ARIMA模型在银行贷款规模预测中的应用

本文以我国银行2007~2010年月度贷款规模总额为基础数据,建立了银行贷款规模时间序列ARIMA(1,1,1)模型。模型拟合结果表明:银行贷款规模在2007年1月到2010年3月是一个持续上涨的趋势,间在2009年初增长较前月份速度加快,这与我国2009年初财政刺激政策有关同时,本文根据模型对未来的银行贷款规模进行有效预测,这对金融机构进行决策有重要参考价值。     

基于ARIMA模型对黄金价格短期预测

本文以2015年1月1日至2015年6月2日伦敦现货黄金月度价格为依据,通过建立ARIMA模型对2015上半年伦敦金价格进行预测分析,研究结果显示,该模型预测值与实际数据相比拟合度高,预测结果较为精确。绕开了对传统影响黄金价格的种种因素作用机理的分析,而围绕这些众多因素共同作用下的黄金价格所表现出的实际数据展开研究,这种类似于抛开"黑箱"关注结果的研究方法对黄金这种特殊商品价格的形成和变动比较适合,具备一定的借鉴意义。     

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ARIMA模型预测我国2012年的货运量

本文的数据来源于《新中国60年统计资料汇编》、中华人民共和国国家统计局,根据《新中国60年统计资料汇编》里面0146.xls中1949-2008年全国货运量的数据、中华人民共和国国家统计局中2009、2010年月度与年度货运量数据,建立时间序列模型序列,运用ARIMA模型进行分析,主要包括时间序列分析、平稳化处理、模型的识别、模型的定阶和参数估计这四个主要步骤,运用Eviews6.0软件,对我国2011年和2012年的货运量进行了预测,为制定物流发展政策、确定物流基础设施建设规模、分析物流市场态势提供定量依据。     

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。     

基于ARIMA模型的我国外汇储备短期分析与预测

外汇储备是代表了一国的偿债能力和资信水平,反映了一国的对外金融实力.本文从我国外汇储备的现状出发,建立了关于我国外汇储备量的ARIMA时间序列模型并进行了短期预测,得出目前我国在短期内还将保持高额的外汇储备的结论,并提出相关政策建议     

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。     

基于乘积季节模型的我国保费收入的预测研究

保费收入规模是衡量保险业发展的重要指标。本文运用时间序列分析的原理与方法,对我国1999年1月-2009年2月保费收入数据进行分析。结合该数据的递增性与季节性等特点,经拟合对比18个模型的AIC与SBC函数值,建立了我国保费收入的季节乘积模型,并对我国未来一年的保费收入规模进行预测。     

基于ARIMA模型的郑州市商品住宅销售价格预测研究

本文根据河南省郑州市2009年-2011年90平方米以下商品住宅销售价格的统计数据,进行时间序列的平稳化处理,并根据时间序列的自相关函数和偏自相关函数的性质,进行模型的参数估计和检验,得出数据确定的最优的ARIMA模型,然后通过对样本数据所做的回归拟合模型做预测分析,实证研究结果表明在允许的误差范围内,2011年9月到2012年3月各月的商品住宅销售预测价格出现微涨现象,从而为我国政府决策提供技术和理论上的支持,为银行发放个人住房抵押贷款的限度提供理论和数据的分析,为有购房意愿的消费者提供一个价格参考,也为开发商提供成本与收益的初步核算.     

基于乘积季节模型的我国保费收入的预测研究

保费收入规模是衡量保险业发展的重要指标。本文运用时间序列分析的原理与方法,对我国1999年1月-2009年2月保费收入数据进行分析。结合该数据的递增性与季节性等特点,经拟合对比18个模型的AIC与SBC函数值,建立了我国保费收入的季节乘积模型,并对我国未来一年的保费收入规模进行预测。     

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。     

ARIMA模型对上证新综指预测效果分析

2007年、2008年中国股市经历了前所未有的大起大落,上证指数创下了2007年10月16日的最高点6124点和2008年10月28日的最低点1665点,2009年上半年中国股市呈现单边上扬趋势,但8月份起股市进入了波动的宽幅震荡走势,其“变化莫测”.上证综指反映了上海证券交易市场的总体走势,对中国股市波动具有一定的代表性,本文选取了自2005年12月31日-2010年9月30日新综指为研究对象,利用ARIMA型对新综指的收益率序列进行拟合,并对指数值进行预测效果进行模拟.     

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。     

人民币汇率预测和分析——基于ARIMA模型和GARCH模型

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。     

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。     

基于ARIMA模型对中国人均粮食的预测

人均粮食占有量序列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。文章运用1950-2007年我国人均粮食占有量数据建立ARIMA模型,对我国未来人均粮食占有量进行预测．结果表明：2010年的我国人均粮食占有量可以满足未来十年内人均消费量。通过对未来人均粮食占有量的科学预测,以期对国家合理规划未来粮食生产提供有益参考。     

基于ARIMA模型的上证50指数的分析及预测

上证50指数是中国股票指数期货中一个重要的品种,它是挑选上海证券交易所上规模大、流动性好的最具代表性的50只样本股构成,从而反映市场上最具有影响力的一批龙头企业的整体状况,因此对其研究具有非常重要的意义。本文根据数据的时间序列的特性,选取2004年1月到2016年11月每日收盘价为原始数据作为研究对象,利用数据时间序列特性具有优势性的差分自回归移动平均模型(ARIMA模型)建立ARIMA模型对其进行定量分析,并且对未来走势进行预测。