中国农产品贸易ARIMA模型的建立及预测：2009——2012年

根据中国农产品贸易数据特点,构建中国农产品进出口的ARIMA模型,对2009-2012年中国农产品进出口进行预测,结果发现:所构建的ARIMA模型对农产品进出口的平均顶测误差仅为3.291%和3.248%,达到了最小方差意义下的最优预测效果;2009-2012年中国农产品进出口持续双增长,农产品出口增长的速度大于农产品进口增长的速度;同时,贸易逆差仍然存在,但逆差缺口呈现缩小态势.     

基于季节调整的BP神经网络等三种模型对中国出口研究

本文以出口额、实际汇率、我国GDP、美国IPI及它们的季节变量等六个变量为决定变量,运用BP神经网络、ARIMA及AR-GARCH三种方法,对我国向美国的出口额分别建模,并进行了预测。选取误差指标,分别对三个模型得到的模拟结果和预测结果同真实值进行比较。结果发现,三种模型效果都令人满意,虽在模拟和预测能力上有一定差别,但ARIMA模型优势明显。本文分析了以上结果产生的原因,并结合模型为提高我国出口提出建议。     

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。     

基于ARIMA中国旅游外汇收入2004-2015年的时间序列模型

应用季节调整以及ARIMA时间序列模型对中国2004年1月-2015年5月的旅游外汇收入进行研究分析,并对2015年6月-12月的旅游外汇收入进行预测。研究结果显示,2004-2014年的中国旅游外汇收入呈不断增加趋势,且月度数据具有明显的季节性,10月旅游外汇收入最高,2月最低。中国旅游外汇收入11年来虽然呈增加趋势,但发展趋势缓慢。2015年6月-12月的旅游外汇收入仍呈不断增加趋势。并为快速发展中国国际旅游提出建议措施：确保旅游安全生产,健全旅游法规,实现旅游业可持续发展等。     

ARIMA模型在我国全社会固定资产投资预测中的应用

投资是拉动经济增长的三驾马车之一,因此研究我国全社会固定资产投资对研究我国经济增长有着重要的现实意义。通过1980—2007年我国全社会固定资产投资的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件Eviews,运用ARMA建模方法,将ARIMA模型应用于我国历年全社会固定资产投资数据的分析与预测,建议政府抓住投资机遇,合理安排投资比例和投资金额,促进经济的健康发展。     

Forecasting with limited data: Combining ARIMA and diffusion models

Forecasting diffusion of new technologies is usually performed by the means of aggregate diffusion models, which tend to monopolize this area of research and practice, making the alternative approaches, like the Box-Jenkins, less favourable choices due to their lack of providing accurate long-term predictions. This paper presents a new methodology focusing on the improvement of the short-term prediction that combines the advantages of both approaches and that can be applied in the early stages of a diffusion process. An application of the methodology is also illustrated, providing short-term forecasts for the world broadband and mobile telecommunications' penetration. The results reveal that the methodology is capable of producing improved one-year-ahead predictions, after a certain level of penetration, as compared to the results of both methods individually. This methodology can find applications to all cases of the high-technology market, where a diffusion model is usually used for obtaining future forecasts. The paper concludes with the limitations of the methodology, the discussion on the application's results and the proposals for further research.     

Forecasting tourism: a combined approach

In this article, we employ a combined seasonal nonseasonal ARIMA and sine wave nonlinear regression forecast model to predict international tourism arrivals, as represented by the number of world-wide visitors to Singapore. Compared with a similar study of the accuracy of international tourist arrivals forecasts by Chan (Journal of Travel Research, 1993, 31, 58–60)¹ and Chu (Journal of Travel Research, 1998, 36, 79–84)² using other univariate time series models, our proposed model has the smallest mean absolute percentage error.     

中国纸及纸板消费影响因素与需求预测

基于2005—2020年相关数据,利用灰色关联分析研究影响中国纸及纸板和各纸种消费的因素,综合运用多元回归分析(multiple regression analysis, MRA)模型、差分自回归移动平均模型(autoregressive integrated moving average model, ARIMA模型)和灰色模型GM(1,1)对中国纸及纸板和各纸种进行需求预测。研究发现,中国纸及纸板消费受到多方面因素的影响,各纸种影响因素存在较大差异;2025年前中国纸及纸板需求年均增长率为2.15%～2.76%,但各纸种需求年均增长率差别较大。企业应及时关注所生产纸种主要影响因素的变化,根据纸及纸板和各纸种消费需求发展趋势,及时调整产品结构,适应消费需求的变化。     

林产品价格的时间序列分析——以福州贮木场松杉原木价格为例

对福州贮木场松杉原木月价格进行时间序列分析,采用EViews5.0软件所做的实证分析结果表明:福州贮木场松杉原木月价格变化具有非平稳性和弱季节性特点,ARIMA模型对其价格序列具有良好的拟合效果,能够有效地预测其价格动态变化。     

基于ARIMA模型的中国玉米单产潜力分析

在中国玉米单产的AEZ(农业生态区划)模型潜力基础上,运用ARIMA(自回归单整移动平均)模型,基于1949—2018年数据预测2023年前中国玉米单产.结果表明:2019、2020、2021、2022和2023年中国玉米单产分别为6293、6458、6627、6801和6979 kg/hm2,分别是AEZ模型潜力上限...