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ARIMA模型的JG钢铁原料库存量预测研究

库存量是减少原料的损失及成本的浪费是节约企业成本的关键。文章基于时间序列自回归滑动平均(ARIMA)预测模型,对JG钢铁原料库存量资料进行建模拟合。利用DPS软件,建立ARIMA预测模型,利用AIC准则法并考虑相关系数R的值以及拟合度C的大小定阶,通过拟合建模,ARIMA(1,l,1)模型较为合理。应用模型对2015年4月1日至4月5日库存量进行了预测,实现了JG钢铁原料库存量的短期预报。     

基于ARIMA模型的渭南市降水量趋势分析与预测

采用ARIMA模型对渭南市1953～2013年历史降水量趋势进行模拟,优选参数,建立降水量预测模型,对2014～2018年的降水趋势进行预测。经拟合结果分析可知ARIMA模型能够比较好地预测渭南市年降雨量变化趋势,渭南市近些年降雨量呈现略微下降的趋势,但随着预测期的延长,预测精度降低。建议在使用ARIMA模型预测年降雨量时,尽量保证数据序列足够的情况下,采用逐年实时校正的预测方法。     

ARIMA模型在中国GDP预测中的应用

文章对我国1978-2015年国内生产总值进行了分析。运用Box-Jenkins方法建立了ARIMA模型。通过对数据的平稳性检验、模型参数识别与检验、模型检验等综合分析,确立了ARIMA(2,1,0)模型。该模型具有简单实用、预测精度高的特点,能恰当描述我国GDP(国内生产总值)状况,并对"十三五"期间的GDP增长速度做出短期预测,为政府部门制定"十三五"期间的经济计划提供依据和参考。     

基于ARIMA模型的中国社会消费品零售总额季度预测

本文介绍了自回归单整平均移动模型即ARIMA模型的基本原理及其构建与应用的方法;并分析中国2003年-2010年社会消费品零售总额的季度数据,运用ARIMA(p,d,q)(P,D,Q)s模型,对历史数据-2010年四个季度社会消费品零售总额进行预测,其预测值与实际值拟合效果较好;在此基础上,预测出了2011年四个季度的社会消费品零售总额。     

基于ARIMA模型的贵州省社会消费品零售总额预测研究

通过本文对贵州省1978年至2010年社会消费品零售额年度数据的搜集,在数据的基础上,建立了贵州省社会消费品零售额的ARIMA模型,得到可靠的模型后以此对此后贵州省社会消费品零售额做一定的分析及预测。     

居民消费价格指数的分析统计与预测

本文将运用ARIMA模型进行安徽省月度CPI的短期预测。文章采用2005年1月至2016年7月安徽省的居民消费价格指数月度数据,借助Eviews软件对数据进行拟合分析,建立了ARIMA(12,1,12)模型,模型检验结果表明模型的准确性高,预测误差较小;并对未来安徽省居民消费价格指数进行预测,研究结果表明安徽省2017年3月到2017年8月的CPI波动幅度较小,趋于稳定。     

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。     

基于ARIMA模型的蚌埠市PM2.5预测

本文首先从真气网选取蚌埠市2018年6月1日至2019年5月31日的PM2.5日浓度数据作为样本数据,接着运用EVIEWS10.0软件并借助由Box和Jenkins创立的ARIMA(p,d,q)模型对样本数据进行合理建模,并验证所建立的AR(1)模型的合理性;然后运用所建立的AR(1)模型对蚌埠市2019年6月2日至2019年6月6日的PM2.5日浓度进行预测,最后将预测结果与实际值进行比较,结果表明:使用建立的AR(1)模型对蚌埠市短期内PM2.5浓度预测所得值与蚌埠市PM2.5浓度的实际值相对误差较小,其误差大小在10%之内,适合做蚌埠市PM2.5日浓度的短期预测。     

基于ARIMA模型和GARCH模型的美元指数波动性分析

美元指数在金融危机前后出现了耐人寻味的变化,其波动影响着国际经济、政治格局。本文运用自回归单整移动平均时间序列(ARIMA模型)和广义自回归条件异方差时间序列(GARCH模型)的方法分析美元指数,采集大量历史样本数据,对其波动特性进行实证研究。运用ARIMA模型对未来短期美元指数走向进行预测,表明美元指数的波动有一定的规律。同时,对美元指数建立用于描述大量金融时间序列的GARCH(1,1)模型,通过模型的定阶、检验、预测发现GARCH模型有较好的预测较长期整体走势的能力。     

上海市第三产业从业人数预测研究

人数预测的统计方法有多种,但利用ARIMA模型进行单指标短期预测工作,可以预测非平稳序列,对提高预测的准确性方面有比较明显的效果.文章利用SAS软件工具采用ARIMA模型对上海市第三产业从业人员进行预测,从预测结果来看,ARIMA模型用于上海市第三产业从业人数预测的理论和方法都是适用的.     

基于ARIMA模型的云南省第三产业发展预测

通过采用自回归差分移动平均(ARIMA)模型,对云南省第三产业产值序列进行分析,进而了解云南省第三产业未来的发展趋势,明确推动产业优化发展的方向。在使用STATA软件建模后,根据信息准则对模型进行筛选,得到了ARIMA(2,2,2)模型。随后,对模型进行拟合度检验,证明模型可以对第三产业产值进行短期的预测与分析,期望能为今后的相关研究提供参考。     

张家川地区急性阑尾炎月发病人数ARIMA模型拟合

文章应用SPSS软件对张家川地区2001年9月至2006年7月急性阑尾炎每月发病人数统计资料做时间序列分析观测到该时间序列是一组平稳即白噪声序列,无季节周期性,进行ARIMA模型拟合得到ARIMA(1,0,1)模型,数学表达式Yt=0.129Yt-1+at+0.3756at-1,且进行预测值比较,得到较好效果。     

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）。     

ARIMA模型在我国纺织品服装出口额预测中的应用

本文对我国1985-2012年纺织品服装出口额进行分析,运用Box-Jenkins方法建立ARIMA（2,2,2）模型,检验结果表明该模型有较好的预测效果,可为我国纺织品服装行业制定对外经济发展目标提供参考。     

ARIMA融合神经网络的人民币汇率预测模型研究

本文在深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型特点的基础上,建立了ARIMA融合NN的人民币汇率时间序列预测模型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,即将汇率时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARI-MA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终合成为整个序列的预测结果。通过对三种人民币汇率序列的仿真实验表明,融合模型的预测准确率显著高于包括随机游走模型在内的单一模型的预测准确率,从而证实了融合模型用于汇率预测的有效性。这一结果也表明,人民币汇率市场并不符合有效市场假设,可以通过模型对汇率未来走势做出较准确预测。     

西部地区物流业对经济增长的经验分析

物流业的发展和地区经济的发展之间存在着相互促进的关系。文章选取西部地区GDP及货运周转量指标,通过对其建立计量模型展开系统的研究,揭示了区域物流业与区域经济之间的内在经济关系,即它们之间是一种长期均衡的关系（协整分析）：并在此基础上计算货运周转量单位增长所带来的区域GDP的增长的弹性值;最后,建立ARIMA模型对2007-2010年中国西部地区货运周转量进行预测：     

ARIMA模型与BP神经网络模型的比较研究——基于供电企业电费现金流入预测

文章基于供电企业对电费现金流入预测的现实需要,分别建立了基于时间序列的ARIMA模型和BP神经网络预测模型,并对两种预测方法进行了对比分析,最终确定了以ARIMA模型为主、BP神经网络为辅的综合预测手段,有效地提高了电费现金流的预测精度,增强了供电企业的现金流管理水平。     

基于ARIMA模型的高等学校毕业生规模分析与预测

本文运用全国1978～2009年普通高等学校毕业生数,结合ARIMA模型,利用SAS软件对高等学校毕业生规模进行分析与建模过程,并对2009年后的5年内的全国普通高等学校毕业生规模进行预测,得到其变化趋势,在此预测基础上,结合普通高等教育当前的现状和目前的就业形势,对相关工作提出建议。     

基于ARIMA模型的产业集群稳定性研究

通过统计分析产业集群月产出量数列平稳性,运用时间序列分析方法,建立产业集群ARIMA模型,预测在某一时间点的产业集群产出情况,为生态园产业链稳定性建设提供理论依据。通过实际数据研究,运用EViews软件,验证产业集群ARIMA模型可行性。为解决产业集群稳定性预测中"外部扰动"因素对稳定性的影响,提供了理论途径。为产业集群建设稳定持续的发展提供了科学有效的理论方法。