ARIMA模型在股票价格预测中的应用

文章研究了ARIMA模型及其应用,以三一重工(600031)的120个股票价格数据为例,给出了时间序列模型预测的建模过程。通过真实值与预测值的比较,验证了模型的可靠性,该模型适用于短期预测,对长期预测效果不佳,为实际应用中,对短期预测股价,提供了参考的依据。     

中国国际旅游收入的时间序列模型

季节哑变量回归模型、求和自回归滑动平均模型和自回归模型在预测中国国际旅游收入时各有优劣。用平均绝对百分比误差、均方根误差和均方根百分比误差三个指标来评估这三个模型,发现自回归模型的预测能力最好,并由此提出增加中国国际旅游收入的关键措施:导入区域旅游模式,提升旅游服务质量,加强旅游产品的国际促销,等等。     

ARIMA模型在广东工业指标预测中的应用

采用自回归移动平均模型ARIMA对广东省工业增加值进行动态分析。结果显示,ARIMA(1,1,0)×(1,1,0)12对于考察序列是适用的,达到了较好的模拟预测效果,可用于对广东省工业增加值的短期未来预测。     

自回归单整移动平均模型在财政支出预测中的应用

财政支出是一个地区或国家经济指标体系中的一个核心指标,它能综合反映经济活动总量和衡量一个地区或国家的工业经济发展水平。对财政支出进行定量分析并对其做出较为准确的预测则可以为相关部门或者企业制定发展规划、实施相关措施提供可靠的理论预测参考。通过财政支出规模和结构的预测,有利于指导未来财政支出结构优化工作的进行,同时建立财政支出结构预警体系,对于财政支出结构中出现异常波动的部分进行重点关注。本文是对财政支出预测理论和途径的一种探索,引入自回归单整移动平均模型,在模型的进一步使用中还需注意其他影响因素的出现,如经济波动、财政政策的大幅度调整等,未来还需要引入相关的要素对财政支出预算模型和理论进行不断完善。     

ARIMA模型在中国人均煤炭消费预测中的应用

本文依据我国人均煤炭消费量的数据,借助Eviews软件,比较分析建立了最优拟合模型ARIMA(2,2,2)。利用该模型进行预测,与实际值比较可知预测精度较高,最后利用模型ARIMA(2,2,2)预测了未来几年我国人均煤炭消费量。     

ARIMA模型在陕西省城镇居民人均消费预测中的应用

陕西城镇居民人均消费支出是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。运用1980—2007年陕西城镇居民人均消费支出数据建立了ARIMA（4,1,4）模型,其预测结果通过了检验。预测结果为各级政府提出扩大城镇消费支出的政策提供了科学依据。     

ARIMA模型在北京市全社会固定资产投资预测中的应用

投资是拉动经济增长最主要的力量之一.通过采用自回归求和移动平均法,对《新中国五十年统计资料汇编》及《北京统计年鉴2005》所提供的北京全社会固定资产投资额数据进行分析.结果显示,ARIMA[3,1,0,也即AR(3)]模型提供较准确的预测效果,可用于未来的预测,并对北京市全社会固定资产投资提供可靠依据.     

基于ARIMA模型的我国国际贸易总额预测

进出口总额是一国经济贸易的重要指标。本文基于时间序列理论,以我国1950年和2010年中国进出口贸易总额为基础,建立AKIMA（2,1,2）时问序列模型,并对我国未来5年的进出口贸易总额做出预测,为国际贸易政策的制定和调整提供可靠的依据。     

基于自回归滑动平均模型的我国历年外汇储备的BJ建模与预测

外汇储备是一个国家国际清偿能力的重要组成部分,它对平衡国际收支、稳定汇率有重要的影响。本文首先介绍自回归滑动平均模型和BJ建模方法,并基于自回归滑动平均模型对我国1981年-2009年的外汇储备进行建模与预测。     

湖北省社会消费品零售总额ARIMA模型与预测

本文首先根据1999年1月至2008年12月湖北省社会消费品零售总额数据建立了时间序列分析模型:ARIMA(2,1,1)(1,1,1)12,并利用该模型对2009和2010年的社会消费品零售总额进行了预测和分析.     

基于ARIMA模型的武汉市就业状况预测

文章采用求和自回归移动平均模型(ARIMA),对武汉市1950-2005年的从业人员人数的数据进行时间序列分析,结果显示,ARIMA(2,1,2)模型提供了较准确的预测结果,可用于未来的预测,就此可为武汉市社会保障部门提供可靠的参考依据.     

基于ARIMA模型的四川省GDP分析与预测

文章通过选取四川省1978—2022年的国内生产总值数据,共45个观测值,运用Python软件对数据进行分析检验,最终创建了ARIMA（2,1,0）模型,并使用此模型预测了四川省未来五年即2023—2027年的地区生产总值。结果显示,四川省地区生产总值的预测值与其真实值拟合曲线基本处于同一位置,表明该模型的预测成果比较好。根据这个模型,预测了四川省2023—2027年五年的GDP分别为61 334.47亿元、64 781.56亿元、69 064.03亿元、72 802.48亿元、76 960.68亿元。通过预测结果可以看出,四川省GDP增速将继续保持在较高水平。为促进四川省经济增长,提出如下建议：（1）明确重点发展产业;（2）明确重点发展区域;（3）注重统筹,协调发展;（4）军民融合。     

指数加权滑动平均控制图与自回归模型的实例应用

统计过程中的控制图如今已经成为质量管理中一种不可缺少的工具,已经成为一种控制的潮流和方法,它的中心思想就是预防为主,第一次就把事情做对,消除一些变异的因素和区分两种不同性质的波动。经过对大量文献的认真研究和学习,关于统计过程中的控制图,所提出的是假定过程均值不变等条件下,通过轴承的半径分析．用指数加权平均的控制方法来处理相关问题。目前为止还没有将其与常规控制图整合在一起,因此通过其与回归模型的方法相建立,来解决实际中的问题。     

自回归滑动平均模型参数估计方法的仿真比较

自回归滑动平均模型(ARMA模型)是最常用的平稳序列模型之一,本文在模型阶数已知的情况下,重点研究ARMA模型中未知参数的矩估计和自回归逼近估计,进行仿真计算,并对计算结果进行比较分析。     

基于ARIMA模型对我国黄金期货价格分析与预测

本文基于ARIMA模型,对黄金期货建立了价格预测模型,并对2016年1月18日至2017年1月10日内共241个交易日的上海期货交易所的黄金期货的结算价数据的变动规律和短期趋势进行了预测.实证结果表明:ARIMA模型可以对黄金期货价格走势做出短期预测,能够大体上反映出黄金期货价格的波动情况,并为投资者以及企业在进行相关决策时提供有价值的参考.然而预测误差随着预测时间的增加而变大.     

ARIMA模型在居民消费价格指数预测中的应用研究

居民消费指数是监测和调控价格总水平、决策与分析宏观经济、核算国民经济的主要指标。文章将最近几年来的相关数据收集起来,运用相关函数构建了一个ARIMA模型,同时借助Eviews软件预测出相关参数。通过分析这个模型能够合理预测出我国居民消费价格指数。     

上证指数的预测分析——基于ARIMA模型

本文通过以2013年11月3日至2016年11月18日上证指数的收盘价作为样本容量,构建ARIMA模型对时间序列进行预测分析.通过上证指数的时间序列图来判断其序列的平稳性,并根据单位根检验的结果进行差分,由此判断阶数,构建模型ARIMA(p,d,q),并对上证指数收盘价进行短期预测.通过研究分析,发现此模型能够作为金融投资的一个非常重要的工具,它具有良好的短期预测效果.     

数据色彩度预测应用研究

本文试图通过数据色彩度的模糊预测，来对其出口量进行预测研究。通过对数据的平滑拟合、演算，笔者认为该方法对于短期预测是有效和适用的。     

甘肃省全社会固定资产投资的ARIMA模型预测

固定资产投资的增长不仅会直接拉动经济的增长,而且还会增加对原材料、生产设备、劳动力等的需求,从而促进与投资活动相关行业的发展。对《甘肃统计年鉴》提供的1982—2007年甘肃省全社会固定资产投资总额的数据进行分析,建立了ARIMA（1,1,1）模型,并检验了该模型的预测效果,为甘肃省固定资产投资的分析提供可靠的依据。