基于ARIMA模型的湖北省CPI时间序列分析及预测

金融危机后,伴随着世界经济的快速增长,通货膨胀问题越来越严重,物价上涨厉害。本文利用湖北省2008年9月至2011年这4年(32个月)的月度数据,对湖北省CPI序列建立求和自回归移动平均(ARIMA)模型。结果表明,疏系数模型ARIMA((1,3,10),1,(2,3))是描述湖北省CPI变化趋势较优的时间序列模型。本文利用此模型对2011年5、6、7月的湖北省CPI指标进行了预测并提出了相应的建议。     

基于ARIMA模型的湖北省CPI时间序列分析及预测

金融危机后,伴随着世界经济的快速增长,通货膨胀问题越来越严重,物价上涨厉害。本文利用湖北省2008年9月至2011年这4年(32个月)的月度数据,对湖北省CPI序列建立求和自回归移动平均(ARIMA)模型。结果表明,疏系数模型ARIMA((1,3,10),1,(2,3))是描述湖北省CPI变化趋势较优的时间序列模型。本文利用此模型对2011年5、6、7月的湖北省CPI指标进行了预测并提出了相应的建议。     

金融危机后我国居民消费价格指数时间序列分析及预测——基于ARIMA模型

金融危机后,我国实施四万亿财政政策,带动经济快速发展,但政策的滞后性引起了近几年通货膨胀的急剧增长,甚至达到2011年的最高位6.5％.本文以我国2008年9月-2011年12月这四年(40个月)的月度数据,对我国CPL序列建立求和自回归移动平均(ARIMA)模型,结果表明,ARIMA(2,10)是描述我国CPI变化趋势的较优的时间序列模型.本文利用该模型对2012年1、2、3、4月的我国CPI月度数据进行了相应的预测.最后针对研究结果,给出相应的建议.     

基于乘积季节模型的陕西省CPI的分析与预测

居民消费价格指数(简称CPI)是综合反映居民购买的生活消费品和服务价格水平的变动情况的重要指标。本文基于乘积季节模型对陕西省2001年1月至2012年12月144个月份的CPI数据进行实证分析,建立ARIMA(p,d.q)×(P,D.Q)12模型,结果表明该模型为反映CPI变化规律较优的模型,最后利用该模型对陕西省2013年各月CPI进行预测。     

香港居民消费指数的变化趋势研究——使用ARIMA模型进行拟合和预测

本文利用ARIMA季节模型拟合自2004年12月以来香港个人消费总值变化值,并对2015年第四季度,2016年四个季度、2017年的前三个季度,总共八个季度进行了预测。拟合结果显示,香港CPI自2004年第四季度至2015年第三季度的CPI值符合模型(即模型)同时具有季节性和上升趋势。     

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。     

中国的通货膨胀预测：基于ARIMA模型的实证分析

通货膨胀预测已经成为中央银行制定货币政策的一个关键性变量。我们在研究国外学者对通货膨胀预测研究的基础上,根据我国1990年1月到2007年11月的CPI月度数据,运用ARIMA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ARIMA(1,1,10)模型为我国的通货膨胀提供了较好的预测,如果央行能依据通货膨胀预测的结果制定相应的货币政策,将有助于避免货币政策的时滞,有利于正确地引导和稳定市场预测,最终提高货币政策的有效性。     

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。     

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。     

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。     

我国外汇占款变动的预测研究——基于ARIMA模型的实证分析

本文以我国2000-2009年月度外汇占款额为样本数据,通过建立ARIMA模型来确定我国外汇占款的变化规律进而预测其变动趋势.分析结果表明,我国外汇占款的变动符合自回归单整移动平均ARIMA(2,1,0)的过程,同时利用该模型预测发现,我国外汇占款额在未来会继续保持增长的态势但增速较之前会有所放缓.     

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。     

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。     

基于全国的物价指数相互影响的实证研究

居民消费价格指数(CPI)与工业生产者价格指数(PPI)长期波动中有比较明显的一致性,研究两者的波动协调性关系对观察经济走势和调控CPI有一定的帮助.本文使用全国2003年到2012年的月度数据,通过拟合向量自回归模型辨别CPI与PPI的影响关系,同时使用协整检验、向量误差修正模型来分别反映两者的长期、短期关系.结果表明CPI与PPI存在协整关系,且相互影响最长时滞为4个月.     

中国通货膨胀与其不确定性的关系实证

基于1983年1月至2011年6月的中国CPI数据，本文构建ARIMA（12，1，0）-GARCH（1，1）-M模型对中国通货膨胀的不确定性进行了定量测度，同时实证发现通货膨胀与通货膨胀不确定性之间呈现显著的动态单向的正相关关系，较高的通货膨胀率引发通货膨胀不确定性，且具有明显的非对称性。     

2011年1-8月物价与消费形势分析

1-8月,国内CPI同比上涨5.6%;房价涨幅进一步收窄;消费继续保持平稳增长态势,政策进入观察期一、1-8月CPI同比上涨5.6%,当月上涨6.2%2011年1-8月,居民消费价格指数(CPI)累计同比上涨5.6%,涨幅较1-7月上涨0.1个百分点,与2001-2010年历史同期平均值高3.5个百分点,比2008-2010年同期均值高2.63个百分点,与2008年的高峰只相差1.7个百分点(参见图1)。     

ARIMA模型在杭州市全社会固定资产投资预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于杭州市全社会固定资产投资数据的分析与预测,得到较为满意的结果。     

基于ARIMA模型的全国公路货运量预测

本文利用2006年1月到2012年9月的全国公路货运量的时间序列数据,使用eviews 6.0软件,运用单整自回归移动平均模型即ARIMA模型,对模型进行了识别、定阶、适应性检验,最终建立了一个ARIMA(3,1,3)的预测模型。通过该模型预测了2012年我国传统的公路货运大月12月的公路货运量将达到惊人的32.275亿吨,再创历史新高。     

2011年上半年物价与消费形势分析

上半年,国内CPI同比上涨5.4%,在偏紧的政策环境下,消费同比增速震荡下行,但绝对增速仍然较高一、上半年CPI同比上涨5.4%上半年,居民消费价格指数(CPI)同比上涨5.4%,涨幅较1-5月上涨0.2个百分点(参见图1),上半年CPI同比涨幅大幅超过国家设定的4%目标。CPI同比涨幅在2008年达到高位后,在2009年急剧