安徽省CPI时间序列分析

本文利用安徽2002—2009年的月度数据,建立求和自回归移动平均模型（ARIMA）,结果表明,ARIMA（1,1,0）是描述安徽CPI变化趋势相对较优的时间序列模型。     

货币政策盯住CPI难以成立

对于近三年来基本处于2-4％的低核心通货膨胀，动用货币政策进行宏观调控基本无效     

时间序列分析与汇率预测

在简要介绍汇率预测和时间序列模型的基础上,使用人民币/欧元的日汇率值进行实证研究,建立相应的ARIMA模型并进行预测和评价,进而描述人民币/欧元汇率的变动趋势。     

房地产价格波动对CPI影响的多视角分析

本文对我国城市房价与居民消费价格指数(CPI)的关系进行了分析,认为二者之间存在一定的因果关系。房价上涨所产生的通货膨胀预期及流动性效应都是房价影响CPI的重要因素。而在通货膨胀目标制的货币政策之下,房价波动对CPI的影响又会受到宏观经济政策的影响。鉴于房价对CPI的影响及二者的稳定对宏观经济稳定的重要性,本文从货币政策、房地产调控、信用控制等方面对稳定房地产价格和CPI提出了相应对策建议。     

宁夏实际人均GDP时间序列分析及预测

实际人均GDP是具有重要经济意义的指标,它的增长具有一定的内在规律性,文章建立了宁夏实际人均GDP的带趋势项的混合时间序列模型,分析研究了模型的稳定性和可外推性,预测了2011年～2015年宁夏实际人均GDP的发展水平,说明宁夏实际人均GDP具有一定的时间趋势.     

时间序列分析在股价建模及预测中的应用

我国的股票市场是一个高度复杂的非线性动力系统,现实生活中预测股市的未来变化具有十分重要的意义。近年来,基于时间序列分析的预测方法在各个领域中都得到了广泛的应用。而对股票价格进行预测较为普遍的模型就是时间序列模型,因此本文将时间序列建模方法应用于股票收盘价的建模和预测。文章采用中国石化157个交易日（自2013年6月19日至2014年2月11日间）内股价数据为研究对象,采用ARIMA模型进行建模和预测。     

吉林省居民消费时间序列分析与预测

本文以1994—2012年吉林省居民消费统计数据为依据,采用Eviews软件进行分析,对数据进行一系列的检验与调整后,用线性拟合模型进行分析,结果显示二次曲线拟合模型是最为理想的模型,其次利用该模型对吉林省2013年居民消费水平变化情况进行预测,预测结果基本符合吉林省居民消费的发展趋势。     

时间序列分析在财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法。将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。     

我国当前CPI上涨成因与货币财政政策有效性分析

2007年下半年至2008年,由于各类资本的成本上升导致了一场居民购买力与CPI的追逐战,为了维持物价的稳定,政府采取了货币政策与财政政策组合,以应对长时间以来持续的通货膨胀,对于政府这样全方位的逆风政策效果明显,下半年的CPI的增幅呈现下降趋势。     

时间序列在销售量预测中的应用分析

在企业的营销预测分析中，时间序列的运用越来越广泛，本文通过销售量受到长期变动趋势、季节循环变动趋势和随机变动趋势的影响，进一步提出在销售量预测的时候应该首先剔除随机变动的影响，在考虑长期趋势的基础上计算季节指数，进行销售量的预测。     

时间序列在黄金价格预测中的应用

本文研究了时间序列分析的基本理论,通过Eviews软件对2003~2012年上海黄金交易所各月最后一个交易日的收盘价进行统计分析,建立了二次曲线拟合模型并以此对其进行短期预测,为投资者进行黄金投资提供参考依据。     

时间序列在销售量预测中的应用分析

在企业的营销预测分析中,时间序列的运用越来越广泛,本文通过销售量受到长期变动趋势、季节循环变动趋势和随机变动趋势的影响,进一步提出在销售量预测的时候应该首先剔除随机变动的影响,在考虑长期趋势的基础上计算季节指数,进行销售量的预测.     

时间序列在销售量预测中的应用分析

在企业的营销预测分析中,时间序列的运用越来越广泛,本文通过销售量受到长期变动趋势、季节循环变动趋势和随机变动趋势的影响,进一步提出在销售量预测的时候应该首先剔除随机变动的影响,在考虑长期趋势的基础上计算季节指数,进行销售量的预测。     

基于时间序列模型的网络流量预测

本文提出一个利用季节性进行数据业务流量预测的时间序列预测模型。该模型的提出是基于数据业务流量呈现出强烈的季节性模式,这种模式会随着时间的推移而变化,并在总体上保持相对的稳定。实证证明我们提出的新方法比传统时间列模型在预测效率和精度上更为有效。     

基于时间序列模型的基坑地表沉降预测分析

随着地铁建设的日新月异,地铁站深基坑降水工程是影响施工安全的关键环节,若降水不当可能会导致地表沉降和周围建筑物倾斜甚至坍塌。本文将对地铁站基坑开挖降水对周围地表影响进行分析,并结合某工程的实时监测数据,运用时间序列模型对基坑周围地表沉降进行模拟预测,结果表明预测值与监测值误差小于2.5%。因此,根据该预警结果可提前识别危险临界值,为地铁站基坑施工安全预警工作提供借鉴。     

2009年CPI分析及2010年预测

一、2009年CPI分析1．2009年全年CPI降幅会在-1．0％左右（1）已经确定的下降幅度1—8月影响全年CPI下降-0．8％。2009年1．8月CPI与2008年同期比下降1．2％。拉动CPI下降的主要因素,是肉禽类产品和居住价格下降。其中,肉禽拉动CPI下降0．5个百分点左右．居住拉动下降0．4个百分点左右．其它价格加在一起共拉动CPI上涨约0．1％。将1～8月份的CPI下降向2009年全年平均,全年是-0．8％。     

探索时间序列预测法在财政收支预测中的应用

本文采用简单的时间序列预测方法,通过对国家财政收入和支出数据的分析,建立曲线模型,然后根据模型与实际数据曲线的拟合程度,分析误差,最终利用模型预测数据,以达到较为准确的拟合和预测效果。     

武汉市人均GDP时间序列模型构建及预测

ARMA时间序列模型反映某个变量过去的变动规律,并可以利用这个规律对未来值进行短期预测。人均GDP是衡量一个国家或地区经济发展和人民生活水平的一个重要参考指标。本文利用湖北省武汉市1980-2009年的时间序列数据建立武汉市人均GDP的ARMA模型,并利用该模型进行短期外推预测。     

广东2010年CPI分析及2011年趋势预测

本文分析了广东2010年居民消费价格指数（CPI）的变动情况,并对2011年广东CPI的走势进行预测,提出相关建议和措施。