基于山海关机场的某航线,连续追踪了半年的数据建立了时间序列模型,并给出了预测机票价格的ARMA模型,为顾客节省费用提供了一定的理论依据以及实际帮助。     

基于预测能力的扩展极限边界分析法

本文在传统EBA方法的基础上,将其引入到时间序列中,构建以预测为导向的AEBA模型选择方法。AEBA在模型选择上更注重于模型的预测能力,在稳健性检验上细分为模型稳健性检验与参数稳健性检验两部分,提出了基于时间序列预测能力的检验方法。最后实证示例用AEBA方法对影响石油股票指数收益率的因素进行了研究,表明该方法选择的模型的预测能力,特别是短期预测能力要显著强于CAPM、三因子模型、ARMA以及VAR。