时间序列分析与汇率预测

在简要介绍汇率预测和时间序列模型的基础上,使用人民币/欧元的日汇率值进行实证研究,建立相应的ARIMA模型并进行预测和评价,进而描述人民币/欧元汇率的变动趋势。     

对建国以来我国商品零售价格指数的分析及短期预测

在判断和测量经济波动程度的诸多指标中，社会商品零售价格指数无疑是一个既便于操作又能够很好地说明问题的指标，尤其是他能够直观反映价格水平的变化，因而，常常可以通过观察它的变化及其程度来初步判断经济是否处于通货膨胀或紧缩情形。本基于以上观点，通过时间序列模型(ARMA)，利用1950-2002年的商品零售价格指数统计资料，对我国商品零售价格指数进行建模分析，并对未来几年的价格指数进行了预测，同时结合以往数据及预测结果，针对我国商品零售价格指数所反映的问题进行一些分析。     

ARIMA模型在中国商品零售价格预测分析中的运用

运用SAS软件系统中时间序列建模方法对中国商品零售价格指数序列建立了ARIMA(1,1,1)模型。预测结果表明我国商品零售价格将在2008年～2012年保持持续上涨的趋势,这可以为相关部门和单位提供一定借鉴。     

基于ARIMA模型的我国国内生产总值的分析与预测

本文先介绍了ARIMA模型,而后重点在于ARIMA方法与传统法的比较,指出了ARIMA方法与传统方法的异同,关键的不同点主要有三个方面:建模的基本思想不同、前提不同以及适用范围不同,最后运用ARIMA模型对我国1978—2009年的GDP总额进行了分析与预测,得出ARIMA(2,2,2)模型可以对我国的GDP序列作短期预测。     

基于ARIMA模型的我国人口增长的分析与预测

运用ARIMA模型对我国1949-2009年的人口总数进行了分析与预测,得出AR IMA （2,2,1）模型可以对我国的人口总数作短期预测的结论。     

基于ARIMA模型的饮品销售预测

本文旨在用时间序列分析方法对某上市饮品公司近六年的月度销售量数据进行分析预测.作者根据样本数据自身特点,采取了时间序列分析方法,并结合统计软件Eviews6运用ARIMA建模方法对该组时间序列进行分析,建立最优计量模型,得到了合理的预测结果.     

基于ARIMA模型对销售总额的预测分析

在自然科学和社会科学各研究领域中,大量决策问题都离不开预测,预测是决策的基础。近年来,ARIMA模型得到了极大的发展,越来越多的应用在各个领域的分析中,本文我们对某公司2000年1月到2008年12月的8种商品的销售总额的数据作为分析的样本进行分析,建模,预测未来三期的值。为了验证预测的准确性,我们去掉了后三期的数据,作为预测目标,以便对真实值与预测值进行有效的对比,结果预测基本准确,最终我们得出预测五期的增量。     

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。     

江苏经济发展阶段划分与人均GDP预测

本文选取了江苏省1980年以来经济发展的11项经济指标进行统计分析,总结和直观展示出一些指标的变化规律,划分了经济发展的阶段,采取新方法预测了2012年和2013年的经济指标,进而得出若干结论。     

关于我国货物进出口总额的分析与预测

改革开放以来,我国的外贸事业发展迅速,尤其是加入世界贸易组织以后,发展势头更猛。目前我国的外贸依存度已经达到了70%,进出口贸易对我国经济的发展和人民生活的影响也越来越显著。因此,对进出口贸易的分析和预测也逐渐成为了经济学界研究的热点。本文根据1991-2012年的我国的货物进出口总额的数据,建立二次型模型,进行时间序列分析,并对2013-2014年的数据进行预测。     

基于ARMA模型的我国国内生产总值GDP的预测与分析

本文基于1995—2014年我国国内生产总值GDP的时间序列数据,先后通过平稳性检验及处理、自相关与偏自先关分析,并结合AIC准则定阶,建立模型ARMA(1,2);运用该模型对我国国内生产总值进行预测。     

四川省宏观经济运行状况分析和预测

通过分析2004-2013年四川省地区相关经济数据,概述了四川省的宏观经济运行情况并阐明了原因,之后给出了三大产业增加值的回归方程,并预测了未来的相关经济数据。     

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。     

基于Box-Jenkins法的煤炭价格预测研究

Box—Jenkins法在国内和国外得到了广泛的运用,本文以秦皇岛煤炭市场的山西优混的周价格时间序列为研究对象,运用Box—Jenkins法,建立了短期煤炭价格的ARMA(121)模型,通过拟合与检验,证明模型的效果是较好的,并用之进行了短期煤炭价格的预测,结果也表明,该模型的预测结果是比较准确的,是合乎煤炭价格风险管理的基本要求的。     

时间序列法在股票预测中的应用

伴随着我国市场经济的发展与繁荣,股票已经走进了我们的各家各户,成为了与大多数人息息相关的投资产品。因此,对于股票走势的预测也成为越来越多的人所关注的问题。本文对数据挖掘技术做了深入的研究,探讨了时间序列法在股票趋势的预测方面的具体应用。目前,时间序列预测方法己经成为预测法中比较成熟的一个理论体系。因此,可以对股票市场未来的走势进行相对成熟的预测,并且为对股市的研究提供理论与技术的支撑,并为广大股民提供相应的选股建议。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型(ARIMA),对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA(2,1,1)模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

基于ARIMA模型对我国就业状况的预测

本文采用求和自回归移动平均模型（ARIMA）,对我国1952年～2006年的就业人数的数据进行时间序列分析,结果显示ARIMA（2,1,1）模型提供了较准确的预测结果,可用于未来的预测,就此可为我国社会保障部门提供一些参考数据。     

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。     

基于乘积季节模型的我国流通中现金预测

文章基于2000年1月至2019年6月我国流通中现金(M0)供应量期末值数据,建立ARIMA(1,1,2)×((1,3),1,3)_(12)乘积季节模型对其进行实证分析,平均相对误差为2.62%,且模型R~2为94.95%;并利用该模型对2019年我国流通中现金进行预测,为我国该年经济发展前景提供一定的参考依据。     

再探分析师盈利预测之相对准确性

本文采用Wind数据研究了证券分析师的盈利预测相比于时间序列模型预测的准确性。本文的实证结果表明:分析师的预测存在乐观偏误;相比于消除个别分析师的预测偏误而言,预测日期的新旧对于证券分析师盈利预测的准确性更为关键;剔除过时的分析师预测值之后,在接近年报公布日的预测区间内,分析师的盈利预测优于时间序列模型预测。