基于季节ARIMA模型的国有粮食企业收购预测分析

研究国有粮食企业的购销现状,对国有粮食企业的购销量进行分析和预测,有利于深刻认识国有粮食企业的市场运行规律,更为充分地保障国家粮食安全。本文利用Box-Jenkins法中的季节ARIMA模型,对2005年1月—2009年4月中国国有粮食企业收购量数据序列进行分析,建立了国有粮食企业的季节ARIMA模型。检验结果表明,季节ARIMA模型对原始数据序列有着较好的拟合效果,模型的预测效果良好,可用于短期内国有粮食企业收购量的预测。     

组合优化理论在中国经济增长预测中的应用

文章采用灰色预测的GM(1,1)、变参数BGM(1,1)两种模型与BP神经网络进行组合优化,对中国GDP的增长做出预测分析,建立了灰色神经网络的GDP预测模型。组合优化模型提高了拟合和预测精度,是经济发展趋势进行预测分析的有效方法,有利于决策者制定相关的经济政策,进行宏观管理和控制。     

发电量的时间序列模型构建及实证分析

主要研究乘积季节模型在中国发电量预测中的应用,通过对中国发电量1992年1月至2009年12月共216个月份的月度资料来进行实证分析。首先采用差分方法对序列资料进行平稳化,然后进行模型定阶并估计其参数,建立一个中国发电量的乘积季节预测模型ARIMA（4,1,0）×（1,1,1）12。接着对模型进行诊断检验,结果都表明,用该乘积季节模型对中国发电量的拟合效果较好。最后,利用此模型对中国2008年发电量的趋势进行了预测。     

采油厂油气产量预测模型研究

油气产量的有效预测有利于采油厂的科学决策。分别构建了采油厂油气产量预测的线性回归模型、灰色预测模型和ARIMA模型,基于三种单一模型,构建了最优加权组合预测模型。DX采油厂油气产量预测实例表明,该模型能够显著提高预测精度,为采油厂产量预测提供了新的方法。     

关于我国能源生产总量的定量分析

本文以我国能源生产总量为研究对象,运用ARIMA和X-12方法拟合预测模型进行预测。分析结果表明,我国能源生产总量在未来一段时期内仍然保持持续增长的态势,但能源结构急需优化。     

基于景气数据的成都市产成品库存预测研究

文章针对产成品存货,通过建立GMDH自回归模型预测了成都市的产成品存货,同时引入企业家信息指数等景气数据,并通过建立ARCH模型预测了成都市的产成品存货,然后将GMDH与加入景气数据的ARCH模型进行组合预测,得出预测结果。将以上三个预测结果与实际的数据进行比较,证明引入景气数据的组合预测模型更加准确,有效。     

ARIMA模型在教育预测中的应用——以湖南中等职业教育为例

基于时间序列数据的教育预测方法较多,主要有趋势外推法、人口离散预测模型、生命表法、灰色预测法、线性回归模型、分布滞后模型、Logistic模型、人工神经网络方法等,对一些代表性的方法作了简单的概括,在此基础上,通过构建ARIMA模型拟合湖南中等职业教育的发展趋势,对湖南2007-2011年中等职业教育发展规模进行客观预测.     

ARIMAX模型在居民储蓄存款预测中的应用

本将ARIMAX模型应用于居民储蓄存款预测的研究,通过与传统趋势模型的比较,说明ARIMAX模型是居民储蓄存款预测中的一种有效、实用的方法。     

基于SARIMA-GARCH模型的海南省月度CPI预测

稳定物价是政府市场调控的一个重要目标,因此把握CPI的宏观趋势具有一定的现实意义.本文依据海南省2000年1月至2015年12月月度CPI值,运用ARIMA季节模型进行拟合,考虑残差可能的ARCH效应,并对2016年1月至10月的CPI进行了预测.实证表明,ARIMA(2,1,2)(1,0,1)[12]模型能对海南省月度CPI起到较好的预测效果,对于政府政策制定调控市场具有一定的参考价值.     

石化原材料价格组合预测方法研究与应用

文章以指数平滑法、ARIMA预测方法和灰色理论系统预测方法为基础构造等权组合预测模型应用于石化原材料价格的预测实践,通过从预测值、预测误差值和预测误差评价值等方面对等权组合预测效果与单项预测方法进行分析比较,说明采用等权组合预测可达到提高预测精度、改善预测结果的目的。     

基于前向滚动EMD技术的预测模型

运用经验模态分解(EMD)、人工神经网络(ANN)和时间序列,基于分解—重构—集成的思想,构建了一个组合预测模型。在模型的构建过程中,提出了对股票指数序列进行逐日前向滚动EMD分解的思路,将分解后的本征模函数(IMF)分量输入神经网络进行组合预测。运用上述基于前向滚动EMD模型分析沪深300指数和澳大利亚指数的波动特点和走势。结果显示:前向滚动EMD模型比ARIMA模型、GARCH模型和BP神经网络模型具有更高的预测精度。     

对中国国际入境旅游市场的滚动样本预测——基于季节效应ARIMA模型

入境旅游市场的发展能够促进我国经济社会的可持续发展,入境客流量的精确预测和分析对旅游规划与管理具有重要意义.鉴于现有文献大多采用年度数据进行预测等问题,采用新的包含季节变量的ARIMA模型对6个我国主要入境旅游客源国1990～2006年间的数据进行回归分析,并采用滚动样本方法进行样本外动态预测,回归模型以及预测结果均表明该模型能够很好地拟合数据,对旅游预测可行且十分有效.     

基于ARIMA模型对我国黄金期货价格分析与预测

本文基于ARIMA模型,对黄金期货建立了价格预测模型,并对2016年1月18日至2017年1月10日内共241个交易日的上海期货交易所的黄金期货的结算价数据的变动规律和短期趋势进行了预测.实证结果表明:ARIMA模型可以对黄金期货价格走势做出短期预测,能够大体上反映出黄金期货价格的波动情况,并为投资者以及企业在进行相关决策时提供有价值的参考.然而预测误差随着预测时间的增加而变大.     

我国海洋产业增加值的组合预测分析

近年来,我国海洋产业增加值大幅度地提高。鉴于单项预测模型的局限性,本文运用线性规划的方法赋予合理的权重,将时间趋势模型和指数平滑模型加权组合,采用组合预测的方法对我国未来几年的海洋产业增加值进行了预测。     

ARIMA模型在中国人均煤炭消费预测中的应用

本文依据我国人均煤炭消费量的数据,借助Eviews软件,比较分析建立了最优拟合模型ARIMA(2,2,2)。利用该模型进行预测,与实际值比较可知预测精度较高,最后利用模型ARIMA(2,2,2)预测了未来几年我国人均煤炭消费量。     

基于百度搜索数据的区域经济指标预测模型研究

以广西为例研究网络搜索数据能否优化仅使用政府统计指标的区域经济预测模型。将网络搜索数据纳入区域经济指标的实时预测体系,以工业总产值和居民消费价格指数作为预测基准指标,以若干个百度搜索指标、政府统计指标和它们的不同组合作为解释变量,利用广西2012年1月—2017年12月间的数据构建ARIMA和ARDL两个系列的5种不同模型进行实证研究。研究结果表明引入网络搜索数据的模型比仅使用政府统计指标的传统模型能够更及时更精确地进行区域经济预测预警分析。     

基于网络新闻的CPI预测混合模型构建研究

本文建立在基于计量经济学的模型——ARIMA模型的基础上,通过提取经济相关的信息对CPI波动的影响因素,对SARIMA模型无法解释的误差使用神经网络BPNN进行建模,用网络新闻信息来拟合时间序列得到残差,以修正CPI的拟合效果.考虑网络新闻中包含的主观信息与客观信息并对其进行情感分析与文本分析,建立TS-SARIMA混合模型用以预测CPI值.     

基于ARIMA与GARCH模型的国际油价预测比较分析

在分析影响油价波动因素的基础上,利用1986年1月至2010年12月的WTI国际原油价格月度数据,分别建立ARIMA和GARCH模型对油价进行预测。并通过对2011年1月至2012年4月WTI原油价格进行外推预测,检验模型的预测效果。比较分析发现,在短期预测中,ARIMA和GARCH模型对油价的预测均比较准确,但当油价由于受到重大事件的影响而有较大波动时,模型的预测精度下降;在长期预测中,GARCH模型的预测效果优于ARIMA模型;整体来看,GARCH模型预测的精度高于ARIMA模型。因此,在国际油价预测中,用GARCH模型是比较合适的。     

马尔科夫预测模型在量化投资中的应用研究

随着市场的成熟和金融工具的不断完善,量化投资迅速成长起来.本文探讨利用量化选股模型建立投资组合,然后运用马尔科夫预测模型,对沪深300指数走势进行预测,从而为组合动态调整提供依据,寻求组合最佳优化参数.动态调整组合Beta策略,也给组合风险控制提供了一定的思考空间.     

宁夏银川市房屋销售价格指数未来走势的预测分析——基于ARIMA模型

本文选取了宁夏银川市2001年1月到2011年9月的房屋销售价格指数季度数据,建立ARIMA(p,d,q)时间序列模型,对未来一段时问的房屋销售价格指数进行了预测.实证分析结果表明,所选模型能较为精确地预测银川市房价走势情况,预测结果是比较合理和可靠的.