基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

基于ARIMA模型的我国人民币汇率的时间序列分析

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。     

上海银行间同业拆放利率预测

在上海银行间同业拆放利率基本特征分析基础上,选取2006年10月8日至2009年12月21日的隔夜Shibor利率进行实证分析,分别建立了ARIMA及GARCH模型,并比较了两种模型的预测能力。研究表明：使用传统的ARIMA模型,模型ARIMA（3,5,27：1：3,27）配适得较好,但使用模型GARCH（2,2）不仅适配效果较好,而且预测精度更高。     

中国生活能源热力消费的ARIMA模型及预测

本文利用ARIMA模型,对1980-2009年中国生活能源热力消费量序列进行分析,建立了差分自回归移动平均模型ARIMA(1,2,0)。检验结果表明,ARIMA(1,2,0)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国生活能源热力消费量的预测。在此基础上,对我国2010-2014年的生活能源热力消费量进行了预测,最后给出了结论及建议。     

结合PMI的固定资产投资预测分析

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。     

应用ARIMA模型预测我国能源消费量

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。     

基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

基于Gibbs抽样的ARIMA型汇率的触发式理财产品定价研究

本文研究了挂钩于美元/日元的触发式理财产品的定价问题。首先对数据进行统计分析,选出对汇率拟合效果最佳的模型为ARIMA模型;其次对ARIMA模型的参数进行MCMC估计,最后以此结果研究汇率为标地资产分析了触发式理财产品价值。     

结合PMI的固定资产投资预测分析

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.     

基于时间序列的我国汇率走势预测的实证研究

本文在简单介绍汇率预测及时间序列模型的基础上,利用时间序列模型中的ARIMA模型和EGARCH模型,分别对我国汇改以后的人民币/美元日汇率值进行实证研究,并对结果进行分析比较,结果表明EGARCH模型相对于ARIMA模型结果更加可靠,更适合于预测人民币/美元的日汇率走势。     

应用ARIMA模型预测我国能源消费量

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.     

基于ARIMA模型的汇率预测研究

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。     

小波分析结合ARIMA组合模型的2014~2017年石油贸易量预测研究

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

ARIMA模型在四川民族地区GDP预测中的应用研究

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。     

湖北省CPI时间序列分析及预测

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。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

人民币汇率预测模型与实证研究

目前深入研究人民币汇率行为的特征,揭示其内在变化的规律,提高汇率预测的精准度,对有关管理部门加强金融监管和制定有效准确的汇率政策有着至关重要的意义。本文分别选取了ARIMA、GARCH和TAR模型对人民币汇率建模,在分析了各个模型的预测效果产生差别的原因的同时,还比较各种模型预测效果,结果表明TAR模型的预测效果优于ARIMA和GARCH模型。     

LME铜价时间序列的预测模型

铜价的波动对于铜加工企业来说有着巨大的影响,是铜产品中成本影响的最不确定因素,本文借助Box-Jenkins建模法和ARIMA模型的理论以及Eviews 3.1软件,建立时间序列ARIMA模型,结果表明模型拟合比较成功,通过实际数据与预测数据的比较,证明该模型的预测精度较高,给铜加工企业的备科计划带来一定的参考意义.     

基于ARINA模型的我国广义货币供应量变动规律研究

货币供给对我国货币政策运行乃至整个宏观经济调控具有重要意义,广义货币供应量的规模及其变化趋势直接影响到中央银行货币政策的执行效果。本文运用ARIMA模型,对1996年1月至2012年1月期间我国广义货币供应量的变动规律进行研究,并运用模型对给定样本期内的M2值进行了预测,结果表明本文建立的ARIMA模型具有良好的预测精度。     

基于Eviews上证综合指数预测

本文采用自回归移动平均模型(ARIMA),选取上证综合指数2000年1月28日至2015年10月30日单月收盘数据进行短期预测,并以2015年11月和12月数据检验预测结果,结果显示ARIMA(11,1,11)模型对上证综合指数有较好的预测性,为投资者在股票市场的投资提供了有效参考。