共查询到20条相似文献,搜索用时 0 毫秒
1.
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。 相似文献
2.
3.
4.
随着世界主要能源价格的大幅上涨和中国经济的强劲上升,中国能源需求已成为世界关注的焦点。本文利用时间序列分析方法中的自回归求和ARIMA模型,对我国1963-2008年的能源消费总量数据进行了实证分析,构建了能源消费总量数据预测模型,以此准确地预测我国能源需求,最后证明该模型能够很好的描述我国能源消费总量的动态演变规律,并且s在此基础上对我国未来的能源需求进行了短期预测,同时,给出了结论及建议。 相似文献
5.
张煜 《当代经理人(中旬刊)》2006,(21)
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。 相似文献
6.
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。 相似文献
7.
基于ARMA模型的上海市人均GDP时间序列分析与预测 总被引:3,自引:0,他引:3
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。 相似文献
8.
改革开放以来,我国发展处于可以大有作为的重要战略机遇期。但在一定时间后,经济的发展会受到各种阻滞因素的影响。以广东省1979-2011年的年均工资为基准,运用软件编程,通过多项式拟合,灰色预测,时间序列,型增长等模型预测年均工资,进而探索一下工资水平预测的方法,找出最佳的数学模型,最终认为型增长模型比较合理,符合未来中国经济发展趋势,进而得到年平均工资的预测值。 相似文献
9.
文章利用时间序列分析中的ARIMA探索宏观经济预警系统中的基础数学模型。首先把广西1978~2008年GDP时间序列平稳化,ADF检验后确认二阶差分为平稳序列,根据ACF和PACF图并且结合AIC准则最终模型确定为ARIMA(2,0,3)。 相似文献
10.
结构时间序列模型在经济预测方面的应用研究 总被引:7,自引:0,他引:7
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。 相似文献
11.
12.
13.
能源与经济社会发展构成巢结构关系.能源预测是能源规划的基础.时间序列分析技术,基于其时原始数据相对简单的要求,实现对数据产生机制的科学理解和描述,实现未来值预报,是常用预测方法.本文利用时间序列分析技术,预测得到中国2020年能源需求总量为449074.91万吨标准煤. 相似文献
14.
15.
16.
彭梅 《中国乡镇企业会计》2014,(4):236-237
本文从武汉市近几年的季度经济数据出发,利用时间序列模型,研究商品住宅价格的变化数据,分别给出了五种不同的函数模型,对商品住宅平均价格的时间序列数据进行模拟,并成功得出其拟合函数,由此对武汉市未来短期内商品住宅价格的变化进行合理的预测。针对所发现的现象及预测,进一步对房地产调控政策提出建设性的建议。 相似文献
17.
基于时间序列模型在物流需求预测中的应用 总被引:1,自引:0,他引:1
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。 相似文献
18.
基于结构时间序列模型的季节调整方法研究 总被引:3,自引:0,他引:3
一、季节调整的重要意义 月度或季度经济时间序列一般可分解为四种变动要素,即长期趋势要素T,循环要素C,季节变动要素S和不规则要素I。季节变动要素和循环要素的区别在于,季节变动要素是每年重复出现的周期变动,是由温度、降雨、年内的月份、假期、政策等引起的,而循环要素是间距比较长且不固定的一种周期性波动,它代表景气波动。经济时间序列分解模型也称为结构时间序列模型。依据时间序列的四个构成要素在模型中的相互关系,可以表现出多种不同的形式,一般而言,基本的分解模型为加法模型和乘法模型。设经济时间序列为{y_1},可以分别表示成如下的加法模型和乘法模型形式: 相似文献
19.
本文通过对物流需求预测的时间序列预测方法的组成成分、基本结构进行分析,利用编制计算机程序来建立时间序列需求量预测的简单指数平滑法、自适应指数平滑法和HOLT指数平滑法三种预测模型,为配送中心的库存控制提供支持。 相似文献
20.
所谓时间序列就是将某一个指标在不同时间上的不同数值,按照先后顺序排列而成的数列,它包括了系统结构特征及运行规律。本文通过时间序列分析在粮食产量预测中的应用,介绍了时间序列模型的辨识和预测,并基于Eviews软件计算完成了我省粮食产量的预测。 相似文献