天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性，通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测。用ARMA模型可以对天津人均国内生产总值（1978—2004）时间序列进行建模和短期外推预测。     

天津市人均GDP时间序列模型及预测

大多数经济时间序列存在惯性或者说是迟缓性,通过对这种惯性的分析可以由时间序列的当前值和过去值对未来值进行预测.用ARMA模型可以对天津人均国内生产总值(1978-2004)时间序列进行建模和短期外推预测.     

基于VaR-GARCH模型的我国股指期货风险管理研究

股指期货风险管理的核心是基于波动率预测的风险度量,波动率可以用价格涨跌率进行描述,而股指期货价格涨跌率时间序列具有波动聚集效应、厚尾效应以及时变方差效应,故可采用对波动性估计精确可信的GARCH模型。在建立VaR—GARCH风险评估模型后,对我国单个股指期货合约IF1006进行实证分析,结果表明VaR—GARCH模型可以很好地预测和控制我国股指期货风险。     

我国社会消费品零售总额预测方法与实证分析

本文通过对我国社会消费品零售总额的影响因素进行分析,建立线性回归方程对2015年社会消费品零售总额进行预测。再通过时间序列分析方法中的时间序列模型(ARIMA),对我国2015各月份社会消费品零售总额进行预测。通过对比两种预测方法,时间序列模型预测结果较为准确,可为政府决策提供科学依据。     

灰色-时序组合模型在建筑物沉降预测中的应用

为了获得较为准确的建筑物沉降预测结果和较高的预测精度,结合灰色模型、时间序列模型的优点,提出灰色-时序组合模型进行建筑物沉降预测的方法,有效克服了单一模型预测精度低的缺点。以某工程实例沉降观测数据作为原始建模分析数据,通过对灰色预测模型、时间序列预测模型以及组合预测模型的预测结果进行比较分析,结果表明,灰色-时序组合模型预测的沉降值更接近实测值,预测的精度比单一模型更高,具有一定适用性,有利于高层建筑物的沉降预测、预警,确保建筑物的安全性。     

基于ARMA模型的湖南省民间投资时间序列分析

时间序列分析方法是经济领域研究的主要工具之一。合理的时间序列模型会十分接近真实数据生成过程,运用时间序列模型来预测经济变量具有重要意义。ARMA模型描述时间序列的动态性和发展变化规律,具有广泛的实用性。本文通过ARMA模型分析时间序列的随机性和平稳性,借助EVIEWS软件对湖南省民间投资数据进行具体分析并预测。结果表明,模拟值和真实值接近,在实际应用中ARMA模型对短期内预测民间投资额具有很高的精确性,这一精确性对政府政策的决策和实施起重要作用。     

苹果股价的ARMA-APARCH和灰色马尔科夫预测实证分析

股票市场作为金融市场的主体,在国家的经济发展中起着重要的作用。从微观上来看,对股票价格进行预测和分析,可以影响投资者们的策略和手段。文章从股票价格的时间序列研究方法入手,其被证明是较为有效的方法。目前对时间序列的研究有传统时序模型和灰度预测以及马尔科夫矩阵转移的概念的使用。因此,文章以苹果公司的股票价格时间序列数据为研究对象,运用ARMA-APARCH模型进行分析。     

基于GARCH模型的人民币汇率预测

随着人民币市场化的推进,人民币波动幅度增大,汇率弹性增强,加强人民币汇率风险管理已成为摆在各大经济主体面前的重大课题,因此对人民币汇率的预测是十分必要的。本文采用GARCH模型对2010年6月至2013年3月的人民币兑美元日汇率建模,进行短期预测和预测评价。结果表明,GARCH（1,1）模型在一定程度上拟合了人民币兑美元汇率的时间序列,在预测短期汇率上具有一定的适用性。     

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.     

基于SARIMA模型对中国GDP分析及预测

国内生产总值(简称GDP),是衡量一个国家或地区宏观经济状况的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。文章基于时间序列理论,主要利用季节时间序列模型对2000～2016年中国GDP季度数据建模,并且对2017年季度数据进行预测。结果表明,基于SARIMA的GDP预测模型的拟合和预测效果具有较高的可靠性与准确性。     

我国外汇储备的预测分析与政策选择

文章运用时间序列分析方法对我国自1981年以来的外汇储备进行了计量分析,发现我国外汇储备时间序列符合ARMA模型,并运用该模型对我国未来外汇储备规模进行了预测,最后提出了相应的政策建议.     

模式匹配在GDP时间序列预测中的应用

深入分析了自回归整合平均移动模型(ARIMA)以及时间序列在动态时间弯曲(DTW)距离下的匹配技术,并在此基础上建立了由多条时间序列集合而成的GDP整合时间序列预测模型。其基本思想是对与目标序列有着相同发展趋势的时间序列进行搜寻、匹配,并对这些具有相同历史进程时间序列所蕴含的信息进行充分的挖掘与利用,整合形成新的时间序列预测模型。仿真实验表明：整合GDP预测模型的预测准确率显著高于普通ARIMA模型的预测准确率,从而证实了整合时间序列模型用于GDP预测的准确性。     

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.     

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。     

浅析指数曲线模型在我国石油需求中的应用

文章以1978～2005年我国石油消费量的历史数据为基础,根据其趋势图拟合出现实的指数曲线回归,时其参差序列应用时间序列进行分析和识别,建立起适合我国石油需求预测的指数回归-ARMA(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测需要.     

ARMA模型在社会消费品零售总额增长分析中的应用

时间序列分析是经济领域应用研究最广泛的工具之一,AEMA模型是一种最常见的重要时间序列模型。本文首先简单介绍了AEMA模型,然后利用2004年1月到2008年11月的社会消费品零售总额数值,建立AEMA（6,6）模型．最后用该模型对2008年12月的社会消费品零售总额数值进行预测。     

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.     

一种对指数增长年度用电量的组合预测方法

为有效预测呈指数增长的年度用电量,本文选用了指数函数法、GM(1,1)灰色模型和多元线性回归模型来对年度用电量进行拟合外推预测。通过运用这些方法预测北京年度用电量和对预测结果进行比较分析得到,GM(1,1)灰色模型的实际预测结果往往偏大,指数函数法预测结果可能偏小,而多元线性回归模型虽然考虑了其他因素影响但在实际预测指数增长负荷时参考意义较小。因此,最终选择合适的权重加权组合以上模型得到最终预测值,预测精度较高。     

我国固定资产投资总额的动态分析——基于ARIMA模型

固定资产投资总额是影响一国经济增长的重要因素,对拉动国民经济的发展起着至关重要的作用。本文以我国固定资产投资总额为例,选取1982-2009年全社会固定资产投资总额的时间序列数据,利用Eviews软件对该数据进行计量分析,研究我国固定资产投资总额的变化趋势和特征,建立自回归移动平均模型即ARIMA模型,并据此模型对我国固定资产投资总额进行预测,分析未来投资规模趋势。     

中国高校生源危机的多角度预测与分析

中国高校招生需求和生源供给“一升一降”的态势使高校的生源危机问题突显,本文通过建立多种模型并对各种模型进行比较与筛选,发现主成分回归分析预测、时间序列预测和组合预测方法更加客观有效,从多角度对中国高校生源危机进行定量预测分析的结果表明,我国高校出现生源危机的大致时间是在2025年左右.