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。     

上海GDP的时间序列分析和预测

本文用ARIMA模型对上海市1952年到2007年GDP数据进行分析,并预测出未来一年的GDP数据。对所上海GDP数据进行基本趋势分析并检验数据的平稳性,对平稳处理后的时间序列构建ARIMA模型,最后用Ljung-box检验方法对所建立的模型进行相关性检验,对2008年的上海GDP进行的预测。     

基于VEC模型的比特币价格泡沫分析

比特币作为数字货币的代表,其价格波动引发了学者的争论。选取比特币价格与比特币数目、日交易量、我的钱包用户数量、总交易量等指标,通过建立VEC模型,运用单位根检验、协整检验、方差分析方法,对比特币价格波动进行实证分析。实证结果表明:比特币价格存在明显的非理性价格泡沫,可通过一系列举措降低非理性泡沫但不可消除非理性泡沫。     

基于计量模型的2009年我国货币供应量预测

金融系统中货币供应量的大小是影响经济金融体系能否正常运行的重要因素,正确预测货币供应量走势对我国经济金融政策的决策和经济发展战略的实施都有着十分重要的意义。本文介绍了符合金融系统预测规律的ARIMA（P,d,q）时间序列模型。并根据我国货币供应量实际数据对2008—2009年货币供应量走势进行了预测检验,实证预测结果显示与2008年实际M2相对照,模型预测精度较高。误差被控制在2％以内。说明ARIMA模型能较准确地预测我国货币供应量走势。可为我国货币供应量的预测和走势提供可靠的参考依据。     

期货对现货价格预测的作用——基于ARIMA模型的实证探讨

本文通过建立ARIMA模型和ARIMAX模型,以我国HS300指数为研究对象。在准确识别的基础上,实证检验了我国hs300指数的日内指数现货价格序列。通过ARIMAX模型的输入变量包含了IF8888指数期货价格序列,将指数期货价格信息反映到现货价格的预测过程中,同时与ARIMA模型作比较。研究发现,带指数期货价格序列输入变量的ARIMAX模型与不存在其他输入变量的ARIMA模型在相同的参数条件下,前者的拟合误差下降,预测精度显著提高。说明期货价格信息可以更好地预测现货指数价格。同时为了说明预测的可信性,本文选取期货交易所的官方数据。在数据的平稳性检验部分用了ADF检验来进行平稳性的检验和对d值的确定,在对p值和q值的确定上,使用了枚举法来进行最佳组合的选取,这些都保证了预测的精确性和可信性。     

时间序列在安徽省GDP预测中的应用——基于ARIMA模型

本文搜集了安徽省1978年-2015年的地区生产总值作为数据基础,根据时间序列的相关理论,对数据进行平稳化检验,在通过合理的平稳化处理之后,对数据进行AIC定则检验,找到最合适的模型,并用此模型对参数进行相关估计。这里最终建立的是自回归移动平均模型,经过检验,识别出的最理想模型为ARIMA(1,1,2)。先利用此模型对安徽省2014年和2015年的GDP作出预测,将预测值与实际值进行相对误差分析,得到的相对误差在可控范围之内,从而认为该模型的可行性高。最终利用ARIMA(1,1,2)模型对我省"一三五"规划期间5年地区生产总值做出预测,结果显示超过了2020年的目标GDP。     

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。     

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模型的武汉市居民价格消费指数研究

模型对时间序列的趋势有较好的拟合效果,介绍自回归移动平均模型的建模方法及Eviews实现。建立模型对1952年到2008年武汉市居民价格消费指数进行了拟合和研究,在三种不同的模型下,对和进行比较分析,选出了最优拟合模型。发现武汉市居民价格消费指数的波动具有记忆性,随着时间变化而增加。将ARIMA模型应用于武汉市居民历年CPI数据的分析与预测,得到较为满意的结果。     

基于灰色波形理论的铀资源价格预测方法

根据铀资源U3O8现货价格时间序列数据波动幅度不规则的特征,采用非等间隔的灰色波形预测模型,以UxC咨询公司2010年1月～2014年12月U3O8现货价格的月度数据为原始数据,对其2015年1月～2016年2月的U3O8现货价格进行灰色波形预测.最后,将该模型预测结果与在价格预测中应用较广泛的基本GM(1,1)模型和ARIMA模型预测结果进行对比,分析结果表明,相比于其他两种模型,灰色波形预测模型预测值与U3O8现货价格真实值具有更好的拟合度,且精确度更高,可用于实际应用.     

我国电子货币与货币乘数关系研究

从理论和实证两个角度研究电子货币与货币乘数的关系。理论方面,分别研究了电子货币的使用对现金漏损率、存款准备金率和定期存款比率的影响以及电子货币的使用如何通过这三者进而影响货币乘数。选取2002—2013年我国金融数据,进行实证研究,结果表明:电子货币替代率、定期存款比率和存款准备金率呈逐年上升的趋势;货币乘数与现金漏损率逐年下降;通过单位根检验发现电子货币替代率与货币乘数是不平稳的,但一阶差分后平稳;通过协整检验发现电子货币与货币乘数间存在长期均衡关系。提出应逐步完善电子货币监管机制,借鉴国外先进经验,并制定适合我国国情的电子货币管理制度和法律规范等建议。     

股指期货期现套利交易与ARIMA模型构建

文章通过在ARIMA模型时间序列分析预测期现货价格的基础上,建立股指期货期现套利模型。以2011年5月23日至7月15日沪深300现货和IF1107期货合约真实交易数据为研究对象进行实证分析,结果表明ARIMA(3,1,3)模型很好的拟合了价格序列,并给出了期现套利交易策略实现无风险套利。     

基于ARIMA模型的我国快递业务量状况研究

本文通过Eviews8.0软件采用时间序列分析方法,对我国快递业务量的月度数据进行分析,建立ARIMA模型并进行参数估计及检验,对比Holt-Winters季节乘法模型预测结果和实际值进行误差分析,选择ARIMA季节乘积模型,对未来我国的快递业务量进行预测。     

基于层次分析法的电子货币比较研究

信息产业的高度发达使得电子货币走入人们的视线,正如纸币取代黄金的货币发展史一样,电子货币也正逐步代替了实际货币,如何去找到值得信赖的电子货币,是人们更为关心的问题。本文首先对常见的电子货币(狗币、以太币、莱特币、比特币等)进行了介绍,其次就综合评价电子货币四个方面重要指标进行阐述,并以四个重要指标作为准测层,以四种电子货币作为方案层,利用了层次分析法进行分析,构建相关的模型,通过计算得出四种电子货币的有效性结果,发现狗币是值得人们信赖的一种电子货币。     

基于聚类分析和时间序列分析的期货预测

时间序列分析方法在金融市场,尤其是股票指数、汇率、利率、期货等证券风险大小的度量、风险收益的计算与市场效率的检验中得到广泛应用。为了预测出下个阶段的期货价格的总体水平,进而帮助投资者提早的对自己的投资选择进行分配,将多元统计分析中的聚类分析方法和非平稳时间序列模型相结合,先将样本数据中的期货价格分类,求出每个类中的价格均值,进而对这些均值做ARIMA模型拟合和预测,预测出接下来的期货价格水平。     

基于聚类分析和时间序列分析的期货预测

时间序列分析方法在金融市场,尤其是股票指数、汇率、利率、期货等证券风险大小的度量、风险收益的计算与市场效率的检验中得到广泛应用.为了预测出下个阶段的期货价格的总体水平,进而帮助投资者提早的对自己的投资选择进行分配,将多元统计分析中的聚类分析方法和非平稳时间序列模型相结合,先将样本数据中的期货价格分类,求出每个类中的价格均值,进而对这些均值做ARIMA模型拟合和预测,预测出接下来的期货价格水平.     

广西甘蔗价格的波动趋势及预测——基于ARIMA模型的时间序列分析

文章以1978-2013年广西甘蔗收购价格数据为基础,基于时间序列的分析方法,建立ARIMA(p,d,q)模型,对其进行分析、研究和预测,发现广西甘蔗收购价格呈周期性波动上升的趋势,根据波动趋势图预测随后的2014、2015年甘蔗价格开始进入到上行周期.针对广西甘蔗价格波动趋势与特点,从切实保护蔗农利益、制糖企业实现盈利、政府的定价决策和宏观调控三方面提出相关建议,以期达到稳定价格、促进蔗农增收、甘蔗产业可持续健康发展的目的.     

广东省人均GDP时间序列建模及预测

人均GDP是一个重要的经济统计指标,其增长具有其内在的规律性。文章以1952-2007年广东省人均GDP的统计资料为依据,针对序列的非平稳特征,对广东省人均GDP变量进行对数化处理,将时间序列的指数趋势转化为线性趋势,对序列继续进行一阶差分处理,变成平稳序列,建立广东省人均GDP时间序列的ARIMA模型并对模型进行检验,最后将模型用于广东省人均GDP的预测分析。计算结果表明,该模型能较好地解决广东省人均GDP的估计和预测问题,预测精度较高。     

基于时间序列模型的中国出口总额分析及预测

基于中国近20年来中国出口总额的月度数据,通过对数据特征进行的分析,采用了Holt-Winters滤波方法和ARIMA(0,1,1)模型对数据进行拟合,并对模型进行了相关检验,以此来考虑模型的可行性及拟合效果的优良性。最后对中国出口总额的月度数据进行了预测,结果显示Holt-Winters滤波方法和ARIMA(0,1,1)模型的预测平均相对误差率很小,说明时间序列模型在我国出口总额的预测中具有较好的实用价值。     

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。