首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 984 毫秒

1.  基于ARINA模型的我国广义货币供应量变动规律研究  
   管辉《吉林金融研究》,2012年第7期
   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。    

2.  基于SARIMA模型的我国通货膨胀问题研究  
   郭文霆《时代经贸》,2011年第14期
   通货膨胀已经成为国内外学者及政府越来越关注的问题.本文在国内外学者对通货膨胀预测研究的基础上,根据我国2000年1月到2009年8月的CPI月度数据,运用SARIMA模型,对我国通货膨胀进行分析和短期预测.实证结果表明,运用SARIMA(1,1,12)模型为我国的通货膨胀提供了较好的预测.    

3.  基于SARIMA模型的我国通货膨胀问题研究  
   郭文霆《时代经贸》,2011年第10期
   通货膨胀已经成为国内外学者及政府越来越关注的问题。本文在国内外学者对通货膨胀预测研究的基础上,根据我国2000年1月到2009年8月的CPI月度数据,运用SARIMA模型,对我国通货膨胀进行分析和短期预测。实证结果表明,运用SARIMA(1,1,12)模型为我国的通货膨胀提供了较好的预测。    

4.  基于时间序列ARIMA模型的人民币汇率的波动规律研究  
   钱韵《现代商业》,2014年第23期
   本文依据我国汇率变动的现实情况,选取了2006年1月4日至2014年5月7日之间的美元兑人民币汇率数据进行汇率的波动规律研究。研究中采用了时间序列的分析方法并结合ARIMA模型进行实证研究,结果表明ARIMA(1,1,1)模型对美元兑人民币汇率的拟合程度最好,并以此模型对我国未来汇率的走势进行了预测。    

5.  人民币汇率预测和分析——基于ARIMA模型和GARCH模型  
   李旭坤《投资与合作》,2011年第8期
   自2005年7月人民币汇改以来,人民币持续升值。人民币汇率变动对货币政策的制定和在遏制经济过热,降低通货膨胀压力方面都有重要影响。本文采取时间序列分析方法中的ARIMA模型和GARCH模型对人民币/美元汇率日中间价进行预测分析,发现ARIMA模型的预测能力要强于GARCH模型。但尽管如此,两模型的Thcd不相等系数都十分接近,表明汇率预测效果不理想,原因是人民币汇率受到国家管制,汇率形成机制市场化程度不高。    

6.  基于季节性ARIMA模型的城镇固定资产投资时间序列的计量分析  
   吴士宝《当代经济》,2017年第30期
   本文综合运用了季节性ARIMA模型,对我国城镇固定资产投资额进行了分析,建立了ARIMA(1,1,2)×(0,1,0)11模型,估计了相应参数.假设检验表明所得参数均显著不为零.最后对2017年2月-2017年7月的全国城镇固定资产投资额进行了预测和检验,预测结果比较准确.    

7.  消费者价格指数的预测——基于ARIMA模型的实证分析  被引次数:1
   翁东东《科技和产业》,2010年第10卷第6期
   通货膨胀是影响经济平稳性增长的一个关键性变量,CPI是衡量通货膨胀的一个重要的经济指标。本文通过对居民消费价格指数自相关函数与偏相关函数的统计识别以及ADF平稳性检验,建立ARIMA模型对我国CPI进行短期估计。实证分析结果表明ARIMA(12,1,12)模型对我国2010年每月的消费者价格指数(CPI)提供了较好的预测,对政府宏观政策的实施提供依据。    

8.  我国利率期限结构的货币政策含义  
   钟正生《金融与经济》,2010年第3期
   本文从理论上考察了利率期限结构在货币政策制定和实施中的作用:利率期限结构的变化可以体现货币政策态势,可以预测未来的GDP,可以预测未来通货膨胀。进一步地,本文利用无约束VAR模型对我国利率期限结构中货币政策含义进行了实证检验,结果表明,在2002年1月至2009年7月这一时期内,我国利率期限结构对货币政策态势的反应比较迅速;利率期限结构的变化可以预测大约半年后国内生产总值的变化,但对未来通货膨胀的预测能力受到较大限制。由此,我国利率期限结构的变化可以为评估货币政策调控的效果、提高货币政策制定的前瞻性和灵活性提供有价值的信息。    

9.  基于ARIMA模型的郑州高新技术开发区从业人员数量预测  
   穆慧萍  韩影影《广东经济》,2017年第20期
   ARIMA模型是一种常用的随机时间序列模型,主要用于短期预测,长期预测精度较低.本文利用SPSS 21.0试建立3个ARIMA模型,通过对比分析确立使用ARIMA(2,1,1)模型预测2016—2018年郑州市高新技术开发区从业人员的数量.模型拟合效果很好,预测结果可作为政府政策的制定、 相关企业人力的调整及个人未来求职规划的一个参考.    

10.  基于时间序列模型与传统回归模型下的货币总量预测  
   周天《生产力研究》,2009年第4期
   文章借助反映货币总量的重要指标,对随机性时间序列模型和传统回归模型的构建及相应的预测精度进行了探讨分析,以期为宏观政策的制定提供较精确的量化模型依据,结果发现:传统回归模型的预测精度普遍高于ARIMA模型的预测精度,但是传统回归模型的预测有赖于ARIMA模型对其解释变量向预测期的外推。    

11.  基于ARIMA模型的汇率预测研究  
   魏红燕  孟纯军《时代金融》,2014年第8期
   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。    

12.  我国CPI预期实证分析  
   奚欢《财经界(学术)》,2014年第10期
   本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析,建立了一个相对误差不超过1%的与预测模型。最后,本文对2014年3月到6月的CPI数据进行预测。    

13.  我国CPI预期实证分析  
   奚欢《财经界(学术)》,2014年第15期
   本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析,建立了一个相对误差不超过1%的与预测模型。最后,本文对2014年3月到6月的CPI数据进行预测。    

14.  基于ARIMA模型在社会消费品零售总额预测中的应用  
   战毅  李亚杰《商场现代化》,2012年第17期
   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。    

15.  湖南省财政支出与收入关联性及预测分析  
   季梅  王莹  周良荣  胡正东《合作经济与科技》,2014年第22期
   本文采用线性回归分析方法,对湖南省财政收入和财政支出之间的长期关系进行分析研究,并运用SPSS时间序列中的ARIMA模型对湖南省2015~2020年的财政收支进行预测。结果显示:湖南省地方财政收支之间存在着显著的线性关系,而ARIMA(1,1,3)模型预测的有关结果可供相关机构研究参考。    

16.  转型期货币渠道与信贷渠道有效性的实证研究  被引次数:2
   索彦峰  于波《财经论丛》,2006年第6期
   本文运用基于VAR模型的时间序列分析方法对我国转型期货币渠道与信贷渠道的有效性进行了实证研究。脉冲响应函数分析表明产出和通货膨胀对贷款冲击的响应比其对货币供给冲击的响应更为显著,预测方差的分解结果证实贷款对产出和通货膨胀的贡献率均远远大于货币供给量的贡献率,故转型期内信贷渠道相对于货币渠道更为有效。因此,为增强货币政策的有效性,中央银行应同时监控货币和信贷指标,货币政策操作也要以有效调节私人部门的信贷可得量为基础。    

17.  基于结构性断点检验 ARIMA模型的短期通货膨胀预测  
   朱新蓉  彭超《广西财经学院学报》,2017年第30卷第2期
   运用Gregory C.Chow早期提出的断点检验方法对我国2000年1月份至2016年4月份的CPI同比增长率数据进行断点检验,首先确定2002年10月份与2009年2月份为两个结构性断点,并据以对全样本分三个区间分别建立ARIMA模型,然后将2016年5、6、7月份最终的预测结果与实际值进行对比,发现由2002年10月份到2016年4月份所建立的ARIMA模型有着较高的预测精确度,该模型适用于短期通货膨胀预测,能为管理通胀预期提供依据.    

18.  股指期货期现套利交易与ARIMA模型构建  
   杨幸鑫《商业时代》,2012年第5期
   文章通过在ARIMA模型时间序列分析预测期现货价格的基础上,建立股指期货期现套利模型。以2011年5月23日至7月15日沪深300现货和IF1107期货合约真实交易数据为研究对象进行实证分析,结果表明ARIMA(3,1,3)模型很好的拟合了价格序列,并给出了期现套利交易策略实现无风险套利。    

19.  基于SARIMA-GARCH模型的海南省月度CPI预测  
   王子丰《当代经济》,2017年第7期
   稳定物价是政府市场调控的一个重要目标,因此把握CPI的宏观趋势具有一定的现实意义.本文依据海南省2000年1月至2015年12月月度CPI值,运用ARIMA季节模型进行拟合,考虑残差可能的ARCH效应,并对2016年1月至10月的CPI进行了预测.实证表明,ARIMA(2,1,2)(1,0,1)[12]模型能对海南省月度CPI起到较好的预测效果,对于政府政策制定调控市场具有一定的参考价值.    

20.  中国股票收益率和货币政策目标动态关系的实证分析  被引次数:3
   邱云波《经济评论》,2009年第1期
   本文运用VAR模型对中国股票收益率与通货膨胀、经济增长等货币政策目标之间的动态关系进行了实证研究。结果表明,股票名义收益率和经济增长没有关系;虽然股票收益率含有通货膨胀的信息,但是十分微弱,因此股票市场不能有效发挥经济预测的功能。同时,实证研究还显示利率对股票收益率的影响有限。以上分析表明中国货币政策的资本市场传导效应并不显著。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号