基于时间序列ARIMA模型的人民币汇率的波动规律研究

本文依据我国汇率变动的现实情况,选取了2006年1月4日至2014年5月7日之间的美元兑人民币汇率数据进行汇率的波动规律研究。研究中采用了时间序列的分析方法并结合ARIMA模型进行实证研究,结果表明ARIMA（1,1,1）模型对美元兑人民币汇率的拟合程度最好,并以此模型对我国未来汇率的走势进行了预测。     

基于ARIMA模型的比特币价格预测研究

比特币是一种由开源的P2P软件产生的电子货币,是一种网络虚拟货币,是目前世界上应用最广泛的加密电子货币。比特币的价格波动非常大,近期也是处于一个高波动期。由于比特币主要用作资产而非货币,比特币市场投机性强,波动性更大,同时,与其他投资市场相比,比特币市场效率低下。故对于比特币价格的预测与分析的研究具有重要意义。本文主要选用了2013年10月到2019年4月的比特币收盘价进行分析,采用了ARIMA模型,首先对原始数据的序列进行平稳性检验,数据不稳定时,对数据进行平稳化处理并进行单位根检验。序列平稳时,对比各参数,建立合理的ARIMA模型,同时,与自动生成的ARIMA模型进行比较,选择较为优良的模型进行价格的短期预测。     

基于ARIMA模型的广东省工业总产值时间序列分析

工业是第二产业的主要组成部分,工业的增长给GDP的增长带来巨大贡献。本文以1978-2013年广东省工业总产值为研究对象,运用ARIMA模型做时间序列分析,并预测2014-2018年的工业总产值,得出结论并提出建议。     

基于ARIMA的多晶硅组件价格预测

本文依据北极星光伏商务通网站多晶硅组件价格相关数据,采用时间序列分析法,对2012年4月20日至9月20日多晶硅组件价格周数据进行了分析。通过对数据的平稳性检验、模型的确认、模型检验等综合分析,建立了ARIMA(0,2,4)时间序列模型,对预留最后3周的数据进行预测。预测结果表明,实际值与预测值之间的绝对误差均在1.43%以内,误差率均在2.46%内,该模型有较好的短期预测效果,能较好地模拟并预测多晶硅组件价格变化的趋势,为光伏企业产品价格的准确预测提供了重要方法。     

新常态下我国纸浆价格波动趋势研究——基于时间序列分析模型

新常态下我国纸浆价格震荡涨跌,纸浆市场持续低迷,造成部分造纸企业严重亏损.选取2005年1月～2015年8月我国纸浆价格月度数据,采用Eviews6.0软件对其进行传统的时间序列分析,以探究其价格波动趋势.实证结果表明,我国纸浆价格非常容易受到季节因子和不规则分量因素的影响,其价格整体出现上升后又回落的趋势,存在着波动周期规律.其中2005年～2012年共有两个完整周期,基本保持四年一次,2013年～2016年出现第三个完整周期,且2016年的纸浆价格将继续平稳下滑,预计2017年后开始上涨,同时进入下一个波动周期.本文据此提出了新常态下我国造纸企业发展的政策建议.     

基于ARIMA模型对销售总额的预测分析

在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,预测是决策的基础。近年来,ARIMA模型得到了极大的发展,越来越多的应用在各个领域的分析中,本文我们对某公司2000年1月到2008年12月的8种商品的销售总额的数据作为分析的样本进行分析,建模,预测未来三期的值。为了验证预测的准确性,我们去掉了后三期的数据,作为预测目标,以便对真实值与预测值进行有效的对比,结果预测基本准确,最终我们得出预测五期的增量。     

我国玉米价格波动趋势及短期预测

为更好地把握玉米市场价格未来走向,本文对我国2003年1月至2014年2月间的玉米市场价格的整体走势和特点进行了分析,并应用ARIMA(p,d,q)模型,对未来短期的玉米价格做出了预测。结果显示,我国玉米价格在短期内将呈小幅上升趋势。最后基于预测结果,本文分别从政府、企业两个主体的角度,提出相应的建议作为决策参考。     

我国松香价格走势研究——基于ARIMA模型对黄埔马尾松香价格走势的分析

2008年以来,松香价格波动剧烈,引起业界广泛关注。本文根据黄埔松香价格变动趋势来分析长短期价格波动特征和变动趋势,构建了非平稳时间序列ARIMA(p,d,q)模型,并预测松香月度价格,以期为松香市场信息的准确预测提供借鉴。     

基于ARIMA模型的广州市商品房价格预测

商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。     

基于ARIMA模型的甘肃省GDP的分析与预测

文章基于甘肃省1992—2021年GDP数据,通过对数据的ADF检验、模型参数识别与检验、模型检验等综合分析,确立了ARIMA(0,2,1)模型,得出甘肃省未来两年GDP分别为10938.502亿元和11658.45亿元,该模型具有简单实用、预测精度高的特点,能恰当描述甘肃省GDP状况,可用来做短期预测,为政府部门制订宏观经济计划提供依据和参考。     

我国食糖价格波动趋势及预测——基于GARCH模型的分析

糖料关系民生,既是人民生活的必需品,也是食品工业及其下游产业的基础原料。糖业的发展对于农民增收和地区经济发展具有重要意义。本文分析了食糖价格周期性变化的原因,选择指数ARCH模型对未来食糖价格指数进行了预测,并对如何促进食糖市场的稳定提出相关政策建议。     

基于ARIMA模型的浙江省GDP预测

应用ARIMA模型对浙江省1978年至2007年期间的GDP数据进行分析,从中找出浙江省GDP的规律,然后预测未来四年的GDP数据。与实际情况相比较得出拟合效果比较好,AKIMA模型比较适合短期预测。     

时间序列模型在股票价格预测中的应用

本文旨在以时间序列模型为基础,选择紫金矿业日收盘价、万科A日收盘价为研究对象,对上证指数在2008年~2011年的672个日收盘价数据采用SPSS和Eviews两种软件进行研究分析。在此,本文采用时间序列分析中的一种常见的模型:ARIMA模型进行相关的分析和预测,并对未来10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模型下的时间序列分析与预测——以上海市社会消费品零售总额为例

大多数的时间序列存在着惯性。通过对这种惯性的分析,可以由时间序列的当前值对其未来值进行估计。本文以1978年到2007年上海市社会消费品零售总额数据为研究对象,将这些数据平稳化并做分析,发现ARIMA(1,1,1)模型能较好的对上海市社会消费品零售总额进行时间序列分析和预测。     

基于ARIMA模型的我国GDP分析预测

改革开放后,中国走上市：场经济道路,与以往的计划经济相比,国内生产总值的计量应该以改革开放1978年为分水岭,GDP经济模型的建立应当以此为计量起点,做出分析和预测。基于Box—Jenkins（博克斯一詹金斯）方法的时间序列分析技术,对我国1978--2008年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA模型,通过模型对我国2007—2011年度的GDP进行了预测。模型实证分析的结果表明：在GDP时间序列分析建模与预测方面,Box—Jenkins方法及其ARIMA模型是一种精度较高且切实有效的方法模型。     

基于ARIMA模型的我国国内生产总值的分析与预测

本文先介绍了ARIMA模型,而后重点在于ARIMA方法与传统法的比较,指出了ARIMA方法与传统方法的异同,关键的不同点主要有三个方面:建模的基本思想不同、前提不同以及适用范围不同,最后运用ARIMA模型对我国1978—2009年的GDP总额进行了分析与预测,得出ARIMA(2,2,2)模型可以对我国的GDP序列作短期预测。     

基于ARIMA模型的河北省能源消费预测

河北省能源消费量大,自给率低,能源供需矛盾已成为制约经济发展的瓶颈,准确预测未来能源消费对于科学制定能源规划及经济发展战略具有重要意义。基于1980-2008年河北省能源消费量数据构建了ARIMA(1,2,1)模型,并对未来五年河北省能源消费量进行分析预测。结果表明河北省能源消费量仍将快速增长,因此应制定节能优先的能源发展战略,将节能措施落实到日常工作中。     

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。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949-2009年的人口总数进行了分析与预测,得出AR IMA （2,2,1）模型可以对我国的人口总数作短期预测的结论。     

ARIMA模型在农产品价格预测中的应用

农产品在我国社会经济发展过程中扮演着举足轻重的基础性作用,如水稻、小麦、玉米、花生等农产品与我们的日常生活息息相关,其是社会经济发展、人们丰衣足食与百姓安居乐业的基础性保障工程。本文主要在农产品定义与内涵的基础之上,针对ARIMA模型基本思想及数学模型重点分析农产品价格影响因素,最终分析了AR[MA模型在农产品价格预测中应用及作用。