基于卡尔曼滤波算法的上证50指数预测

本文基于ARMA模型构建卡尔曼滤波算法的线性状态空间模型,然后利用ARMA模型的卡尔曼滤波算法来预测上证50指数,并且将预测结果与基于ARMA模型的预测结果进行了比较,结果表明,结合了ARMA模型的卡尔曼滤波算法的预测准确度为52.1%,明显优于单纯的ARMA模型。     

ARMA模型在居民消费价格指数预测中的应用

居民消费价格指数(CPI)是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标。本文利用近年来的月度数据,通过对居民消费价格指数自相关函数与偏相关函数的统计识别,建立了一个ARMA模型,并运用Eviews软件估计出其参数。利用这个模型对我国的居民消费价格指数进行合理的预测。     

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。     

ARMA模型在居民消费价格指数预测中的应用

居民消费价格指数(CPI)是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标。本文利用近年来的月度数据,通过对居民消费价格指数自相关函数与偏相关函数的统计识别,建立了一个ARMA模型,并运用Eviews软件估计出其参数。利用这个模型对我国的居民消费价格指数进行合理的预测。     

基于金融加速器理论和ARMA模型对中国农村CPI的浅析

本文以中国农村主要金融机构为研究对象,以2000年1月到2014年3月的中国农村居民价格消费指数为研究数据建立ARMA模型,并根据所建模型和数学公式预测4.5月份我国农村CPI数据并与现实数据进行对比,以此来检验模型的准确性并结合金融加速器相关理论来对农村地区未来CPI走势进行理性分析,最后结合我国现行的农村金融政策提出若干可行性建议。     

银行房屋抵押贷款总额的时间序列预测——基于ARMA模型与趋势-ARMA组合模型的比较分析

基于1990年第一季度到2011年第三季度美国全部银行的房屋抵押贷款总额,建立了ARMA模型以及组合模型来拟合时间序列,并通过残差序列趋势和残差序列相关图,偏相关图等的分析,预测出2011年第四季度与2012年第一季度的美国全部银行的贷款总额。     

基于金融加速器理论和ARMA模型对中国农村CPI的浅析

本文以中国农村主要金融机构为研究对象,以2000年1月到2014年3月的中国农村居民价格消费指数为研究数据建立ARMA模型,并根据所建模型和数学公式预测4.5月份我国农村CPI数据并与现实数据进行对比,以此来检验模型的准确性并结合金融加速器相关理论来对农村地区未来CPI走势进行理性分析,最后结合我国现行的农村金融政策提出若干可行性建议。     

基于ARMA模型对我国“十一·五”电力需求的预测

本文用Eviews软件以我国用电量的历史数据（1973-2006年）为基础分析了我国用电消费量的数据特征,建立ARMA模型,然后通过对模型的识别、建立、评价和选择,最后选择指数回归ARMA（1,2）模型对我国用电量进行预测。     

ARMA和VAR模型对GDP的预测效果探究

本文回顾了GDP预测的不同模型,并用ARMA模型和VAR模型对季度GDP进行预测,将预测结果与相对权威的主观预测朗润预测进行比较,以检验ARMA模型和VAR模型的预测效果。     

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。