基于ARIMA模型的四川省GDP分析与预测

文章通过选取四川省1978—2022年的国内生产总值数据，共45个观测值，运用Python软件对数据进行分析检验，最终创建了ARIMA（2,1,0）模型，并使用此模型预测了四川省未来五年即2023—2027年的地区生产总值。结果显示，四川省地区生产总值的预测值与其真实值拟合曲线基本处于同一位置，表明该模型的预测成果比较好。根据这个模型，预测了四川省2023—2027年五年的GDP分别为61 334.47亿元、64 781.56亿元、69 064.03亿元、72 802.48亿元、76 960.68亿元。通过预测结果可以看出,四川省GDP增速将继续保持在较高水平。为促进四川省经济增长，提出如下建议：（1）明确重点发展产业；（2）明确重点发展区域；（3）注重统筹，协调发展；（4）军民融合。     

基于ARIMA与季节指数组合模型的居民储蓄存款预测

建立了预测居民储蓄存款的ARIMA模型、季节指数预测模型及两者的组合优化模型,分别对2008—2014年上半年的居民储蓄存款数据进行拟合。结果表明,把ARIMA模型与季节指数预测模型进行组合建立优化模型的拟合更为精确,并且预测2015年末居民储蓄存款余额达525475.82亿元,希望能为相关决策部门提供科学依据。     

基于ARIMA与GARCH模型的国际油价预测比较分析

在分析影响油价波动因素的基础上,利用1986年1月至2010年12月的WTI国际原油价格月度数据,分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测,检验模型的预测效果。比较分析发现,在短期预测中,ARIMA和GARCH模型对油价的预测均比较准确,但当油价由于受到重大事件的影响而有较大波动时,模型的预测精度下降;在长期预测中,GARCH模型的预测效果优于ARIMA模型;整体来看,GARCH模型预测的精度高于ARIMA模型。因此,在国际油价预测中,用GARCH模型是比较合适的。     

ARIMA模型在中国人均煤炭消费预测中的应用

本文依据我国人均煤炭消费量的数据,借助Eviews软件,比较分析建立了最优拟合模型ARIMA(2,2,2)。利用该模型进行预测,与实际值比较可知预测精度较高,最后利用模型ARIMA(2,2,2)预测了未来几年我国人均煤炭消费量。     

基于RBF神经网络的GDP时间序列预测模型研究

对GDP进行高精度的分析预测,对制定经济发展战略、规划年度计划以及各种宏观经济政策,具有重要的理论与现实意义.本文采用RBF神经网络作为工具,建立基于RBF神经网络的GDP时间序列预测模型,并与ARIMA模型进行对比,对上海市22年的GDP数据进行了仿真实验.实验表明,ARIMA模型对上海市GDP数据进行预测的精度仅为91.8754％,而本文提出的RBF_TSF模型的预测精度则高达95.0360％.这表明本文提出的RBF TSF比ARIMA模型在GDP时间序列预测上具有更高的预测精度.同时该模型收敛迅速,具有很强的实用价值.     

我国固定资产投资总额的动态分析——基于ARIMA模型

固定资产投资总额是影响一国经济增长的重要因素,对拉动国民经济的发展起着至关重要的作用.本文以我国固定资产投资总额为例,选取1982-2009年全社会固定资产投资总额的时间序列数据,利用Eviews软件对该数据进行计量分析,研究我国固定资产投资总额的变化趋势和特征,建立自回归移动平均模型即ARIMA模型,并据此模型对我国固定资产投资总额进行预测,分析未来投资规模趋势.     

宁夏银川市房屋销售价格指数未来走势的预测分析——基于ARIMA模型

本文选取了宁夏银川市2001年1月到2011年9月的房屋销售价格指数季度数据,建立ARIMA(p,d,q)时间序列模型,对未来一段时问的房屋销售价格指数进行了预测.实证分析结果表明,所选模型能较为精确地预测银川市房价走势情况,预测结果是比较合理和可靠的.     

基于季节ARIMA模型的国有粮食企业收购预测分析

研究国有粮食企业的购销现状,对国有粮食企业的购销量进行分析和预测,有利于深刻认识国有粮食企业的市场运行规律,更为充分地保障国家粮食安全。本文利用Box-Jenkins法中的季节ARIMA模型,对2005年1月—2009年4月中国国有粮食企业收购量数据序列进行分析,建立了国有粮食企业的季节ARIMA模型。检验结果表明,季节ARIMA模型对原始数据序列有着较好的拟合效果,模型的预测效果良好,可用于短期内国有粮食企业收购量的预测。     

ARIMA模型在陕西省城镇居民人均消费预测中的应用

陕西城镇居民人均消费支出是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。运用1980—2007年陕西城镇居民人均消费支出数据建立了ARIMA（4,1,4）模型,其预测结果通过了检验。预测结果为各级政府提出扩大城镇消费支出的政策提供了科学依据。     

ARIMA模型在安徽省GDP预测中的研究与应用

中国省区经济是国民经济的重要组成部分,是一个相对独立的研究对象。文章简要介绍了求和自回归移动平均模型ARIMA（p,d,q）及其建模方法,通过分析1978～2008年安徽省GDP相关数据,运用Eviews统计软件和ARIMA建模方法,将ARIMA模型应用于安徽省GDP数据的分析与预测,发现该模型的预测效果比较显著,与实际情况较符合。