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。     

基于时间序列模型下的财务预测——以某家电企业为例

通过某家电企业的财务报表分析得知该企业的偿债能力较差,但营运能力总体向好。采用时间序列模型对该企业未来三年的财务状况做了预测,发现盈利情况良好,为投资者和管理者的经营提供方向。     

基于我国CPI时间序列的神经网络预测模型

近年来,我国的居民消费价格指数涨幅屡创新高。根据我国1990年-2008年的CPI时间序列,首先利用时间序列分析方法确定输入向量,然后应用改进BP算法的人工神经网络分别预测出2011年和2012年我国CPI将分别为104.9和105.2,实验结果证实了BP神经网络模型用于CPI预测的准确性和可行性。     

基于时间序列分析的我国能源需求的预测

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。     

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。     

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。     

年平均工资增长预测模型的比较实证分析——以广东省为例

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。     

广西GDP的时间序列分析与预测模型

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）。     

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BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

基于时间序列的建筑工程造价预测探究

随着社会经济的发展,建筑业在我国已经逐渐地成为了第二产业中支柱产业,而随着建筑业的快速发展,其在我国的国民经济中已经处于不可动摇的地位,已经是我国国民经济中重要的经济支柱产业,因此,对于建筑工程造价的预测和控制管理,对于促进我国建筑业快速发展具有重要的意义。     

基于时间序列视角的2020年中国能源需求预测

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.     

基于拟牛顿法确定参数的时间序列迭代模型

为解决时间序列参数估计收敛速度慢,迭代次数多,效率低的问题,建立了一种基于拟牛顿法的参数估计方法。实例表明,由此所建立的时间序列迭代模型稳定可靠,拟合、预测精度高,能够有效的表征形变量随时间的变化规律。     

含有趋势时间序列的模型分析

本文首先提出两种含有时间趋势的模型，然后论证如果使用不正确模型来分析，将会得出错误的结论。     

基于时间序列拟合武汉市商品住宅价格的走势

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。     

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。     

基于结构时间序列模型的季节调整方法研究

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:     

配送中心需求量的时间序列预测方法研究

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。     

时间序列在粮食预测中的应用

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。