基于SARIMA-GARCH模型的CPI预测

CPI是一个滞后性的数据,但它在整个国民经济价格体系中具有重要的地位,它是进行经济分析和决策、价格总水平检测和调控及国民经济核算的重要指标,对CPI进行预测有利于政府宏观调控。本文基于我国近20多年来共324个月的CPI数据,应用时间序列分析中SARIMA模型和GARCH模型,进行分析拟合,得出了较为精确的拟合曲线,并应用该曲线对2014年1月至2015年3月共15个月的CPI进行预测,得到了较为理想的预测结果。     

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。     

世博影响下的上海入境旅游人数趋势预测

利用上海入境旅游人数历史数据建立趋势方程,结合金融危机对旅游业的消极影响提出了指数曲线和Logistic曲线两种可能的拟合模型进行预测。考虑2010年世博会这一事件旅游的重大影响,最终选择指数模型作为最佳拟合模型,预测2010年上海入境旅游人数将达到721.284万人。     

基于时间序列模型的中国出口总额分析及预测

基于中国近20年来中国出口总额的月度数据,通过对数据特征进行的分析,采用了Holt-Winters滤波方法和ARIMA(0,1,1)模型对数据进行拟合,并对模型进行了相关检验,以此来考虑模型的可行性及拟合效果的优良性。最后对中国出口总额的月度数据进行了预测,结果显示Holt-Winters滤波方法和ARIMA(0,1,1)模型的预测平均相对误差率很小,说明时间序列模型在我国出口总额的预测中具有较好的实用价值。     

吉林省居民消费时间序列分析与预测

本文以1994—2012年吉林省居民消费统计数据为依据,采用Eviews软件进行分析,对数据进行一系列的检验与调整后,用线性拟合模型进行分析,结果显示二次曲线拟合模型是最为理想的模型,其次利用该模型对吉林省2013年居民消费水平变化情况进行预测,预测结果基本符合吉林省居民消费的发展趋势。     

人工神经网络在股指期货价格预测中的研究--基于沪深300股指期货市场高频数据的分析

本文基于GRNN神经网络模型对中国沪深300股指期货高频数据进行仿真并预测,研究发现：GRNN神经网络模型的拟合值与实际值曲线非常接近,仿真效果较好;预测值与实际值整体保持一致,平均相对误差较小,模型短期预测能力较强。     

基于ACRH模型的上证指数预测分祈

该文通过建立ARCH模型对上证综指2000到2009年的月度收盘价数据进行拟合，然后预测了2010年前四个月的收盘价，并与真实值进行了比较，通过比较得出ARCH模型预测效果较好。     

四川省旅游消费的增长速度预测——基于时间序列模型

本文选用四川省2000年~2014年的年度数据为样本建立时间序列模型,利用SPSS软件对模型进行曲线估计,并对模型的拟合结果进行分析,得出模型适用于指数函数的结论。基于建模的结果,对四川省未来几年旅游消费的增长趋势进行预测,并对四川省旅游消费增长可能产生的影响提出对策与建议。     

LNN模型在新上证综指的预测

本文利用线性神经网络模型（LNN）对“新上证综指（000017）”进行拟合预测。选取从“新上证综指”开始发行月份（2006年1月）到2011年6月的月度数据，用前62个做训练组，最后4数据做预测组，通过比较不同滞后窗口模型的误差平方和，选择适当的窗口数为最优模型。     

混频模型在我国宏观经济预测中的应用研究

近年来,我国宏观经济预测模型存在稳定性显著下降、预测精度大幅降低等缺陷,亟待对其进行改进。本文通过融合动态因子模型和混频数据抽样模型,构建了因子混频数据抽样模型FA-MIDAS,实现对120多个宏观运行监测指标的深度挖掘和信息提取,并对我国季度GDP增速进行样本内拟合与样本外预测。研究结果表明：FA-MIDAS模型的样本内拟合效果好于未考虑混频数据的模型以及将月度数据简单平均后转换为季度数据的模型。与同频模型相比,FA-MIDAS模型能够提高预测精度。在数据处于较为平稳阶段时,模型中加入自回归项确实会带来预测精度的改善,但在数据波动较大时,加入自回归项会存在惯性趋势,反而降低了模型预测精度。随着当季数据公布的增多,当季GDP的实时预测及向前多步预测的预测精度会随之提高。     

我国居民的消费水平时间序列分析及预测

本文采用时间序列分析及预测的方法对我国居民的消费水平的发展趋势进行分析预测。通过EViews7.0建立时间序列模型,选择合适模型进行拟合,并作出预测。利用二次型模型和指数型模型,用最小二乘法进行参数估计。利用拟合优度大小和拟合图相结合,选出最优模型及预测值。     

电力系统短期负荷预测

文章是一个研究多重变量之间的关联程度的问题,通过利用多项式回归方程拟合的思想,偏最小二乘回归法、线性回归和曲线拟合的方法建立了电力系统短期负荷预测的模型。模型考虑了数据相对于时间的变化情况、数据之间存在的相互影响关系,对未来的电力系统短期负荷情况进行了合理的预测。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

中国外汇储备规模预测

基于改革开放后中国外汇储备规模变化的不同阶段划分及相关数据。本文研究表明自2000年以采高额储备规模主要来源于出口贸易、外商直接投资和国家外债，国家政策取向、金融行业改革等因素引发了对外汇储备的高需求。基于上述分析，结合近十年宏观经济数据。利用偏相关分析剔除通货膨胀率影响，从诸多经济变量中遴选出了出口总值、外商直接投资、M2、人均GDP、外债余额和平均进口倾向等六个与外汇储备规模变化最密切的变量进行多元回归分析．以外汇储备为因变量．分别建立了幂函数回归和多项式回归两种多元回归模型．拟合优度、F检验和t检验表明二者都能较好的预测外汇储备规模．尤其以多项式回归模型预测效果为佳。     

量化私募行业发展趋势的组合预测研究

文章首先从私募证券基金角度出发,分析和预测了量化投资行业未来的发展趋势;针对存在突破点的机构数量时间序列,在传统的ARMA (1,1)模型基础上,引入了干预分析模型,分析得出对时间序列的拟合效果较好。其次建立了线性回归方程研究机构数量和沪深300的关系,研究得出模型的拟合程度较高。最后为了进一步提高预测模型对时间序列的拟合效果以及预测精度,文章将不同模型的预测精度作为预测值的诱导值,建立了基于IOWA算子的组合预测的模型。     

基于灰色预测和回归模型的北京城区房价预测研究

房价的涨跌直接影响民众的生活质量。根据房价的历史数据对未来房价走势进行预测分析,对政府制定住房政策,指导房地产行业发展以及对公民选择合适的时机购买住房都具有重要的意义。首先研究了北京各个城区平均房价的纵向时变特性,建立了回归模型,利用线性函数和三角函数,刻画房价增长趋势和周期性波动趋势,得到了很好的拟合和预测性能。之后进一步对数据集进行处理、并采用灰色预测GM(1,1)模型进行了预测,得到了更加精准的预测结果。     

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。     

产品生命周期曲线预测模型及应用

加强产品生命周期的研究,及时了解产品的生命周期阶段,这是现代企业生存和发展的基本保证。对产品生命周期的分析有多种方法,其中数学模型法,即根据产品生命周期的发展规律,运用经济计量数学模型与经济学原理相结合,对产品生命周期建立理论模型,对市场产品的需求量进行科学的预测是一种有效的方法。根据统计分析比较,多项式曲线对数据的整体拟合效果是比较显著的,试用三次函数曲线预测法对产品生命周期曲线整体拟合,并利用SPSS软件中非线性化模型转化为线性回归模型方法求解。     

基于组合模型的江苏省居民用电量预测分析

研究利用时间序列基本分析方法ARIMA模型分析法、指数平滑ETS模型和神经网络自回归模型对江苏省居民每月用电量进行数据分析、处理、拟合、检验及预测,以2004年1月至2017年12月用电计量数据作为分析样本,使用R软件对该时间序列进行建模。对给出的数据建立ARIMA模型、ETS模型和NNAR神经网络自回归模型,接着利用MAE、RMSE、MAPE三个评价指标来衡量模型的优良度。尝试通过组合模型对2018年江苏省居民12个月的用电量进行预测,与实际值进行对比验证,发现权重模型的误差最小,选择作为最终预测模型。最后得出结论,组合模型的预测效果要优于非组合模型。     

家电产品市场销售的预测方法研究

以家电产品销售量常用的预测模型——灰度理论GM(1,1)模型为参照蓝本,根据1996—2009年家电产品年销售数据,探讨修正威布尔模型在家电产品市场销售量的预测作用。根据家电产品销售市场的变化规律,以威布尔累计概率为基础,提出修正威布尔预测模型。通过对1996—2009年家电产品年销售数据的拟合,建立家电销产品年销售量的修正威布尔预测模型,与灰度理论的GM(1,1)模型对比,分析两种预测模型的优劣,分析修正威布尔预测模型在家电产品市场销售量预测的适用性和准确性,为家电销产品售量预测提供全新的预测模型。