基于GARCH族模型的高铁客流量波动特性分析

选取某车站从2013年1月1日至2014年12月31日的日高铁客流量数据,建立GARCH族模型,分析高铁客流量的波动性,并对不同模型的拟合效果进行检验。结果表明,高铁客流量的波动具有明显的季节性;波动幅度受外部冲击影响较小,受前期客流量波动的影响较大;长期波动具有平稳性和持续性;高铁客流量受到正面与负面冲击产生的波动大小具有对称性。GARCH模型是分析高铁客流量波动性的最佳模型。     

基于灰色关联分析的LS-SVM高铁客流量预测

文章结合灰色关联分析(GRA)和最小二乘支持向量机(LS-SVM),构建基于GRA的LS-SVM高铁客流量预测模型(GRA-LS-SVM)。将高铁客流量的影响因素初步设为17项,利用灰色关联分析从中选取主要影响因素,并将其作为输入变量,构建LS-SVM。以我国高铁客流量数据为例,验证GRA-LS-SVM的有效性。结果显示,GRA-LS-SVM不仅简化了模型结构,而且提高了高铁客流量预测精度。     

基于大数据的景区客流量预测系统设计

通过采集和挖掘互联网大数据,以舟山普陀山景区为例,研究网络关键词搜索量、网上酒店预订率、网络气象预报等大数据与景区旅游客流量的数据相关性。采用Lasso回归算法构建预测模型,并提出基于大数据的景区客流量预测系统设计。     

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。     

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。     

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。     

全球经济政策不确定性的演变趋势：基于EMD-ARIMA模型的预测分析

作为经济政策变动的风向标,全球经济政策不确定性（Global Economic Policy Uncertainty,GEPU）指数的动态走势对于经济政策的制定和调整具有重要的参考价值。然而GEPU指数动态路径的影响因素复杂多变,其数据生成过程难以在一个时间序列模型中得到准确的体现。基于“先分解后集成”的建模思路,首先采用经验模态分解（Empirical mode decomposition,EMD）方法将全球经济政策不确定性指数分解为若干相互独立、频率不同的可读信号,其次运用非平稳时间序列ARIMA模型对可读信号分别进行建模预测,最后集成各类可读信号的预测结果。在此基础上,进一步应用VAR模型考察了全球贸易、新冠疫情等因素对GEPU指数的动态影响。研究发现：(1)通过对训练组和测试组数据的预测值与真实值的对比,发现EMD-ARIMA模型对训练组和测试组数据的拟合精度均优于ARIMA模型;(2)与ARIMA模型相比,EMD-ARIMA 模型能够解决由原始数据不确定性、非线性以及不稳定性所导致预测偏差问题,得到精度较高的预测结果;(3)全球贸易、新冠肺炎疫情等因素对全球经济政策不确定性均产生了显著的影响,EMD-ARIMA模型的样本外预测结果显示,GEPU指数在2021年7月之前呈增加趋势,2021年7月至12月逐渐趋于稳定。     

基于ARIMA模型的居民消费价格指数的预测方法研究

本文根据时间序列相关知识,利用2000年1月到2010年12月的居民消费价格指数历史数据建立了一个ARIMA预测模型,分析2011年的居民消费价格指数的短期走势,对未来的政策提出了相关建议。     

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ARMA模型和灰色预测模型的短期客流量预测比较研究

分析了城市公交客流特征,提出短期客流量预测的必要性.分别用ARMA模型以及灰色预测GM(1,1)对上海市59路五角场站客流量进行了短期预测,并比较了两种模型的预测精度,提出可行性建议.     

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。     

论ARIMA模型在广东省第三产业预测中的应用

随着经济发展,第三产业在国民经济中的地位越来越高。对第三产业未来增长的准确预测具有十分重要的意义。以广东省第三产业为例,利用1978-2009年的数据,运用ARIMA模型对第三产业产值进行分析预测,并给出相应建议。     

对我国棉花期货价格预测的方法研究——基于EGARCH-EWMA模型与ARIMA模型比较

本文以2013年1月2日至2014年6月31日期间的棉花期货价格为研究对象,通过ARIMA模型与EGARCH-EWMA模型进行短期价格预测对比分析。结果显示EGARCH-EWMA模型在准确度和可行性方面优于ARIMA模型,利用EGARCH模型估计的滞后系数对衰减因子赋值,克服了无法科学地判定衰退因子的弊端,并且预测结果表明棉花市场具有较为明显的杠杆效应,没有完全实现价格发现功能,基于此提出完善期货市场的建议。     

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。