基于乘积季节模型的民航客运量实证研究

随着我国经济实力不断增强,人民生活水平也不断提高,民航运输在人们的生活中发挥着越来越重要的作用。本文基于时间序列分析基本原理,选取2005年1月—2013年11月共107个月的月度数据建立ARIMA乘积季节模型,并对2013年12月—2014年12月的民航客运量进行预测分析。以期对序列中民航客运量的长期递增趋势以及以年为周期的季节效应进行解释,并根据预测结果给出相应的结论和建议。     

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。     

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。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型(ARIMA),对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA(2,1,1)模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型（ARIMA）,对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA（2,1,1）模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

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。     

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模型的消费品零售总额预测

利用2002年1月到2012年3月社会消费品零售总额的统计数据,进行时序平稳化处理,并依据自相关函数和偏自相关函数的性质,建立相应的ARIMA模型,然后对我国2012年4月到7月的社会消费品零售总额进行了预测,建议政府采取减息、减税等措施来保持经济稳步增长。     

基于ARIMA模型对我国进出口总值进行分析及短期预测

本文基于时间序列中ARIMA模型的方法对我国进出口总值进行了分析、预测。以2000年1月到2014年1月我国进出口总值的169个月度数据（名义值）为基础,建立了AR模型,根据与实际数据比较,确定模型准确性,并给出了2014年2月到2015年1月的我国进出口总值的预测数值,对于分析实际中我国进出口总值的经济意义具有借鉴价值。     

ARIMA模型和X-11过程在农民人均现金收入预测中的应用研究

本文通过对我国2000—2014年的农民现金收入季度数据进行时间序列建模,利用ARMA模型和X-11过程来分析预测短期内我国农民现金收入的变动趋势,为短期内预测我国农民现金收入提供有效参考。     

基于季节ARIMA模型的安徽省CPI预测

以安徽省CPI月度数据为样本数据,利用Eviews6.0软件,建立乘积季节预测模型,并用该模型预测安徽省未来三个月的CPI指数,结果比较真实、能准确地反映安徽省CPI变化趋势。     

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。     

钼业市场价格预测的季节修正非线性时滞模型

本文根据协整理论对2002年8月至2006年7月间美国、欧洲、中国及日本四个市场钼铁价格的历史数据进行了实证分析，发现其间存在显著的协整关系，选取美国市场钼铁价格作为钼业市场价格走势标杆进行计量经济建模，并基于该季节修正非线性时滞模型预测，对钼价变动趋势进行辨识。     

ARIMA模型在我国全社会固定资产投资预测中的应用

投资是拉动经济增长的三驾马车之一,因此研究我国全社会固定资产投资对研究我国经济增长有着重要的现实意义。通过1980—2007年我国全社会固定资产投资的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件Eviews,运用ARMA建模方法,将ARIMA模型应用于我国历年全社会固定资产投资数据的分析与预测,建议政府抓住投资机遇,合理安排投资比例和投资金额,促进经济的健康发展。     

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。     

关于我国人口总数的ARIMA模型

时间序列分析是预测动态数据的一种重要方法。本文利用时间序列分析方法研究历年我国人口总数的统计规律性,对其建立ARIMA模型,并进一步对其预测。     

基于ARIMA模型的江西省GDP的预测与分析

本文以1978年-2013年36个年度的江西省GDP为研究对象,主要借助于SAS等统计软件,通过对原始数据的预处理。模型的识别、检验和优化,从而最终确定了ARIMA（3,1,0）模型,利用该模型对江西省的GDP进行短期的误差相对较小的预测和分析。     

基于ARIMA模型的经济形势预测分析——以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。     

基于ARIMA模型的经济形势预测分析--以重庆市GDP为例

有效预测GDP增长对当地政府制定宏观政策及调控意义重大,而ARIMA模型是短期预测的强有力工具。依据1949-2012重庆市GDP为研究样本,首先通过对样本数据取对数及差分处理使数据序列变成平稳时间序列,然后使用赤池和施瓦茨信息等多种准则确定最优滞后阶数p和q,再使用BG和残差正态性等多种假设检验,最终确定ARIMA(7,1,4)模型。研究结果表明,模型具有较好的预测效果和现实意义,可推扩至各行业做相应的短期预测分析。