基于季节时间序列模型的民航客运需求预测分析

随着经济的不断发展，人们的生活水平不断提升，消费理念也有很大改变，民用航空运输业也获得了飞速发展，越来越多的人选用航空这一交通方式出行。文章主要介绍了季节时间序列模型，并使用1998年1月至2013年5月的月度数据建立SARIMA模型，并对2013年的民航客运量进行预测分析。通过使用SARIMA模型对我国民航客运量进行预测，以期对民航企业制定合理的运营决策提供一些参考。     

我国脐橙市场价格预测——基于SARIMA模型的实证分析

本文利用2004-2010年各月我国脐橙市场价格数据,运用SARIMA模型对我国脐橙市场价格进行了预测分析.模型预测数据与实际数据的比较结果显示,模型短期预测精度较高.利用该模型对下一期脐橙市场价格进行预测发现,2011年后三个季度我国脐橙市场价格较往年相对偏高,而这也与当前我国农产品价格不断上涨的趋势相吻合.     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标,也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型(SARIMA),对我国2002年-2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现,误差较小,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

基于 SARIMA 模型的内蒙古居民消费价格指数实证研究

居民消费价格指数（CPI）是宏观经济分析、决策,价格总水平监测、调控以及国民经济核算的重要指标。本文利用1994～2013年内蒙古居民消费价格指数的月度数据,运用 Eviews软件建立乘积季节模型 SARIMA,分析内蒙古消费价格指数随时间推移的变化规律并对其未来走势进行预测,为制定有效物价调控政策提供数量依据。     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标．也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型（SARIMA）．对我国2002年一2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现．误差较小．SAILIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

基于系统动态分析的现金影响要素及趋势预测研究——以江苏省现金运行分析为例

本文从江苏省"十一五"期间现金运行情况分析和要素总结出发,引入系统动力学模型对货币政策、经济增长和现金运行的要素系统进行动态设计,指出各要素的方向和因果关系,分别采用季节趋势、SARIMA和BP神经网络三种模型对江苏省2010年4季度现金投放回笼情况进行分析预测,并对现金供应工作提出对策建议。     

ARIMA模型在汇率预测中的应用——基于人民币汇率的验证

本文使用统计软件EViews7.2,分析人民币汇率从2010年1月1日到2012年12月31日共计725天的时间序列数据,并据此建立了2种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(1,0)。随后运用该模型来预测2013年1月1日至3月31日人民币与美元兑换汇率(55个数据),并与2013年实际数值进行拟合。对于2013年的人民币汇率走势,笔者认为,根据模型结果,其值仍将在短期内呈缓慢下降的趋势。     

基于SARIMA模型的我国CPI走势分析

<正>CPI作为衡量居民生活费用支出成本的重要经济指标,与居民的衣食住行密切相关,历来为各级政府所重视,也是政府进行宏观调控决策和央行制定货币政策时的重要参考依据。目前,我国经济发展面临诸多不确定性,宏观经济的未来走势如何?物价未来会涨还是跌?这都是政府和人民关心的重要问题,本文利用2000年以来我国的CPI环比数据建立了SARIMA模型,对未来一年的我国的消费物价走势进行了预测,并分析了影响物价走势的几大因素,以期对政府和各市场主体的日常决策提供参考。     

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。     

基于SARIMA模型的内蒙古居民消费价格指数实证研究

居民消费价格指数(CPI)是宏观经济分析、决策,价格总水平监测、调控以及国民经济核算的重要指标。本文利用1994²013年内蒙古居民消费价格指数的月度数据,运用Eviews软件建立乘积季节模型SARIMA,分析内蒙古消费价格指数随时间推移的变化规律并对其未来走势进行预测,为制定有效物价调控政策提供数量依据。     

我国外部流动性冲击风险预警体系研究

近10年来,随着对外开放程度的不断加深,我国持续受到外部流动性冲击的影响。本文针对冲击来源、冲击路径和冲击影响三个环节,采用Granger因果关系检验方法筛选并建立了外部流动性冲击风险的预警指标体系。基于该指标体系,本文分别构建了三个环节的Logit预警模型,并应用ARIMA模型对2013年我国外部流动性冲击风险进行了预测。研究结果表明:该预警体系能较好地阐释1999-2012年样本期间我国所受的外部流动性冲击风险,2013年我国可能面对冲击引发的流动性紧缩,但并不会导致剧烈的金融动荡。     

基于ARIMA模型的上海居民消费价格指数分析及预测

大多数的经济时间序列存在惯性,通过这种惯性可以对时间序列的历史数值进行分析建模,从而对未来值进行预测。本文对1991~2015年上海居民消费价格指数的时间序列进行数据分析,利用Eviews9软件对1991~2013年上海居民消费价格指数实际的数据建立ARIMA(1,2,2)模型。用该模型对2014年和2015年的上海居民消费价格指数进行预测并与实际值进行对比,结果显示该模型预测的精准度较高。后对2016年上海居民消费价格指数进行预测,以达到合理预期和分析目的。     

模型在英格兰银行货币政策中的应用和对我国的启示

模型能够帮助决策者理解复杂的经济现象并进行预测，体现货币政策的前瞻性。英格兰银行季度模型BEQM采用二级结构：核心模型理论完善，可以解释广泛的经济问题，非核心模型便于使用主观判断，二者结合形成货币政策委员会对未来三年经济增长和通货膨胀的预测。本文以BEQM为例，论述模型在货币政策中的应用，并对我国中央银行的模型提出自己的看法。     

基于ARMA乘积模型的CPI指数分析及预测

CPI指数是一个相对滞后的数据指数,通常是反映市场经济的一个重要指标。本文选取我国1990年1月至2013年11月共287个月份的CPI指数数据,对CPI序列建立乘积模型ARMA(1,1,1)×ARMA(0,1,1)12。结果表明,该模型是描述全国CPI变化趋势较优的时间序列模型。最后,本文利用此模型对2013年12月、2014年1-4月份的全国CPI指标进行了预测,并提出了相应的政策与建议。     

储蓄投资意愿指数及其影响因素

本文尝试构建一个储蓄投资意愿指数，用以反映居民是倾向于储蓄投资或是倾向于消费的意愿程度。通过分析其时间序列发现，储蓄投资意愿指数长期处于2.6-2.9的稳定区间，但2012年后快速上升至3.6以上，原因包括：实际存款利率上升、理财产品收益率保持在高位、理财投资门槛降低。进一步实证分析影响储蓄投资意愿指数的因素包括信贷余额/GDP、工业部门利润率、同业拆借利率与CPI等，最后使用SARIMA模型对序列预测。储蓄投资意愿指数具有较强的时效性，是对消费率、投资率的一个补充，在经济结构转型的一段时期内，可作为判断政策是否有效、转型是否朝预期发展的指标之一。     

基于SARIMA组合模型的农产品生产价格指数的短期预测

为提高农产品市场价格的可预见性,本文以农产品生产价格指数为研究对象,首先运用SARIMA拟合序列的线性部分,然后分别采用BP网络、LSSVM提取非线性信息,从而构造组合模型SARIMA-BP与SARIMA-LSSVM。通过评价指标RMSE和MAPE的对比发现组合模型较单项模型具有更强的稳健性和更高的预测精度,其中SARIMA-LSSVM的预测效果最理想,故基于该模型预测未来5个季度的指数,并得出结论:该指数的波动范围有减小的微弱趋势,但总体波动较大,未来较短一段时间内该市场可能存在较大风险,国家应采取相应的应对举措。     

企业价值评估中的定量预测模型实证分析

在采用收益途径对企业价值评估中，对企业未来发展有关情况进行分析和运用数量模型对其相关参数进行预测不仅是其重要的工作之一，也是该评估方法的技术关键。在该评估方法中，收益额是重要的预测参数之一，对其预测时，需要在定性分析的基础上，采用合适的数量模型分别对其中的收入、成本、费用等内容进行具体测算。常见的计量模型主要有：时间序列模型、单方程回归模型，灰色预测模型，神经网络模型以及组合预测模型等，本文选择其中的时间序列模型（固定时间序列和随机时间序列）、灰色预测模型和神经网络模型分别对某航运公司1994-2008年的收入进行具体预测和检验，并将其各自的预测结果进行分析和比较。     

基于时间序列的山西省GDP预测分析

GDP即国民生产总值,是衡量一个国家综合实力的指标。本文在时间序列分析理论的基础上,以山西省1993年到2013年21年来的GDP总值为基础,使用Eviews软件和Excel对数据进行针对时间的分析,对模型进行检验,然后利用本文所建立的模型对山西省未来的6年作出预测。     

存贷款时间序列指标数据预测方法比较研究--基于甘南州数据的预测实证

文章以2010年1月到2015年9月的甘南州存贷款历史数据为样本，利用时间序列预测理论中的平滑预测法与线性趋势预测法相结合进行了系统研究，构建时间序列模型对未来甘南州存贷款数据进行预测，并通过实证研究及结果对比分析论证了模型的可行性，得出用移动平均法模型预测存贷款数据更为接近实际观测指标，能够比较准确的反映出甘南州存贷款增长趋势。     

ARIMA模型在云南省GDP预测中的应用

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。