共查询到20条相似文献,搜索用时 636 毫秒
1.
本文采用ARIMA模型型对1974年-2003年我国能源消费量的年度数据进行分析,结果显示,ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测。 相似文献
2.
本文采用ARIMA模型型对1974年~2003年我国能源消费量的年度数据进行分析,结果显示ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测. 相似文献
3.
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。 相似文献
4.
大多数经济时间序列呈现非平稳性,因而不能直接用ARIMA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ARIMA模型进行建模。本文通过对2000-2010年我国人民币汇率时间序列的分析,预测2010年6-12月数据,并证实了ARIMA模型是一种很好的短期预测模型。 相似文献
5.
文章首先对中国月度固定资产投资序列建立ARIMA模型来对其进行预测,然后引入PMI指标进行预测。对比分析模型预测结果表明:引入PMI指标后的ARIMA模型的预测结果更加准确,预测效果更好,从而更具有实际意义。 相似文献
6.
文章首先对中国月度固定资产投资序列建立ARIMA模型来对其进行预测,然后引入PMI指标进行预测.对比分析模型预测结果表明:引入PMI指标后的ARIMA模型的预测结果更加准确,预测效果更好,从而更具有实际意义. 相似文献
7.
8.
应用时间序列模型中单整自回归移动平均模型ARIMA(p,d,q)的建模过程,依据1990-2011年四川民族地区GDP数据,建立ARIMA(1,1,0)模型,并结合Eviews5.0统计软件实现对模型的检验。结果显示,模型具有较好的预测效果和现实意义,可为四川民族地区制定经济发展目标提供决策参考。 相似文献
9.
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。 相似文献
10.
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. 相似文献
11.
12.
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。 相似文献
13.
基于ARIMA模型的湖北省CPI时间序列分析及预测 总被引:1,自引:0,他引:1
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。 相似文献
14.
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。 相似文献
15.
16.
17.
梅杰 《金融经济(湖南)》2013,(12):155-156
本文通过实证分析,说明金融时间序列建模前降噪预处理的必要性,更进一步地,运用多尺度阈值方法对金融时间序列去噪,再用传统时间序列预测方法ARIMA(p,d,q)模型对降噪后的数据进行预测。通过与小波阈值去噪预测模型的比较,得出多尺度阈值去噪预测效果更加理想。 相似文献
18.
19.
选择国房景气指数作为房地产行业的发展态势评价指标,利用时间序列分析法对1995年到2010年间的我国房地产开发业月度景气指数序列进行分析来建立短期预测模型,以期为房地产行业态势预测研究提供参考。经过单位根检验,一次差分和自回归,建立ARIMA(1,1,5)模型,并进行了短期预测和检验,验证了模型的有效性。 相似文献
20.
本文通过选取创业板ETF日收盘净值数据(2012年12月3日-2013年4月26日),对数据经过处理,化为平稳序列;经过模型估计和相关检验,对该时间序列最终建立较合适的ARIMA(5,1,5)模型,该模型经过预测检验,误差较小、准确度较高,能够较好的刻画基金净值的短期动态变化特征,该模型对我国基金投资者的投资决策具有一定的参考价值。 相似文献