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.     

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.     

ARIMA模型在股票价格预测中的应用

随着社会的进步和经济的不断发展,我国的股票市场已经愈加繁荣,也有更多人投资股票市场.在股票的交易过程中存在着大量的数据,本文简要评析了股票价格预测的研究现状,并着重研究中国第三产业中占比最大的五种行业(批发零售业、金融业、房地产业、交通运输邮政业、餐饮住宿业),从五种行业中分别选取三只市值较大的具有代表性的股票一共15...     

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。     

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。     

ARIMA模型在我国能源消费预测中的应用

能源影响着我国社会经济的稳定持续发展,对未来能源消耗的准确预测具有重要意义。笔者以我国1978年-2005年的能源消费总量数据为基础,运用ARIMA模型进行能源消费的预测,达到了最小方差意义下的最优预测的效果。同时,对我国未来的能源发展给出了由开发与节能并重转变为节能优先的政策性建议。     

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。     

基于季节ARIMA模型的国有粮食企业收购预测分析

研究国有粮食企业的购销现状,对国有粮食企业的购销量进行分析和预测,有利于深刻认识国有粮食企业的市场运行规律,更为充分地保障国家粮食安全。本文利用Box-Jenkins法中的季节ARIMA模型,对2005年1月—2009年4月中国国有粮食企业收购量数据序列进行分析,建立了国有粮食企业的季节ARIMA模型。检验结果表明,季节ARIMA模型对原始数据序列有着较好的拟合效果,模型的预测效果良好,可用于短期内国有粮食企业收购量的预测。     

基于ARIMA与小波神经网络模型的生猪价格预测比较

文章在分析传统生猪价格预测方法局限性的基础上,利用四川省生猪价格周度数据分别建立小波神经网络和ARIMA预测模型,通过预测的评价指标对比,可以看出,小波神经网络在非线性的映射能力,多指标复杂的波动的数据内在规律逼近方面较之于时间序列模型更优。并且,小波神经网络将生猪养殖链的各个阶段的产品和要素价格都带入进行了训练,符合生猪养殖链的价格传递机制,更好的探究出了生猪价格的波动特征。     

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模型对我国黄金期货价格分析与预测

本文基于ARIMA模型,对黄金期货建立了价格预测模型,并对2016年1月18日至2017年1月10日内共241个交易日的上海期货交易所的黄金期货的结算价数据的变动规律和短期趋势进行了预测.实证结果表明:ARIMA模型可以对黄金期货价格走势做出短期预测,能够大体上反映出黄金期货价格的波动情况,并为投资者以及企业在进行相关决策时提供有价值的参考.然而预测误差随着预测时间的增加而变大.     

ARIMA模型在安徽省GDP预测中的研究与应用

中国省区经济是国民经济的重要组成部分,是一个相对独立的研究对象。文章简要介绍了求和自回归移动平均模型ARIMA（p,d,q）及其建模方法,通过分析1978～2008年安徽省GDP相关数据,运用Eviews统计软件和ARIMA建模方法,将ARIMA模型应用于安徽省GDP数据的分析与预测,发现该模型的预测效果比较显著,与实际情况较符合。     

基于ARIMA模型的我国国际贸易总额预测

进出口总额是一国经济贸易的重要指标。本文基于时间序列理论，以我国1950年和2010年中国进出口贸易总额为基础，建立AKIMA（2，1，2）时问序列模型，并对我国未来5年的进出口贸易总额做出预测，为国际贸易政策的制定和调整提供可靠的依据。     

基于ARIMA模型对中国波指的分析及预测

2015年6月26日中国金融市场在上海证券交易所正式公布中国首个波动率指数——iVX指数.它可以作为我国经济发展和金融活动的阴晴雨.在一定程度上为投资者的决策方向提供一些参考信息.本文选择时间序列分析中的ARIMA模型对2015年6月3日-2017年7月20日中国波指进行建模分析拟合,对iVX指数进行短期的预测,进而了解中国波指的未来走势.     

ARIMA乘积季节模型在全社会用电量预测中的应用

电力需求是经济发展的晴雨表。电力需求的预测对电力部门及相关经济部门的工作具有重要意义。全社会用电量是反映电力需求的一个重要指标。本文通过分析我国2007年7月-2012年6月全社会用电量的月度数据,建立时间序列ARIMA乘积季节模型,并对未来6个月的全社会用电量进行了预测,希望能对有关部门起到一定的参考作用。     

宁夏银川市房屋销售价格指数未来走势的预测分析——基于ARIMA模型

本文选取了宁夏银川市2001年1月到2011年9月的房屋销售价格指数季度数据,建立ARIMA(p,d,q)时间序列模型,对未来一段时问的房屋销售价格指数进行了预测.实证分析结果表明,所选模型能较为精确地预测银川市房价走势情况,预测结果是比较合理和可靠的.