道琼斯月度价格指数的时间序列分析

本文选择了1980年1月份到2000年1月份共241个月份的道琼斯价格指数数据，通过对其进行进行去除趋势，季节调整等步骤得到了带有周期的yt残差序列，通过对yt进行建模，对道琼斯指数进行了3步预测，得到了基本满意的结果，文章还对残差序列建立了ARCH与GARCH模型，使得道琼斯价格指数的方差得到了预测与控制。     

基于ARIMA模型的内蒙古居民消费价格指数实证分析

消费价格指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动宏观经济指标。运用EVIEWS软件,选择2005年1月至2012年12月内蒙古消费价格指数的月度数据,构建自回归求和移动平均ARIMA(p,d,q)时间序列模型,分析内蒙古消费价格指数随着时间推移的变化规律,同时对未来CPI的走势进行预测,为有效实施物价调控政策提供了数量依据。     

ARMA预测模型和平滑ARMA预测模型的比较研究——基于贵州省1950-2011年的年度CPI环比数据

本文基于贵州省CPI(居民消费价格指数)1950至2011年的年度环比数据进行分析预测,并用Eviews6.0软件完成建模过程。通过对两个模型预测效果的比较,得出结论,平滑ARMA模型的预测效果并没有一般的ARMA模型好,但是平滑ARMA模型可用于对比较短的时间序列的预测,通过平滑方法可以增加样本个数,从而使得本来不能够进行ARMA预测的序列可以用ARMA模型来预测。     

贺州市CPI时间序列模型的建立及预测

本文选取了1985年至2015年的贺州市CPI数据,利用Evies6.0软件,建立时间序列模型,分析贺州市居民消费者价格指数随时间变化的规律,并对其进行了短期预测,结果表明：未来两年贺州市居民消费者价格指数仍然还会继续上涨。     

基于EEMD-BP模型的消费者价格指数预测

消费者价格指数反映了物价对人民生活的影响,是多种因素共同作用下最终的表现形式。EEMD方法是处理非平稳、非线性序列的有效工具,将其运用于CPI预测,可以从CPI时间序列自身出发揭示内在特征。本文以1994年1月至2021年9月期间的CPI为例,对其进行分解,并根据本征模函数的特征进行聚类重组,对重构后的序列波动特点进行解释,选择BP神经网络模型进行预测。研究表明：组合模型比单一模型具有更高的预测精度;经过EEMD方法分解的CPI组合预测模型比EMD方法分解的CPI组合预测模型具有更高的预测能力。     

基于ARIMA模型分析四川省GDP

通过选取1978年至2018年四川省国内生产总值的相关数据,运用计量经济软件Eview8.0、SPSS25.0对选取的时间序列数据进行ARIMA模型与残差自回归模型的建立。在模型均通过检验的基础上,对AIC等信息准则的综合比较,最终确定建立ARIMA(4,2,0)最优模型来对四川省GDP进行分析与预测。     

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.     

时间序列分析在金融价格预测中的应用

与回归分析不同，时间序列分析不是根据与其它变量的因素关系来预测一个变量的未来变化，而是根据该变量自身过去的规律来预测其未来的变化。这与实际中价格信息的复杂性特征具有较好的符合关系。作在Intnet网上查取了伦敦金属交易所（LME）镍金属从1998年1月到2001年5月共41个月的月平均现金参与价值数据41个，用其中的前37个数据进行时间序列分析，得到了AR（3）模型，用最小二乘法和Yule-Walker法预测后五个数据，得到了较好的效果。因此在价格信息分析与预测中使用时间序列分析理论和方法具有广阔的应用前景。     

我国CPI近期波动，睛况分析及其走势预测

2008年下半年开始,我国CPI增幅大幅度下降,甚至在2009年2月出现了负增长。文章围绕CPI是否会进一步走低,以及经济形势的未来发展为主要研究目的,通过理论研究和实证分析对此轮物价波动做出其一定理论价值和现实意义的阐述。通过对我国2007年6月份至2009年2月份的居民消费价格指数进行统计预测．预计在未来的一段时期内,CPI都会出现负增长．但期间也不可避免要出现一些波动。     

我国CPI近期波动情况分析及其走势预测

2008年下半年开始,我国CPI增幅大幅度下降,甚至在2009年2月出现了负增长。文章围绕CPI是否会进一步走低,以及经济形势的未来发展为主要研究目的,通过理论研究和实证分析对此轮物价波动做出其一定理论价值和现实意义的阐述。通过对我国2007年6月份至2009年2月份的居民消费价格指数进行统计预测．预计在未来的一段时期内,CPI都会出现负增长．但期间也不可避免要出现一些波动。     

居民消费价格指数季节调整实证研究

文章首先对居民消费价格指数季节调整的原因、季节调整方法的发展过程和应用进行了说明,着重介绍了国际上最新流行的X-12-ARIMA和TRAMO/SEATS季节调整方法,然后用X-12-ARIMA方法对上海市居民消费价格指数序列进行季节调整、分析和预测,并结合使用TRAMO/SEATS方法解决中国与国外明显不同的春节假日因素的调整问题,最后提出我国季节调整面临的问题.     

CPI的SARIMA模型与X-12季节调整模型对比预测分析

基于SARIMA模型及X-12-ARIMA模型对我国1995年1月至2014年6月的居民消费价格指数月度数据进行预测分析。利用Eviews 6.0对CPI数据的变化趋势及季节性进行验证,结果表明X-12季节调整模型相对于SARIMA模型更有效,预测值与实际值的估计误差控制较好。     

2006年物价形势分析及走势预测

本文从物价与经济指标的长期与短期均衡关系出发，分析了当前的物价形势，并对2005年第4季度和2006年的消费价格指数和生产资料价格指数走势进行了预测。根据分析和预测结果判断，2005年第4季度及2006年物价将处于温和增长态势，不会出现较大的通胀或通缩。     

基于残差自回归方法的短期区域用电量预测

基于我国区域用电量数据展开了短期用电量预测研究,采用了基于残差自回归方法的时间序列预测模型,有效提高了短期区域用电量预测准确性。相比于传统的时间序列模型(ARIMA模型和Holt-Winters模型),基于残差自回归方法的时间序列预测模型的MAPE值和RMSE值均最小,并在两个不同的数据集上表现平稳。     

浅析我国通货膨胀的现状及预测

本文通过对我国2015年10月—2016年12月的居民消费者价格指数、 商品零售价格指数和生产者价格指数的现状进行数据描述,发现我国维持着通货膨胀的现状,简析原因及得出我国通货膨胀的结果及预测.     

中国外汇储备的预测

基于1993年1月至2010年4月中国外汇储备量的月度数据,采用Pandit-Wu方法建立了ARMA(1,1)模型,并对模型进行了残差检验和白噪声检验。进一步对中国外汇储备的变化情况进行了内插预测。     

我国活鸡价格波动分析与预测

本文运用时间序列分析的X12方法和H-P滤波,获得了我国2001年1月至2009年10月活鸡价格序列的周期成分。周期成分的分析结果表明,活鸡价格存在长约26～40个月的波动周期,而且周期长度有随时间推移变长的趋势。肉雏鸡和肉鸡饲料价格波动轨迹与活鸡价格波动轨迹相似。此外,活鸡价格序列分析显示,禽流感疫情对其价格产生重大冲击。进一步地,用Holter-Winter模型对活鸡价格进行预测,得到了样本外推12个月的预测结果。     

基于ARMA的粮食产量模型的构建——以安徽省为例

首先,对1949--2Q05年的安徽粮食产量进行单位根（ADF）检验和非随机性检验,其次,构建半对数模型来拟合安徽粮食产量,得到的残差不是白噪声。最后,对残差构建ARMA（1,3）模型,此时残差为白噪声序列,即对安徽粮食产量建立半对数模型和ARMA模型的组合模型。     

基于EMD的碳市场价格影响因素多尺度分析

本文基于2005年4月～2011年9月欧洲气候交易所碳期货价格数据,运用经验模态分解(EMD)模型,将碳价序列从高频到低频分解成若个独立的、不同尺度的内在模态函数(IMF)和一个残差项,并赋予它们相应的物理含义;应用fine-to-coarse reconstruction算法将分解得到的IMF和残差项重构成高频分量、低频分量和趋势分量。这三个分量依次被辨识为短期供需失衡和市场随机活动影响、中期重大事件影响以及长期趋势。最后,针对提高国际碳市场价格预测的准确性,作者提出了一系列建议。     

基于SARIMA模型的中国居民消费价格指数预测

居民消费价格指数(CPI)是宏观经济分析以及价格水平监测和调控的重要指标。利用2001年1月至2013年10月的以2001年1月为基期的定基比月度数据,运用Eviews6.0软件建立SARIMA模型,并进行CPI短期预测,根据预测结果提出相关政策建议。实证分析证明SARIMA模型可以很好地拟合定基比数据,预测精度极高。