消费者价格指数的预测——基于ARIMA模型的实证分析

通货膨胀是影响经济平稳性增长的一个关键性变量,CPI是衡量通货膨胀的一个重要的经济指标。本文通过对居民消费价格指数自相关函数与偏相关函数的统计识别以及ADF平稳性检验,建立ARIMA模型对我国CPI进行短期估计。实证分析结果表明ARIMA(12,1,12)模型对我国2010年每月的消费者价格指数(CPI)提供了较好的预测,对政府宏观政策的实施提供依据。     

基于ARIMA模型的中国钢材市场价格预测

本文以中国钢材市场价格为研究对象,选取了8种主要钢材品种2004年1月到2010年11月的价格数据,通过模型识别,建立ARIMA模型来预测中国钢材市场2010年9月至11月的钢材价格,通过比较预测结果,确定在允许的误差范围内,最终给出2010年12月至2011年3月这四个月的钢材预测价格。     

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。     

我国进出口总额的动态分析——基于ARIMA模型

进出口总额是一国经济贸易的重要指标.文章利用时间序列分析理论对2000-2008年的进出口总额进行了分析,建立了ARJMA模型.并利用历史数据论证模型的正确性,研究我国进出口总额变化趋势和特征,给出了国内我国进出口总额的预测方法.     

人民币汇率的ARIMA模型的预测

在简要介绍时间序列模型的基础上,使用美元/人民币的日汇率值进行实证研究,建立相应的ARIMA模型.本文试图将此模型应用于汇率的短期预测,并对其预测效果进行评价.     

ARIMA模型在福建省GDP预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于福建省历年GDP数据的分析与预测,得到较为满意的结果。     

基于ARIMA的PPI时间序列分析

ARIMA模型是一类精度较高的时间序列短期预测模型,本文借助于计量经济学软件Eviews对我国2010年5月到2012年7月PPI时间序列数据建立了ARIMA(0,1,1)模型,并对未来我国PPI的走势进行了预测分析.     

天津市工业总产值增长趋势分析——基于ARIMA模型的拟合和预测

工业在天津经济结构中占重要地位,对其未来增长趋势进行分析和预测,可为进一步制定发展规划提供依据.本文采用自回归求积移动平均（ARIMA）法,对天津市工业总产值进行了拟合和预测.结果显示,ARIAM（1,1,10）模型提供较准确的预测效果,可用于未来的预测,并为天津市未来的工业总产值增长趋势分析提供可靠依据.     

基于ARIMA模型的吐鲁番市葡萄产量预测分析

党的十九大报告指出我国社会主要矛盾已经发生变化。从我国社会主要矛盾的变更可以看出,随着人民生活水平的日益提高,人们对水果的需求量逐渐增大。而新疆是全国面积最大的省,也是农业发展较好的省份,新疆吐鲁番市是我国最大的葡萄生产基地,堪称世界葡萄植物园,葡萄产量分析对吐鲁番市葡萄产业的健康、可持续发展具有非常重要的意义。基于吐鲁番市葡萄产业现状,以1988—2017年的新疆吐鲁番市葡萄产量数据为依托,利用ARIMA模型对2018—2020年的葡萄产量进行预测。研究发现:ARIMA(3,2,1)模型的预测误差测度指标都较小且预测区间呈现喇叭形,这是时间序列预测的典型特点。因此,该模型对于吐鲁番市葡萄产量序列预测的效果还是较为准确的。     

光伏建筑一体化行业板块指数的预测模型构建——基于ARIMA模型的实证分析

在30、60双碳目标之下,光伏建筑一体化行业的发展是绿色建筑、碳中和的重要实现路径,故有效地判断该行业板块未来的变动趋势,有助于更好地把握该行业投资盈利点。基于2019年4月1日至2021年5月28日沪深股市中 37 家光伏建筑一体化相关企业的股票数据,建立ARIMA模型对光伏建筑一体化的板块指数发展趋势做出预测。研究发现,ARIMA(20,1,3)模型通过了ADF 检验和 L-Jung-Box 检验,并预测出2021年5月至2021年7月该板块指数将呈现“锯齿”形总体不断向上增长。最后,根据模型预测结果和市场背景,提出针对性的建议,为市场投资者和企业管理者提供相应的技术参考和启示。     

海南省旅游统计数据的ARIMA模型预测分析和新冠肺炎疫情影响分析

以海南省旅游统计数据为基础,利用ARIMA模型,并结合新冠肺炎确诊人数进行预测分析。结果表明,海南省游客流量和旅游收入在新冠疫情下依然可以很大程度保持原有的增长趋势和季节性波动规律,但两组数据表现略有不同。新冠肺炎疫情对海南省旅游统计数据的影响体现在两个方面,一方面是新冠肺炎疫情严重程度与旅游统计数据存在明显此消彼长的关系,另一方面是新冠肺炎疫情主要对旅游统计数据中的游客流量产生了较大影响。可以得出政策启示：政府要做好疫情防控和让民众对旅游业持有信心,要随着疫情发展弹性放开或收紧旅游业,还要对需求侧进行扶持和对供给侧进行创新。     

基于引力模型与ARIMA模型的城市旅游倾向预测

文章以山东威海、德州等7座城市为客源城市,对青岛的旅游倾向进行预测研究。首先从7个城市居民的旅游消费成本、到达青岛的距离、城市居民消费水平和大型活动对该城市居民的吸引力等作为考查该城市居民旅游目的地选择的四大因素,构造青岛市对山东省的其他7个城市游客的吸引力模型,并选取了模型中的量化指标,计算出相应的指标值;其次,根据青岛游客历史数据的波动特性构造了ARIMA(p,d,q)模型,并将非平稳的时间序列转变成平稳的时间序列进行计算;然后对两个模型进行估计与检验,通过检验发现,引力模型呈现出非常明显的线性关系,可信度大于99%,对时间序列进行ADF检验后为平稳序列;最后,分别利用两个模型预测出2018年青岛旅游人数,并根据设定的基数分别列出A、B和C三种预测方案,计算出2018年山东7座城市参加青岛啤酒节的人数。同时,根据原始数据和预测数据,将参加青岛啤酒节的人群分成了三类,并给出了合适每一类人群的预测模型,对青岛的旅游业的发展提供有力的借鉴。     

基于ARIMA模型的中国装备制造业发展预测

使用ARIMA模型对装备制造业工业增加值(EMI)序列进行拟合,结果显示,我国装备制造业增加值逐年增长,但增长率逐年降低。我国装备制造业在未来几年仍呈现较快的增长趋势,2015年当年价的装备制造业增加值按GDP平减指数计算,大约为51800亿元人民币。     

X-11过程和ARIMA模型在煤炭企业物料需求预测中的应用研究

煤炭企业物料需求影响因素多而复杂,物料需求时间序列往往不平稳,如果采用较高的库存水平来应对非平稳需求会造成大量库存资金占用,从而影响企业经济效益.因此,如何准确有效地预测需求是非常重要的.文章以煤炭企业物料胶质线为例,采用ARIMA模型和X-11过程对其历史需求数据建模预测,结果表明运用ARIMA模型和X-11过程相结合建模预测能大大减小误差,提高预测的精确性,从而可以大大节约库存成本.     

新疆居民消费水平时间序列模型的建立及预测

对新疆居民消费水平（1978—2007年）数据进行研究分析,为探究新疆消费水平的规律及其发展趋势,建立了时间序列中的求和自回归移动平均ARIMA（p,d,q）模型,比较了真实值与预测值的拟合程度,拟合效果好。分析2008年新疆居民消费水平,从其中的结果得知,新疆在未来几年内人均消费水平将继续保持高速的发展趋势。     

ARIMA模型在西安卫星城建设预测中的应用

卫星城在社会主义市场经济中是一个新生事物,对于西安市来说,加快卫星城建设,促进城乡一体化,是缩小城乡差距,缓解城市中心区人口压力,实现产业链深度整合,提高城市竞争力的一个非常重要的战略。文章以1988年～2008年西安市及其六个卫星城的人口总量为基础,借用ROXY指数并运用ARIMA模型对ROXY指数进行预测,得出西安市目前及未来几年仍处于人口集聚状态,确定西安市卫星城建设应既包括伦敦式又包括巴黎式。     

福建省GDP时间序列模型建立及实证分析

根据福建省1981—2011年GDP数据,利用Eviews6.0计量经济学软件和时间序列理论,建立了求和回归移动平均模型ARIMA(4,1,1),并根据模型进行实证分析,结果表明GDP预测效果较好,平均误差9.91%,并预测2014年GDP产值为22 569.578亿元。     

基于ARIMA模型的云南进口矿产质量问题预测研究

云南省作为一个矿业大省,矿业在云南经济发展过程中发挥了重要作用,是云南主要的支柱产业之一。近年来,云南省对进口矿的需求越来越多,随着进口量的增加,进口矿产也出现了越来越多的质量问题。为了了解云南海关进口矿检验中的不合格矿产量的变化情况,以应对检验中硬件资源分配不均的问题,以云南省2007—2018年进口矿数据为研究对象,运用 SPSS 软件中的ARIMA模型对其进行了建模;拟合2007—2018年的云南进口矿质量问题数据及预测2019年的检验不合格的情况。结果表明,2015—2019年,云南海关加大力度严格把关,进口矿产的质量问题大幅下降;2019以后,进口矿产的质量问题呈缓慢上升趋势。因此,云南海关还要采取相应的监察政策,以应对缅甸、越南、老挝等国进口矿质量问题逐渐增多的趋势。     

基于ARIMA模型的我国人均生活能源消费预测

能源是国家的战略性资源,是一个国家经济增长和社会发展的重要物质基础.本文基于1983～2009年我国人均生活能源消费量构建了ARIMA（3,2,1）模型,并运用该模型进行了对未来我国的人均生活能源消费进行了预测,模型的预测效果良好.