中国服务贸易进出口规模的ARIMA模型和预测

根据时间序列建模原理,对我国的服务贸易进出口的时间序列数据构建了ARIMA模型,并进一步分别给出了在95%的概率意义下,我国服务贸易进出口总额、进口额和出口额的短期区间预测结果,这一预测范围比简单的点预测结果更加客观与可信。     

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。     

“十二五”期间中国火电需求量预测分析——基于ARIMA模型

本文利用Box-Jenkins提出的ARIMA模型,对中国1990年以来的火电季度数据进行了分析,预测了"十二五"期间中国火电需求量。预测结果表明,"十二五"期间中国火电需求量和火电产业仍处于快速增长和发展上升期,这将进一步加剧本已十分激烈的"市场煤"和"计划电"之间的冲突。     

基于ARIMA模型的广西城镇居民收入预测分析

对1980-2014年广西城镇居民人均可支配收入进行实证分析,建立ARMA(2,1,3)模型,其中2014年的拟合误差为2.125%,精确度较高,并对未来三年城镇居民收入进行预测,预测表明,广西城镇居民收入持续增长,但增长的幅度缓慢。     

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。     

基于ARIMA模型对平安银行股票价格的分析与预测

本文运用时间序列分析方法中ARIMA模型进行预测,对平安银行股票历史数据构建模型,推断出未来趋势。从而一定程度的为投资者提供短期指导。     

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模型对湖北省第三产业产值的预测

第三产业影响着我国社会经济的稳定持续发展，对未来经济增长的准确预测具有重要意义。以湖北省第三产业为例，利用1980-2006年的第三产业总量数据为基础，运用ARIMA模型进行第三产值的预测，并且对原始数据进行拟合，得出误差在5％以内普遍可用的计算表式。     

陕西省能源消费的ARIMA模型预测分析

能源消费量在社会持续发展中起着极其重要的作用,本文基于1995-2013年陕西省能源消费总量建立时间序列模型ARIMA(2,2,1),并且对未来的能源消费总量进行了预测,得出相关结论。结果表明,陕西省能源消费将持续增长,也为未来的经济决策提供参考和指导。     

基于ARIMA模型的标准普尔S&P500指数预测分析

金融预测对于发现金融发展客观趋势、指导金融投资具有重要的现实指导意义。研究了应用ARIMA模型预测标准普尔S&P500指数。原始数据采集来源于Yahoo finace数据库,研究数据为标准普尔S&P500指数收盘价,数据范围为1990-1-3至2012-3-26,数据划分为建模数据与检验数据二部分。研究结果显示,预测模型为ARIMA(5,1,4)形式,模型预测平均精度为1.8%。研究结果可为金融投资提供理论实证参考。     

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模型的我国社会消费品零售总额的预测

社会消费品零售总额反应了一定时期内人民的生活水平,是衡量国家经济的一个重要指标。利用ARIMA模型对我国社会消费品零售总额的数据(2004.1-2012.12)进行分析,并且用Eviews对2014年12个月的数据进行预测。     

ARIMA模型在中国商品零售价格预测分析中的运用

运用SAS软件系统中时间序列建模方法对中国商品零售价格指数序列建立了ARIMA(1,1,1)模型。预测结果表明我国商品零售价格将在2008年～2012年保持持续上涨的趋势,这可以为相关部门和单位提供一定借鉴。     

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。     

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。     

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。     

我国居民消费价格指数时间序列预测——基于ARIMA模型与平滑ARIMA模型的比较分析

对我国CPI的1951-2008年年度数据进行分析预测,用一种短时序数据的结构分析模型——平滑ARIMA模型对数据进行了分析预测。通过对两个模型预测效果的比较,结果表明,相比于ARIMA模型,平滑ARIMA模型预测的准确度大大提高。