云南省快递业务量DGM(2,1)预测模型

文章首先分析云南快递行业发展现状,总结云南快递业发展现状的特点。其次,根据快递业务量数据序列特点,为提高计算精度,运用DGM(2,1)预测模型,利用2012-2016年间各个季度的云南快递业务量数据,对未来5年间各季度的快递业务量进行预测和分析。最后,对DGM(2,1)模型预测结果与GM(1,1)模型计算结果进行对比分析。     

我国居民消费价格指数时间序列预测——基于ARIMA模型与平滑ARIMA模型的比较分析

对我国CPI的1951-2008年年度数据进行分析预测,用一种短时序数据的结构分析模型——平滑ARIMA模型对数据进行了分析预测。通过对两个模型预测效果的比较,结果表明,相比于ARIMA模型,平滑ARIMA模型预测的准确度大大提高。     

卷烟单规格月度销量的时间序列预测方法研究

基于回归模型、指数平滑模型、时间序列分解模型、季节ARIMA模型和X13-A-S方法对某省玉溪(软)卷烟2015年1月到2020年12月共72个月的月度销量进行预测，并对预测结果进行检验。在销量最高的1月，预测结果的差异最大，在销量最低的12月，预测结果的差异最小。2020年1月至10月的实际销量为49780.78箱，预测最为接近的是季节ARIMA模型，其次是X13-A-S方法，预测差距最大的是时间序列分解法。在平均相对误差上，X13-A-S方法的平均相对误差最小，为8.57%,季节ARIMA模型次之，为10.43%。回归分析方法的标准误差最小。在销量均值的预测上，季节ARIMA模型和X13-A-S方法预测的绝对误差和相对误差较低，可以作为卷烟月度销量的通用方法。     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

基于ARIMA模型在社会消费品零售总额预测中的应用

为了研究ARIMA模型对经济数据的预测,本文利用统计软件EViews7.2,通过分析我国社会消费品零售总额从2003年1月到2010年12月的月度数据,建立了八种不同参数的乘法季节ARIMA模型。根据模型的预测精度、检验结果,本文确定了最优预测模型ARIMA(2,2,0)×(1,1,1)12,并运用该模型来预测我国2011年1月至12月的社会消费品零售总额,并与2011年实际数值进行比较,拟合效果良好。对于2012年的展望,笔者认为,其值仍将呈速度较快的上升趋势。     

基于ARIMA模型的我国国内生产总值的分析与预测

本文先介绍了ARIMA模型,而后重点在于ARIMA方法与传统法的比较,指出了ARIMA方法与传统方法的异同,关键的不同点主要有三个方面:建模的基本思想不同、前提不同以及适用范围不同,最后运用ARIMA模型对我国1978—2009年的GDP总额进行了分析与预测,得出ARIMA(2,2,2)模型可以对我国的GDP序列作短期预测。     

基于回归模型分析的快递服务业对我国国际贸易的影响

入世以来,我国对外贸易飞速发展,经济实力显著提高。我国国际贸易能在困境中得以发展与快递业的贡献是分不离开的,快递业作为我国新兴产业,从2000年开始进入了飞速发展时期,尤其是最近几年其发展速度更显著,2013年,我国快递业务量同比增长61%。本文将我国快递业务量和我国国际贸易额作为变量,通过回归模型分析,得出了快递服务业促进了我国国际贸易的发展的结论。最后,对快递业务的发展提出建议。     

经济增长和外贸出口对我国快递行业发展的影响及对策

采用1989—2012年的年度数据,利用协整分析和误差修正模型分析GDP增长和对外贸易出口对我国快递行业发展的动态影响。实证分析结果表明,GDP每增长1个百分点,快递业务量增长7.28个百分点;而对外贸易出口每增长1个百分点将导致快递业务量下降2.988个百分点。快递行业的快速发展是经济发展到一定阶段的必然产物,同时也是近期我国对外贸易出口受挫而引致企业将产品生产和销售专注于国内市场的必然结果。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型（ARIMA）,对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA（2,1,1）模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型(ARIMA),对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA(2,1,1)模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

基于乘积季节模型的我国流通中现金预测

文章基于2000年1月至2019年6月我国流通中现金(M0)供应量期末值数据,建立ARIMA(1,1,2)×((1,3),1,3)_(12)乘积季节模型对其进行实证分析,平均相对误差为2.62%,且模型R~2为94.95%;并利用该模型对2019年我国流通中现金进行预测,为我国该年经济发展前景提供一定的参考依据。     

时间序列分析在财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法。将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。     

我国快递行业的现状及发展趋势

中国的快递业属于新兴行业,发展历史不到三十年,但快递业务量却以每年30%的速度增长,随着电子商务的发展,快递由商务领域扩展到个人领域,在线交易激发了大量门对门的快递服务,为快递业的发展提供了广阔的空间。本文从快递行业的现状出发,对快递行业的发展趋势进行了分析和预测。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949-2009年的人口总数进行了分析与预测，得出AR IMA （2，2，1）模型可以对我国的人口总数作短期预测的结论。     

基于ARIMA模型的我国木薯干进口发展预测研究

本文采用时间序列分析方法对我国1984—2007年木薯干进口量的数据进行分析,建立相应的时间序列模型。我们预留了2006—2007年的数据进行模型预测对比。通过预测对比,发现ARIMA模型的预测效果较好,可以用来对我国木薯干进口量进行预测。     

基于乘积季节模型的民航客运量实证研究

随着我国经济实力不断增强,人民生活水平也不断提高,民航运输在人们的生活中发挥着越来越重要的作用。本文基于时间序列分析基本原理,选取2005年1月—2013年11月共107个月的月度数据建立ARIMA乘积季节模型,并对2013年12月—2014年12月的民航客运量进行预测分析。以期对序列中民航客运量的长期递增趋势以及以年为周期的季节效应进行解释,并根据预测结果给出相应的结论和建议。     

基于时间序列模型的中国出口总额分析及预测

基于中国近20年来中国出口总额的月度数据,通过对数据特征进行的分析,采用了Holt-Winters滤波方法和ARIMA(0,1,1)模型对数据进行拟合,并对模型进行了相关检验,以此来考虑模型的可行性及拟合效果的优良性。最后对中国出口总额的月度数据进行了预测,结果显示Holt-Winters滤波方法和ARIMA(0,1,1)模型的预测平均相对误差率很小,说明时间序列模型在我国出口总额的预测中具有较好的实用价值。     

我国沿海规模以上港口货物吞吐量实证分析及预测

科学的港口货物吞吐量预测结果可为国家安排港口生产和规划未来建设提供重要依据.本文以1999年至2009年我国沿海规模以上港口货物吞吐量的月度数据为基础,利用时间序列的建模方法,构建了ARIMA季节乘积模型,对2010年前三季度货物吞吐量做出短期预测,并给出结果分析和建议.     

“电商崛起”环境下快递企业运营物流绩效分析

随着电子商务在我国的深入发展以及营销模式的不断创新,快递企业的业务量迅猛增加,但与此同时快递物流在运营过程中也存在诸多的问题。本文选取我国快递行业主要的10家快递企业进行数据收集,运用DEA的方法对其运营物流绩效进行系统而全面的评价分析,最后对评价中发现的问题提出改进优化思路。     

要闻点睛

今年规模以上快递企业收入将达到700亿元中国物流与采购联合会新近发布的中国物流发展报告预测,2011年我国规模以上快递企业（年经营额200万元人民币以上）的业务收入将达到700亿元,快递业务量将达到30亿件;加上其他快递物流实体的经营业绩,全年快递市场经营额将达850亿元,快递业务总量将达到32亿件左右。