中国外汇储备的预测

基于1993年1月至2010年4月中国外汇储备量的月度数据,采用Pandit-Wu方法建立了ARMA(1,1)模型,并对模型进行了残差检验和白噪声检验。进一步对中国外汇储备的变化情况进行了内插预测。     

我国GDP的发展趋势预测

GDP是衡量一个国家经济发展状况的重要指标，对GDP的发展趋势进行预测，对于制定经济发晨规划、投资的科学决策和产业结构的调整具有重要意义。本文利用Pandig-Wu建立ARMA（2，1）对我国GDP的发展趋势进行了拟合和短期预测。     

基于ARMA（p，q）模型的云南特色股票实证研究

采用ARMA（p,q）模型,对云南省内的云南白药、云南城投两只特色股票做实证分析。过对股票开盘价序列进行统计描述性分析,得到参数估计及检验结果。观察模型预测效果图,通过比较研究发现,ARMA（1,1）为刻画这两支特色股票的最优模型,并得到它们的预测值。     

基于ARMA的粮食产量模型的构建——以安徽省为例

首先,对1949--2Q05年的安徽粮食产量进行单位根（ADF）检验和非随机性检验,其次,构建半对数模型来拟合安徽粮食产量,得到的残差不是白噪声。最后,对残差构建ARMA（1,3）模型,此时残差为白噪声序列,即对安徽粮食产量建立半对数模型和ARMA模型的组合模型。     

河北省旅游外汇收入时间序列建模及预测

本文在分析1984年至2011年河北省旅游外汇收入额年度数据的基础上,建立了旅游外汇收入额的ARMA(p,q)模型.首先针对序列的非平稳特征,对河北省旅游外汇收入额变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,然后对序列继续进行差分处理,变成平稳序列,建立河北省旅游外汇收入时间序列的ARMA模型并对模型进行检验,最后将模型用于河北省旅游外汇收入的预测分析.实证结果表明:ARMA(1,1)模型提供了较准确的预测效果,可以用于未来的短期预测.     

河南省粮食产量变动情况及未来趋势

本文在分析河南雀粮食产量及变化阶段的基础上,以粮食总产量为被解释变量,分别建立了线性回归模型和ARMA模型,并对粮食总产量进行了标本内外的预测,结果证明ARMA模型得出的结果可靠性更高.     

ARMA预测模型和平滑ARMA预测模型的比较研究——基于贵州省1950-2011年的年度CPI环比数据

本文基于贵州省CPI(居民消费价格指数)1950至2011年的年度环比数据进行分析预测,并用Eviews6.0软件完成建模过程。通过对两个模型预测效果的比较,得出结论,平滑ARMA模型的预测效果并没有一般的ARMA模型好,但是平滑ARMA模型可用于对比较短的时间序列的预测,通过平滑方法可以增加样本个数,从而使得本来不能够进行ARMA预测的序列可以用ARMA模型来预测。     

发电量的时间序列模型构建及实证分析

主要研究乘积季节模型在中国发电量预测中的应用,通过对中国发电量1992年1月至2009年12月共216个月份的月度资料来进行实证分析。首先采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立一个中国发电量的乘积季节预测模型ARIMA（4,1,0）×（1,1,1）12。接着对模型进行诊断检验,结果都表明,用该乘积季节模型对中国发电量的拟合效果较好。最后,利用此模型对中国2008年发电量的趋势进行了预测。     

基于SKT分布的中国股市波动率研究

本文以上证指数收益率序列为例,利用R／S分析法,假设残差分别在正态分布、t分布、GED分布及SKT分布下,使用“滚动时间窗”的方法对波动率进行预测,并采ARFIMA（p,d,q）-FGARCH（m,n）-M模型对收益率序列进行了实证分析。实证结果表明：上证收益率序列存在长记忆性;基于SKT分布条件下ARFIMA（2,1）-FGARCH（1,1）-M模型能够较好的处理序列“尖峰厚尾”和聚集现象并且较其他分布条件下具备较强的预测精度。     

ARIMA模型在中国人均煤炭消费预测中的应用

本文依据我国人均煤炭消费量的数据,借助Eviews软件,比较分析建立了最优拟合模型ARIMA(2,2,2)。利用该模型进行预测,与实际值比较可知预测精度较高,最后利用模型ARIMA(2,2,2)预测了未来几年我国人均煤炭消费量。     

基于ARMA模型对沪市股票指数的预测

本文介绍了随机时间序列的统计预测方法,然后给出了ARMA模型的参数估计,以及预测的方法和步骤,最好利用ARMA模型对沪市未来短期内的指数进行预测,结果说明该方法具有极强的实践意义.     

基于ARIMA模型的四川省GDP分析与预测

文章通过选取四川省1978—2022年的国内生产总值数据，共45个观测值，运用Python软件对数据进行分析检验，最终创建了ARIMA（2,1,0）模型，并使用此模型预测了四川省未来五年即2023—2027年的地区生产总值。结果显示，四川省地区生产总值的预测值与其真实值拟合曲线基本处于同一位置，表明该模型的预测成果比较好。根据这个模型，预测了四川省2023—2027年五年的GDP分别为61 334.47亿元、64 781.56亿元、69 064.03亿元、72 802.48亿元、76 960.68亿元。通过预测结果可以看出,四川省GDP增速将继续保持在较高水平。为促进四川省经济增长，提出如下建议：（1）明确重点发展产业；（2）明确重点发展区域；（3）注重统筹，协调发展；（4）军民融合。     

广州市用电量预测模型比较研究

采用灰色模型GM(1,1)等5种方法对2004—2018年广州市用电量作拟合检验并优选应用模型,结果表明:(1)拟合月度用电量时,气温预测法、灰色模型GM(1,1)、随机季节模型和组合预测法的平均相对误差分别为5.44%、3.47%、2.94%和2.45%;拟合年度用电量时,气温预测法、灰色模型GM(1,1)、随机季节模型、人均用电预测法和组合预测法平均相对误差分别为1.87%、2.22%、1.09%、2.36%和1.05%;从拟合精度角度看,灰色模型和随机季节模型较理想,气温预测法和人均用电量法均较差,组合预测法集成各模型优势,效果最佳。(2)运用组合预测法得出2019年、2020年和2021年广州市各月用电量分别平均同比增长3.65%、4.72%和4.65%,年用电量则分别同比增长5.12%、5.18%和5.12%,可用于广州市电网负荷管理。(3)提高预测精度要求更细的用电量和人口统计数据,需要各部门加强数据上报和沟通机制。     

改进的灰色GM1，1）模型在电力消费量预测中的应用

本文通过在MG（1，1）模型中加入势效系数的方法改进TMG（1，1）模型。并利用1995-2004年的全社会用电量数据作了验证。结果表明：加入势效系数后的^佑（1，1）模型预测精度大大提高。在对2008-2010年电力消费量数据进行预测时选用了2000—2007的数据作为原始数据，建立含有势效系数的MG（1，1）模型，并利用该模型对未来三年电力消费量进行了预测。     

计量经济学方法之时间序列分析

本文介绍了一元时间序列分析中常用的AR、MA、ARMA和ARIMA等经典模型,分析了这几个经典模型的理论要点以及单位根检验的方法和程序,总结了时间序列分析在预测等方面的优势及其在复杂科学管理中的应用,并以我国一月期国债回购利率和上证180月收益率为分析对象,介绍了一元线性回归分析的基本步骤。     

TARCH模型在人民币／美元汇率预测中的应用

本文采集2005年7月21日自人民币汇率制度改革后的人民币／美元汇率共690个数据，依次建立了ARMA模型、GARCH模型、EGARCH模型、TARCH模型。最终发现TARCH模型的拟合效果最好，可以汇率的短期预测提供模型依据。     

TARCH模型在人民币/美元汇率预测中的应用

本文采集2005年7月21日自人民币汇率制度改革后的人民币/美元汇率共690个数据,依次建立了ARMA模型、GARCH模型、EGARCH模型、TARCH模型.最终发现TARCH模型的拟合效果最好,可以汇率的短期预测提供模型依据.     

苏州房产成交量的 ARMA 模型

苏州作为比较发达的二线城市之一，房产信息一直备受关注。根据苏州市房产2009年1月至2013年4月的周数据，基于房产成交量数据拟合建立ARMA模型并做短期预测，得出的结果与实际情况相吻合。     

ARMA-GARCH模型的期货价格预测比较研究

影响期货价格的因素非常多,且期货价格波动幅度大,对其进行准确的预测是困难的。但期货市场价格波动又有其自身内在的特点,基本因素分析法虽然能够大致确定市场未来走势,却很难定量化,技术分析方法的判断常提前或滞后且容易导致＂走势陷阱＂,因此本文运用WIND金融资讯数据库上的日收盘价数据,分别用ARMA模型和ARCH模型族中的GARCH模型,利用Eviews5.0软件对于期货价格进行预测并进行比较。     

灰色GM（1,N）模型在广东海洋经济预测中的应用

本文选取六个影响海洋经济快速发展的生产和需求因素,应用灰色系统理论建立了广东海洋经济GM（1,N）预测模型,并选择了线性回归、三次指数平滑和灰色GM（1,1）三种不同模型对六个影响因素指标进行预测,从而提高了预测模型的可靠性,为海洋经济定量预测分析提供了一种有效方法。从预测结果看,模型具有较高的拟合精度。