ARMA在我国GDP预测中的应用

本文用ARMA模型对我国1978—2007年GDP数据进行分析,并预测出未来三年的GDP数据。与实际GDP相对照模型预测误差较小,说明ARMA模型非常适合于短期预测。     

股票波动性的拟合与预测研究——基于SETAR模型

分别使用非线性自我激励门限模型(SETAR模型)和线性ARMA模型对股票市场进行比较研究,并运用MAE和RMSE方法比较两者的预测效果,结果表明,通过门限值的控制作用,SETAR模型利用时序数据隐含的时序分段相依性这一重要信息,限制了模型误差,从而比ARMA模型更适合于描述股票波动的非线性规律。     

武汉市人均GDP时间序列模型构建及预测

ARMA时间序列模型反映某个变量过去的变动规律,并可以利用这个规律对未来值进行短期预测。人均GDP是衡量一个国家或地区经济发展和人民生活水平的一个重要参考指标。本文利用湖北省武汉市1980-2009年的时间序列数据建立武汉市人均GDP的ARMA模型,并利用该模型进行短期外推预测。     

福建省城乡居民收入差距预测模型比较研究

本文选取福建省1981-2008年间的城乡收入差距值时间序列数据,建立四个时间序列模型进行比较分析,最终确定ARMA模型作为预测模型.并以2006年、2007年和2008年的数据作为检验数据检验该模型预测效果,进一步验证了其预测效果较优,最后利用该模型对福建省2011-2014年城乡收入差距值进行短期外推预测,并给出对策建议.     

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.     

房地产预警指数的预测方法研究

近年来,我国房地产业快速发展,社会各界对房地产业高度关注。因此,把握房地产市场发展趋势的变动变得尤为重要。建立科学、有效的监测预警系统,对于引导房地产业沿着健康的道路发展,促进资源的合理利用,具有十分重要的理论和实践意义。本研究使用eviews软件,运用自回归移动平均法建立ARMA模型和指数平滑法建模这两种模拟预测方法,选取指标房地产投资额/固定资产投资额为预测对象,并以北京市为例,进行了动态趋势模拟并进行了短期预测。     

ARMA模型在河北省出口形势预测中的应用

选用2010年1月—2012年9月河北省出口额作为样本数据,运用ARMA模型进行实证分析,结果表明:2012年9月预测值与实际值比较,预测误差较小,说明建立的ARMA模型较为实用,可以应用于河北省出口形势的短期预测。     

ARMA模型在我国劳动参与率预测中的应用

劳动参与率是全部就业人口与失业人口占一个国家或地区所有工作年龄人口的比例.体现了当地劳动力参与社会经济活动的程度,并反映了区域经济的发展与活跃程度.ARMA模型"基于让数据自己说话"原理着重于经济时间序列本身的概率或随机性质,对时间序列数据的短期预测非常成功.本文采用ARMA模型预测了我国劳动参与率,并分析了劳动参与率下降的原因,最后提出相关建议.     

股票收益率预测模型的比较

本文的目的是对ARMA和人工神经网络模型预测股市的能力做比较,在介绍了文中用到的ARMA和人工神经网络模型的理论知识,建模过程,结果检验和预测的方法的基础上,将收益率数据和五个常见的技术指标和我国银行间债券市场7天回购加权平均利率作为神经网络的输入变量,并对模型的预测效果根据它们预测样本,预测范围等进行了对比,结果发现神经网络在输入变量较多时优于ARMA模型。     

金融危机下人民币汇率的ARMA模型预期

本文分析了2007年以来的全球金融危机对人民币汇率产生的影响。井用ARMA模型拟合了2007年4月至2009年5月人民币兑美元的名义汇率,认为可用ARMA（1,5）模型对汇率进行短期预期,同时用该模型对未来一年的汇率进行了预测。从长期看,名义汇率如果未受到另一次结构性冲击,将继续保持目前的水平走势。     

基于时间序列的我国GDP的短期预测

随着经济全球化的深入,一国的经济实力在国家实力中的重要性越来越突出,世界各国都开始疯狂发展经济,以在国际竞争中求得一席之位。GDP(国内生产总值)从某个侧面反映了国家的经济实力,成为了各国衡量经济实力的重要指标。中国从改革开放之后,经济不断发展,GDP数据逐年增加,并呈现一定的规律。若能准确的预测中国之后几年的GDP数据,对国家宏观调控具有重要意义。本文在各项预测方法中选择了时间序列模型作为研究对象。从时间序列的基本概念出发,了解时间序列模型的种类与建模方法,以整套的时间序列建模理论为基础,在我国GDP数据上建立了ARMA模型,应用ARMA模型对2012年我国GDP数据进行预测,其预测结果与实际值之间相差很小,拟合结果比较满意;在此基础上,预测未来三年的GDP数据。     

基于ARMA模型的美元兑人民币汇率预测与趋势分析

随着中国外汇制度的不断改革,人民币汇率变化一直是金融领域的热点话题。本文以我国1994年到2014年美元对人民币汇率的月度数据为代表,建立了模拟人民币汇率时间序列趋势的有效预测模型。分析我国改革开放以来经济发展的宏观趋势。首先输入美元兑人民币汇率序列特征对数据处理得到具有平稳性的一阶差分序列,然后根据其自相关与偏自相关函数定阶,对拟合模型的适应性进行检验,最终建立具有高精度的ARMA模型,并对2015年美元兑人民币汇率进行有效预测。     

基于ARMA时间序列模型的中重卡行业市场趋势预测

随着中国经济步入新常态,中重卡行业竞争进入白热化阶段,面临较大的产能过剩压力,对其市场需求变化进行判断,特别是中短期的准确分析有利于主机厂与相关第三方供应商的生产计划决策。文章引入ARMA时间序列模型,开展月度需求的预测分析,从结果来看拟合度较高、具有较好的应用价值。     

基于ARMA模型的中长期电价预测

准确的中长期电价预测具有重要意义,尤其是对我国来说,其不仅可以为电力市场参与者进行年度合同谈判、制定中长期企业战略决策提供重要依据,也可以为政府定价提供参考。本文通过对我国1978年至2007年的全国平均销售电价进行分析研究,提出了一种基于ARMA模型的电价预测方法,结果表明ARMA模型可以很好地拟合我国的销售电价,预测效果良好。     

ARIMA模型在社会消费品零售总额预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型（ARMA）法，对中国社会消费品零售总额进行时间序列分析。分析显示，APIMA模型可以提供比较准确的短期预测效果，可以为中国社会消费品零售总额的预测提供一定的依据。     

基于ARMA模型的我国居民消费价格指数预测

居民消费价格指数(CPI)是用于反映居民家庭一般购买的商品和服务物价变动情况的宏观经济指标,对展示经济运行的平稳性,表现经济发展的质量和效益有重要意义。因此本文建立了一个ARMA模型,选取我国2001年1月到2015年12月的CPI环比月度数据作为样本,运用R3.4.3软件对居民消费价格指数时间序列的自相关系数与偏相关系数进行统计,进行模型定价并估计出其参数,并对2016年1月至5月的居民消费价格指数进行预测。实证结果显示MA(2)模型能较好地拟合商品指数的动态路径,模型的预测值与实际观测值非常接近,表明ARMA模型在居民消费价格指数的预测中效果较好。通过ARMA模型合理预测我国的居民消费价格指数,能够对未来经济发展有初步的了解,为国家有关政策的制定提供理论支持。     

基于时间序列分析的全国GDP预测模型

本文利用统计软件对我国1978年到2006年的实际GDP时间序列数据进行了分析,建立了ARMA模型,并对2009年到2011年的全国GDP进行了预测。结果表明模型有很好的预测效果。     

基于ARMA模型的河北省农村居民家庭恩格尔系数的分析与预测

恩格尔系数是衡量居民消费水平的重要指标，而居民消费水平也可以反映城市的经济发展状况。本文以1980年至2010年的河北省农村居民家庭恩格尔系数作为样本数据，2011年至2012年的数据作为模型检验数据，建立基于时间序列分析的ARMA模型，使用EViews软件对时间序列进行分析与预测，并给出2013年-2014年的预测值。结果表明， ARMA模型预测精度较高，我省农村居民恩格尔系数未来几年仍呈现下降趋势。     

中国服务贸易进出口规模的ARIMA模型和预测

根据时间序列建模原理,对我国的服务贸易进出口的时间序列数据构建了ARIMA模型,并进一步分别给出了在95%的概率意义下,我国服务贸易进出口总额、进口额和出口额的短期区间预测结果,这一预测范围比简单的点预测结果更加客观与可信。     

我国居民消费价格指数时间序列预测——基于ARIMA模型与平滑ARIMA模型的比较分析

对我国CPI的1951-2008年年度数据进行分析预测,用一种短时序数据的结构分析模型——平滑ARIMA模型对数据进行了分析预测。通过对两个模型预测效果的比较,结果表明,相比于ARIMA模型,平滑ARIMA模型预测的准确度大大提高。