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。     

贵州省菜椒价格预测——基于自回归单整移动平均模型的研究

本文以2008年5月至2010年9月贵州省菜椒月价格为例，构建了拟合指标优良的ARIMA（1，1，0）模型，且发现该模型能很好地预测菜椒月价格趋势，从而为地方政府调控菜椒市场的供求关系、农户调整生产结构以及菜椒交易商掌握较准确的交易信息提供依据和参考。     

全球经济政策不确定性的演变趋势：基于EMD-ARIMA模型的预测分析

作为经济政策变动的风向标，全球经济政策不确定性（Global Economic Policy Uncertainty，GEPU）指数的动态走势对于经济政策的制定和调整具有重要的参考价值。然而GEPU指数动态路径的影响因素复杂多变，其数据生成过程难以在一个时间序列模型中得到准确的体现。基于“先分解后集成”的建模思路，首先采用经验模态分解（Empirical mode decomposition，EMD）方法将全球经济政策不确定性指数分解为若干相互独立、频率不同的可读信号，其次运用非平稳时间序列ARIMA模型对可读信号分别进行建模预测，最后集成各类可读信号的预测结果。在此基础上，进一步应用VAR模型考察了全球贸易、新冠疫情等因素对GEPU指数的动态影响。研究发现：(1)通过对训练组和测试组数据的预测值与真实值的对比，发现EMD-ARIMA模型对训练组和测试组数据的拟合精度均优于ARIMA模型；(2)与ARIMA模型相比，EMD-ARIMA 模型能够解决由原始数据不确定性、非线性以及不稳定性所导致预测偏差问题，得到精度较高的预测结果；(3)全球贸易、新冠肺炎疫情等因素对全球经济政策不确定性均产生了显著的影响，EMD-ARIMA模型的样本外预测结果显示，GEPU指数在2021年7月之前呈增加趋势，2021年7月至12月逐渐趋于稳定。     

基于时间序列ARIMA模型的人民币汇率的波动规律研究

本文依据我国汇率变动的现实情况,选取了2006年1月4日至2014年5月7日之间的美元兑人民币汇率数据进行汇率的波动规律研究。研究中采用了时间序列的分析方法并结合ARIMA模型进行实证研究,结果表明ARIMA（1,1,1）模型对美元兑人民币汇率的拟合程度最好,并以此模型对我国未来汇率的走势进行了预测。     

2009年二季度以来CPI变动趋势分析

本文采用ARIMA模型,以2001年1月至2009年3月的CPI数据为基础,分析了我国物价水平的非平稳受动及变化原因,并用所得到的ARIMA（2,1,2）模型对2009年4、5月CPI进行预测,结果表明,我国的物价水平仍有下降的迹象,井在此基础上分析了相关原因,提出了相应对策。     

关键稀土元素价格波动测度研究——基于带季节的ARIMA模型分析

稀土作为关键战略资源，镨、钕、铽、镝也称为“关键稀土元素”广泛应用于新兴战略产业，其价格波动对稀土整个产业链的发展影响深远。准确预测稀土价格波动，能有效降低经营风险，增强供应链稳定安全。基于2007-2022年月度数据，采用带季节的ARIMA模型对镨、钕、铽、镝价格进行拟合，依据变异率模型测算价格波动并探究其对微观稀土企业价值的影响。研究发现，（1）带季节的ARIMA模型能够较为准确地预测稀土元素的价格走势，适合中短期稀土价格预测。（2）在样本研究区间内，价格波动程度最大的区间为2011-2012年；其次是2008-2009年和2020-2021年；整体上看，镨、钕的价格波动程度大于铽、镝。（3）运用双向固定效应模型对价格波动与2014-2020年我国稀土上市公司企业价值进行回归，发现钕、铽价格若出现较大波动不利于提升稀土企业价值，镨、镝则相反，这主要与稀土元素的价值占整个矿山价值的比重、市场需求及价格走势具有一定的关联性。     

卷烟单规格月度销量的时间序列预测方法研究

基于回归模型、指数平滑模型、时间序列分解模型、季节ARIMA模型和X13-A-S方法对某省玉溪(软)卷烟2015年1月到2020年12月共72个月的月度销量进行预测，并对预测结果进行检验。在销量最高的1月，预测结果的差异最大，在销量最低的12月，预测结果的差异最小。2020年1月至10月的实际销量为49780.78箱，预测最为接近的是季节ARIMA模型，其次是X13-A-S方法，预测差距最大的是时间序列分解法。在平均相对误差上，X13-A-S方法的平均相对误差最小，为8.57%,季节ARIMA模型次之，为10.43%。回归分析方法的标准误差最小。在销量均值的预测上，季节ARIMA模型和X13-A-S方法预测的绝对误差和相对误差较低，可以作为卷烟月度销量的通用方法。     

基于ARIMA模型的江西省GDP的预测与分析

本文以1978年-2013年36个年度的江西省GDP为研究对象,主要借助于SAS等统计软件,通过对原始数据的预处理。模型的识别、检验和优化,从而最终确定了ARIMA（3,1,0）模型,利用该模型对江西省的GDP进行短期的误差相对较小的预测和分析。     

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。     

时间序列分析在财政收入预测中的应用

介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法。将ARIMA模型应用于我国财政收入的分析与预测,结果表明ARIMA是一种短期预测精度较高的预测模型。     

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。     

基于ARIMA模型的我国GDP分析预测

改革开放后,中国走上市：场经济道路,与以往的计划经济相比,国内生产总值的计量应该以改革开放1978年为分水岭,GDP经济模型的建立应当以此为计量起点,做出分析和预测。基于Box—Jenkins（博克斯一詹金斯）方法的时间序列分析技术,对我国1978--2008年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARIMA模型,通过模型对我国2007—2011年度的GDP进行了预测。模型实证分析的结果表明：在GDP时间序列分析建模与预测方面,Box—Jenkins方法及其ARIMA模型是一种精度较高且切实有效的方法模型。     

ARIMA对我国上证指数的预测研究

采用自回归移动平均模型(ARIMA),选取了上证指数2011年5月1日至2012年5月1日共242个交易日收盘数据进行短期预测,结果显示,ARIMA(3,1,1)对上证指数有较好的预测效果,为投资者在股票市场的投资提供了有效参考。     

基于计量模型的2009年我国货币供应量预测

金融系统中货币供应量的大小是影响经济金融体系能否正常运行的重要因素,正确预测货币供应量走势对我国经济金融政策的决策和经济发展战略的实施都有着十分重要的意义。本文介绍了符合金融系统预测规律的ARIMA（P,d,q）时间序列模型。并根据我国货币供应量实际数据对2008—2009年货币供应量走势进行了预测检验,实证预测结果显示与2008年实际M2相对照,模型预测精度较高。误差被控制在2％以内。说明ARIMA模型能较准确地预测我国货币供应量走势。可为我国货币供应量的预测和走势提供可靠的参考依据。     

基于ARIMA模型的中国外贸进出口预测:2006-2010

ARIMA(Auto-regressive Moving Average)模型是一种常用的随机时序模型,主要用于预测,短期预测精度较高。本文利用ARIMA模型预测了2006-2010年中国外贸进出口总额、出口总额和进口总额。     

新优势、新突破——中国安徽卫视全国传播价值

一、“全国第一阵营”地位稳中有升2005年1至6月，所有卫星频道（含央视）31省会全天收视排名，安徽卫视位居前十．“全国第一阵营”地位稳固（见表一）。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

安徽青园集团首次举办中部地区农机展

2011年12月17～19日，由安徽省农机协会、安庆市人民政府主办，安徽青园集团承办的“2011安庆·中部国际农业（工程）机械展销会暨第五届安徽农业机械展览会”在中国（安庆）农机机电城隆重召开。     

基于ARIMA模型对我国进出口总值进行分析及短期预测

本文基于时间序列中ARIMA模型的方法对我国进出口总值进行了分析、预测。以2000年1月到2014年1月我国进出口总值的169个月度数据（名义值）为基础,建立了AR模型,根据与实际数据比较,确定模型准确性,并给出了2014年2月到2015年1月的我国进出口总值的预测数值,对于分析实际中我国进出口总值的经济意义具有借鉴价值。