基于网络新闻的CPI预测混合模型构建研究

本文建立在基于计量经济学的模型——ARIMA模型的基础上,通过提取经济相关的信息对CPI波动的影响因素,对SARIMA模型无法解释的误差使用神经网络BPNN进行建模,用网络新闻信息来拟合时间序列得到残差,以修正CPI的拟合效果.考虑网络新闻中包含的主观信息与客观信息并对其进行情感分析与文本分析,建立TS-SARIMA混合模型用以预测CPI值.     

基于ARIMA模型的内蒙古居民消费价格指数实证分析

消费价格指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动宏观经济指标。运用EVIEWS软件,选择2005年1月至2012年12月内蒙古消费价格指数的月度数据,构建自回归求和移动平均ARIMA(p,d,q)时间序列模型,分析内蒙古消费价格指数随着时间推移的变化规律,同时对未来CPI的走势进行预测,为有效实施物价调控政策提供了数量依据。     

基于时间序列趋势外推的CPI预测

CPI与人们的生活息息相关。随着近年来CPI的不断上涨,人们越来越关注它的未来增长趋势。基于此,文章提出了如何预测CPI的问题。以2001年1月至2009年12月我国CPI定基指数为样本,在分析其波动特征及差异的基础上,通过温特模型将其分解为季节和趋势波动。得出了我国CPI定基指数有一定的趋势和明显的季节特征的结论,并在此基础上对2010年和2011年的CPI作出预测。将预测值与实际值比较,预测值较为准确。     

新冠疫情对CPI短期影响分析

估计、衡量当前的新冠疫情对我国CPI走势的影响,有助于把握CPI发展趋势,有助于制定宏观经济决策.本文从内在动力机制角度建立ARIMA模型,对我国2020年的CPI走势进行预测,然后将预测值与实际值进行对比,发现实际值高于预测值,表明新冠疫情导致CPI有所上升.在疫情导致居民收入下降的前提下,CPI上升进一步降低居民生...     

上证指数的预测分析——基于ARIMA模型

本文通过以2013年11月3日至2016年11月18日上证指数的收盘价作为样本容量,构建ARIMA模型对时间序列进行预测分析.通过上证指数的时间序列图来判断其序列的平稳性,并根据单位根检验的结果进行差分,由此判断阶数,构建模型ARIMA(p,d,q),并对上证指数收盘价进行短期预测.通过研究分析,发现此模型能够作为金融投资的一个非常重要的工具,它具有良好的短期预测效果.     

基于时间序列模型与传统回归模型下的货币总量预测

文章借助反映货币总量的重要指标,对随机性时间序列模型和传统回归模型的构建及相应的预测精度进行了探讨分析,以期为宏观政策的制定提供较精确的量化模型依据,结果发现:传统回归模型的预测精度普遍高于ARIMA模型的预测精度,但是传统回归模型的预测有赖于ARIMA模型对其解释变量向预测期的外推。     

贺州市CPI时间序列模型的建立及预测

本文选取了1985年至2015年的贺州市CPI数据,利用Evies6.0软件,建立时间序列模型,分析贺州市居民消费者价格指数随时间变化的规律,并对其进行了短期预测,结果表明：未来两年贺州市居民消费者价格指数仍然还会继续上涨。     

基于ARIMA模型的黄金价格短期分析预测

2008年国际金融危机以来,国际黄金价格呈现了V型反转走势,已创下每盎司1400美元的历史最高纪录。黄金价格一路走强,对国家、企业、个人的投资决策都将产生深远影响。本文以1973年1月—2010年11月伦敦现货黄金月度价格为依据,通过建立ARIMA模型,对2011上半年的黄金价格走势进行预测分析,并得出短期内国际黄金价格将继续上涨的结论,为我国调整外汇储备结构、增加黄金储备提供了政策依据。     

基于ARIMA模型法的订单销量预测

某企业产品销售量预测可以优化企业产品生产配置,提高企业运作效率和提高企业竞争力.本文首先对目前常用的数据分析预测方法进行阐述,包括方差分解法,人工神经网络法和时间序列分析方法.基于ARIMA对石化企业某石化产品销售量进行数据挖掘和预测,表明该方法计算量小、算法易于实现,可为企业资源配置,产品生产存储运作提供有效的预测手段.     

基于时间序列ARIMA模型的人民币汇率走势预测

2010年6月19日,央行为进一步增强人民币汇率弹性,推出第二次人民币汇率形成机制改革。本文旨在研究第二次汇改后的人民币兑美元汇率的波动情况。本文为探究时间序列长度对预测准确性的影响,使用R软件选择出一个较为适用的模型即ARIMA模型,使用2010年6月19日至2011年7月19日的的人民币兑美元中间价进行拟合,并对未来半月汇率进行预测。同时,为对比长短与样本对预测精度的影响,又使用2011年1月1日至7月19日的交易日汇率数据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。据进行预测。对比发现两中ARIMA模型对汇率预测均有效,而短样本预测精度较长样本更优。     

基于ARIMA模型的甘肃省生态足迹预测研究

生态足迹模型是一种可以有效度量可持续发展的方法,从提出以来备受人们的关注。将生态足迹模型与ARIMA模型相结合,采用不同的均衡因子,以甘肃省为例,模拟和分析了1985~2012年以来的甘肃省生态足迹,并且在此基础上预测了5年的人均生态足迹。结果表明:人均生态足迹由1.0121hm~2/人快速增长到3.2685 hm~2/人,而生态承载力增长缓慢,导致生态赤字不断增加。预测到2017年时,人均生态足迹达到4.0752hm~2/人,甘肃省的发展处在不可持续状态下,应该引起足够的重视。     

人民币汇率预测及方法选择——基于ARIMA与GARCH模型

自2005年7月人民币汇率改革以来,人民币持续升值,已影响到经济生活的各个方面,正确分析与预测汇价及其波动对各经济主体金融政策与投融资决策的制定有着十分重要的意义。本文选取国内外学者较为认同的ARIMA和GARCH模型对人民币美元汇率建模,并对其预测误差进行分析,结果表明在对人民币兑美元中间价的预测中,GARCH模型预测相对ARIMA模型更优。     

基于ARIMA模型的武汉市就业状况预测

文章采用求和自回归移动平均模型(ARIMA),对武汉市1950-2005年的从业人员人数的数据进行时间序列分析,结果显示,ARIMA(2,1,2)模型提供了较准确的预测结果,可用于未来的预测,就此可为武汉市社会保障部门提供可靠的参考依据.     

基于EEMD-BP模型的消费者价格指数预测

消费者价格指数反映了物价对人民生活的影响,是多种因素共同作用下最终的表现形式。EEMD方法是处理非平稳、非线性序列的有效工具,将其运用于CPI预测,可以从CPI时间序列自身出发揭示内在特征。本文以1994年1月至2021年9月期间的CPI为例,对其进行分解,并根据本征模函数的特征进行聚类重组,对重构后的序列波动特点进行解释,选择BP神经网络模型进行预测。研究表明：组合模型比单一模型具有更高的预测精度;经过EEMD方法分解的CPI组合预测模型比EMD方法分解的CPI组合预测模型具有更高的预测能力。     

基于传递函数模型的白银价格分析与预测

本文基于纽约商业交易所(COMEX)公布的2008年1月至2015年4月白银和黄金月收盘价数据,建立反映黄金与白银价格动态变化的传递函数模型,并与2015年5月至2016年2月的真实值进行比较分析,结果显示,传递函数模型的预测效果明显优越于回归模型和ARIMA模型,最后用传递函数模型对2016年2月之后10期白银月末收盘价进行预测,为白银产业链条企业及相关投资者提供参考与决策.     

从期货价格变动预测CPI变化

2007年中国经济在高位上继续保持了快速增长的势头,同时CPI的增长也结束了低位运行态势。宏观经济的高增长,低通胀暂告一段落,因此,我国的宏观经济政策也相应地进行了调整。而CPI作为制定宏观经济政策的重要依据,对其预测的准确性也就更加重要。为此,本文利用近几年来商品期货价格指数与消费价格指数的数据,通过计量方法研究了商品期货市场对消费价格指数的影响,提出期货市场可以成为CPI预测的一个有效途径。     

基于ARIMA模型的收盘价预测分析

本文旨在以时间序列模型为基础,选择爱尔眼科收盘价为研究对象,对其在2009年10月30日-2015年12.31日的除去部分缺失值后的1493个日收盘价数据采用R软件进行研究分析.在此,本文采用时间序列分析中的一种常见ARIMA模型进行相关的分析和预测,并对未来5天的日收盘价做短期预测.通过研究分析可知计算所得的平均相对误差范围均达到要求,则采用ARIMA 模型做股票价格预测是可行的.     

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GM-ARIMA模型对贵州省能源需求的预测

贵州省近年来高速的经济发展依赖于大量的能源消耗,文章以2011—2020年贵州省能源消费数据为参考数据,基于ARIMA模型、GM(1,1)模型和GM-ARIMA组合模型对贵州省2011—2020年的能源需求数据进行拟合预测,并与实际结果进行了比较。通过分析相对平均误差值,发现GM-ARIMA模型在预测未来能源需求方面具有更高的准确性。结果表明：贵州省2021—2025年的能源需求将以年均3.6%的速度增长。需求预测数据为未来的贵州省的能源发展规划,政策制定和技术指导提供了参考价值。     

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。