共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
4.
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。 相似文献
5.
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。 相似文献
6.
7.
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。 相似文献
9.
10.
11.
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。 相似文献
12.
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。 相似文献
13.
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。 相似文献
14.
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。 相似文献
15.
16.
基于ARIMA模型的我国国内生产总值的分析与预测 总被引:3,自引:0,他引:3
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。 相似文献
17.
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。 相似文献
18.
19.
《商场现代化》2016,(21)
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。 相似文献
20.
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。 相似文献