我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标,也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型(SARIMA),对我国2002年-2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现,误差较小,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

我国社会消费品零售总额的预测与分析

社会消费品零售总额是衡量人们消费水平的重要指标．也是国民经济体系中的一个重要指标。本文运用时间序列分析方法中的季节时间序列模型（SARIMA）．对我国2002年一2011年的社会消费品零售总额进行时间序列模型分析。且通过模型对2012年社会消费品零售总额做了预测,通过和2012年的实际数据比价发现．误差较小．SAILIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,该模型可以提供较为准确的短期预测效果。     

我国货币供应量预测:基于STM模型

基于标准的结构时间序列模型,将原序列分解得到趋势、周期、季节及不规则成分,在此基础上增加干预成分,将其扩展为复杂结构时间序列模型。应用1997年1月—2015年6月的中国货币供应量进行了预测,比较了STM和ARIMA预测效果。实证研究表明,STM模型具有良好的预测效果。     

用ARMA对我国GDP预测的实证研究

经济运行过程从较长时间序列看，由于市场机制的作用，呈现一定的规律，这对预测提供了依据。目前预测经济运行时问序列的理论与方法较多，而ARMA模型在经济预测过程中既考虑了经济现象在时间序列上的依存性，又考虑了随机波动的干扰性．对经济运行短期趋势的预测准确率较高．是近年应用比较广泛的方法之一。由于国内生产总值（GDP）不仅能够在总体上度量国民产出和收入规模，也能够在整体上度量经济波动和经济周期状态阁此．对GDP进行精确的拟合和分析对分析一国的宏观经济发展趋势具有重要意义。在本文中研究中，根据ARMA模型的应用条件，选取1978年以来我国实行市场经济体制的（IDP时间序列数据进行建模分析。     

地方国库现金流量预测初探——以许昌市为例

本文以许昌市为例,通过分析地方级国库现金流的特点,选择时间序列预测法,利用ARIMA模型对2010年1-9月数据进行了预测,并提出了进一步提高预测精度的途径。     

ARIMA模型在云南省GDP预测中的应用

从云南省经济发展的实际情况出发,以1978～2013年云南省GDP统计资料为依据,将这些数据进行平稳化、零均值化处理,并利用序列的自相关函数、偏自相关函数的性质确认序列应当适合的模型,利用时间序列模型中的ARIMA模型中的Box-Jenkins方法,对云南省1978～2013年的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(1,1,1)模型。模型实证分析的结果表明:在时间序列分析建模与预测方面Box-Jenkins方法是精度较高且切实有效的方法模型。     

基于ARMA模型对我国GDP季度数据的建模

本文利用我国1992年至2010年GDP的季度数据,建立一个能够有效模拟我国经济时间序列趋势、季节和周期变化的预测模型。分析表明包含季节虚拟变量、ARMA（1,1）的线性趋势模型能够很好地拟合我国实际GDP的值。最后本文对中国2011年一季度的GDP进行预测,并根据预测的结果分析了我国当前的景气状况。     

霍尔特—温特预测模型的探讨

利用具有线性季节加法趋势的数据进行预测，目前常用的方法是趋势分析法。本文引进一种新型预测方法，叫做霍尔特———温特（Ｈｏｌｔ－Ｗｉｎｔｅｒ）预测模型。它是一种由指数加权平均数组成的，专门用于对具有线性特征的时间序列进行趋势预测的分解模型。它的误差小，...     

基于ARIMA模型的上海居民消费价格指数分析及预测

大多数的经济时间序列存在惯性,通过这种惯性可以对时间序列的历史数值进行分析建模,从而对未来值进行预测。本文对1991~2015年上海居民消费价格指数的时间序列进行数据分析,利用Eviews9软件对1991~2013年上海居民消费价格指数实际的数据建立ARIMA(1,2,2)模型。用该模型对2014年和2015年的上海居民消费价格指数进行预测并与实际值进行对比,结果显示该模型预测的精准度较高。后对2016年上海居民消费价格指数进行预测,以达到合理预期和分析目的。     

基于ARMA模型对经济发展的预测——以我国工业生产总值指数为例

本文以我国1978年至2010年工业生产总值指数的年度数据为代表,建立了能够有效模拟我国经济时间序列趋势的预测模型.分析我国改革开放以来经济发展的宏观趋势.首先根据工业总产值指数序列特征对其做数据处理得到具有平稳性的二阶差分工业总产值指数序列,然后观测其自相关函数与偏自相关函数,最终建立具有高精度的ARMA模型,并对2011年我国工业总产值指数进行有效预测     

基于AR模型的中信银行收盘价预测

大多数经济时间序列都是存在惯性的,通过对这种惯性的分析可以由时间序列的当前值及过去值对未来值进行预测。本文用AR模型对中信银行收盘价(2010年1月20日～2010年7月19日)共128个数据进行建模和短期预测。     

基于AR模型的中信银行收盘价预测

大多数经济时间序列都是存在惯性的,通过对这种惯性的分析可以由时间序列的当前值及过去值对未来值进行预测。本文用AR模型对中信银行收盘价(2010年1月20日～2010年7月19日)共128个数据进行建模和短期预测。     

基于ARMA模型对经济发展的预测——以我国工业生产总值指数为例

本文以我国1978年至2010年工业生产总值指数的年度数据为代表,建立了能够有效模拟我国经济时间序列趋势的预测模型。分析我国改革开放以来经济发展的宏观趋势。首先根据工业总产值指数序列特征对其做数据处理得到具有平稳性的二阶差分工业总产值指数序列,然后观测其自相关函数与偏自相关函数,最终建立具有高精度的ARMA模型,并对2011年我国工业总产值指数进行有效预测。     

世界上网人口与电子商务交易额预测

电子商务交易额预测是电子商务发展预测中的一项重要研究课题。电子商务交易额的增长主要与因特网上网人数及网上人均交易额的增长相关。本文在广泛收集有关数据的基础上,参考国内外有关研究报告,利用1985-2011年世界上网人口以及1995-2011年电子商务交易额的时间序列分别对数据进行平稳化处理、模型识别、参数估计,建立时间序列模型,并对模型进行检验,确定较适合的自回归移动平均模型。利用该模型对2009-2011年数据分别做出计算值,并与实际值比较,结果表明相对误差均在5%之内,预测模型良好,继续利用模型对世界未来几年因特网上网用户数进行了预测,最后完成了电子商务网上交易额的近期发展预测。     

ARIMA模型在银行贷款规模预测中的应用

本文以我国银行2007~2010年月度贷款规模总额为基础数据,建立了银行贷款规模时间序列ARIMA(1,1,1)模型。模型拟合结果表明:银行贷款规模在2007年1月到2010年3月是一个持续上涨的趋势,间在2009年初增长较前月份速度加快,这与我国2009年初财政刺激政策有关同时,本文根据模型对未来的银行贷款规模进行有效预测,这对金融机构进行决策有重要参考价值。     

我国通货比率的预测研究——基于ARIMA模型

本文以通货比率为研究对象,在初步探讨改革开放以来通货比率变动规律的基础上,选取1978～2012年的数据,首次采用ARIMA模型分析该时间序列,模型拟合效果良好,最后预测通货比率在未来两年有持续下降趋势,对货币乘数和货币供给的控制以及货币政策的制定有一定的参考意义。     

ARIMA模型在汇率预测中的应用——基于人民币汇率的验证

本文使用统计软件EViews7.2,分析人民币汇率从2010年1月1日到2012年12月31日共计725天的时间序列数据,并据此建立了2种ARIMA模型。根据模型的预测精度、检验结果,本文确定了最优预测模型ARIMA(1,0)。随后运用该模型来预测2013年1月1日至3月31日人民币与美元兑换汇率(55个数据),并与2013年实际数值进行拟合。对于2013年的人民币汇率走势,笔者认为,根据模型结果,其值仍将在短期内呈缓慢下降的趋势。     

小波分析方法在金融股票数据预测中的应用研究

在我国股票市场上,股价变动比较频繁,相关数据也是典型的非平稳时间序列,因此,使用传统的预测方法难以对股价这一金融数据进行预测,基于此,本文选用了小波分析法对东风汽车2013年1月5日至2014年1月2日股票收盘价进行预测,然后对预测值与实际值进行比较。通过研究发现,小波分析法得到的预测结果与实际结果比较接近,预测值在三天到四天内是比较相似的,而当分解层数在3层时候,预测效果最好好。     

基于ARIMA模型下的时间序列分析与预测——以江苏省社会消费品零售总额为例

大多数的时间序列存在着惯性,或者说具有迟缓性。通过对这种惯性的分析,可以由时间序列的当前值对其未来值进行估计。本文以1949年到2004年江苏省社会消费品零售总额数据为研究对象,将这些数据平稳化并做分析,发现ARIMA(1,1,2)模型能比较好的对江苏省社会消费品零售总额进行市时间序列分析和预测,。     

北京市软件与信息服务业发展预测

灰色GM(1,1)模型可以预测较短时间序列的发展态势,马尔可夫模型可以对具有随机波动性的时间序列进行预测。本文结合了两种模型的特点,综合预测了2008年和2009年北京市软件与信息服务业营业收入可能达到的规模,从而对新兴产业的发展预测提供了一种尝试。