基于季节性ARIMA模型的城镇固定资产投资时间序列的计量分析

本文综合运用了季节性ARIMA模型,对我国城镇固定资产投资额进行了分析,建立了ARIMA(1,1,2)×(0,1,0)11模型,估计了相应参数.假设检验表明所得参数均显著不为零.最后对2017年2月-2017年7月的全国城镇固定资产投资额进行了预测和检验,预测结果比较准确.     

ARIMA模型在陕西省城镇居民人均消费预测中的应用

陕西城镇居民人均消费支出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。运用1980—2007年陕西城镇居民人均消费支出数据建立了ARIMA（4,1,4）模型,其预测结果通过了检验。预测结果为各级政府提出扩大城镇消费支出的政策提供了科学依据。     

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模型的郑州高新技术开发区从业人员数量预测

ARIMA模型是一种常用的随机时间序列模型,主要用于短期预测,长期预测精度较低.本文利用SPSS 21.0试建立3个ARIMA模型,通过对比分析确立使用ARIMA(2,1,1)模型预测2016—2018年郑州市高新技术开发区从业人员的数量.模型拟合效果很好,预测结果可作为政府政策的制定、 相关企业人力的调整及个人未来求职规划的一个参考.     

基于ARIMA模型的铁路物流货运量预测研究

铁路物流货物运输是交通运输方式中最重要的方式之一,在国民经济发展中扮演着重要的角色,而提前对货运量进行准确的预计对于铁路部门安排运力和做好发展规划具有一定的指导意义。选取近二十五年铁路货运量数据作为基础,建立ARIMA模型对二十五年来的铁路货运量进行了分析,并采用逐步引入下一年货运量的Static预测方式提高了2010—2012年货运量的预计精度。研究表明：ARIMA（2,2,2）模型适合铁路货运量的模拟和预测;前二十五年的铁路货运量模拟结果误差在1.5%左右,精度很高;估计2010—2012年铁路货运量将保持5%左右的年增长率。     

ARIMA模型在股票价格预测中的应用

文章研究了ARIMA模型及其应用,以三一重工(600031)的120个股票价格数据为例,给出了时间序列模型预测的建模过程。通过真实值与预测值的比较,验证了模型的可靠性,该模型适用于短期预测,对长期预测效果不佳,为实际应用中,对短期预测股价,提供了参考的依据。     

我国煤炭需求峰值预测及应对

在当前资源环境形势日益严峻的背景下,预测我国煤炭需求峰值,提前做好产能规划与部署,对于科学推动煤炭消费总量控制,实现煤炭产业健康、稳定和可持续发展意义重大。本文基于计量经济学理论,针对1978—2013年的样本数据,构建了基于煤炭需求的多因素协整模型(CM)、误差修正模型(ECM)和向量误差修正模型(VECM)。比较发现,ECM的模型性能和拟合效果更佳,故基于ECM对未来我国煤炭的需求峰值进行了预测和分析。结果表明,我国煤炭需求峰值预计出现在2020年,峰值水平为45亿吨;2020年前,煤炭需求量年均增幅3.9%,2020年后开始出现下降,年均降幅0.76%,到2030年降至42亿吨。面对即将到来的煤炭峰值,政府管理部门应及早谋划、加强应对,切实推动煤炭产业转型升级和可持续发展。     

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ARIMA模型分析四川省GDP

通过选取1978年至2018年四川省国内生产总值的相关数据,运用计量经济软件Eview8.0、SPSS25.0对选取的时间序列数据进行ARIMA模型与残差自回归模型的建立。在模型均通过检验的基础上,对AIC等信息准则的综合比较,最终确定建立ARIMA(4,2,0)最优模型来对四川省GDP进行分析与预测。     

中国农村居民"十一五"期间收入和消费的灰色预测

本文利用2000年-2005年我国农村居民人均纯收入和人均生活消费数据,采用灰色预测理论.分别建立了收入和消费GM(1,1)灰色模型,依此对"十一五"期间我国农民的纯收入和生活消费进行预测.模型检验的结果表明,模型精度高,从而获得的预测结果具有很高的可信度.从预测数据可见,"十一五"期间我国农民的收入、消费呈现攀升的态势,但城乡收入差别问题仍然凸现.     

ARIMA模型在广东工业指标预测中的应用

采用自回归移动平均模型ARIMA对广东省工业增加值进行动态分析。结果显示,ARIMA(1,1,0)×(1,1,0)12对于考察序列是适用的,达到了较好的模拟预测效果,可用于对广东省工业增加值的短期未来预测。     

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.     

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。     

湖北省社会消费品零售总额ARIMA模型与预测

本文首先根据1999年1月至2008年12月湖北省社会消费品零售总额数据建立了时间序列分析模型:ARIMA(2,1,1)(1,1,1)12,并利用该模型对2009和2010年的社会消费品零售总额进行了预测和分析.     

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。     

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.     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

我国城乡居民收入差距的时间序列分析

本文以1978-2007年间,农村居民人均纯收入与城镇居民人均可支配收入之比代表城乡居民收入差距,并通过建ARMA(自回归移动平均)模型对其进行时序分析.分析结果表明,AR(1)模型能够提供较好的预测结果,因而可以用其进行预测,为相关部门提供参考数据,同时通过模型得出,我国城乡差距有进一步拉大的趋势.     

基于时间序列的上证综合指数分析及预测

近年来,随着我国金融体系越发完善,机遇与风险并存,金融市场的潜在危机也日益显现,所以对股价的合理预测变得更为重要。鉴于此,选取时间序列作为模型,使用R语言作为实现的软件,先对序列进行平稳性检验和白噪声检验,计算出不同的模型的AIC值,最终选择ARIMA(2,2,0)作为报告使用模型,用时间序列回归来对上证综指进行拟合预测。