消费者价格指数的预测——基于ARIMA模型的实证分析

通货膨胀是影响经济平稳性增长的一个关键性变量,CPI是衡量通货膨胀的一个重要的经济指标。本文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以及ADF平稳性检验,建立ARIMA模型对我国CPI进行短期估计。实证分析结果表明ARIMA(12,1,12)模型对我国2010年每月的消费者价格指数(CPI)提供了较好的预测,对政府宏观政策的实施提供依据。     

基于ARIMA模型的深证指数分析及预测

深证指数是指由深圳证券交易所编制的股价指数,对其进行深入研究具有非常重要的意义。文中使用时间序列ARIMA模型对深证指数进行定量分析,以2009年7月1日到2010年6月30日的日深证指数收盘价格为原始数据,通过对数据进行平稳、零均值化处理,模型识别和模型定阶,再使用最小二乘法估计参数后,最终建立了ARIMA(6,1,6)模型,并对模型检验证明有效后,对未来数据进行了短期预测。     

基于时间序列分析的湖南粮食总产量预测

文章对比传统时间序列分析模型(线性回归、二项移动平均、一次指数平滑、二次指数平滑等)与ARIMA模型在湖南省粮食总产量中的拟合精度,并应用ARIMA(2,1,10)模型预测了未来3年内湖南省粮食总产量.结果表明,在湖南省粮食总产量拟合中,ARIMA(2,1,10)模型得到的粮食总产量拟合值与观测值的相对误差均方最小,优于传统时间序列分析模型;利用ARIMA(2,1,10)模型预测未来3年内湖南省粮食总产量,粮食总产量有逐年上升的趋势,且增长率逐年上升.     

时间序列分析在成都GDP预测中的应用

本文基于时间序列理论,对成都市1980～2012年的GDP数据进行分析,初步建立AR（2）、ARMA（2,1）、MA（1）三个模型,再结合AIC准则和简约原则等,最终确定模型为ARIMA（2,3,0）.最后,利用所建模型做出预测,得到成都未来三年的GDP值.     

福建省GDP时间序列模型建立及实证分析

根据福建省1981—2011年GDP数据,利用Eviews6.0计量经济学软件和时间序列理论,建立了求和回归移动平均模型ARIMA(4,1,1),并根据模型进行实证分析,结果表明GDP预测效果较好,平均误差9.91%,并预测2014年GDP产值为22 569.578亿元。     

基于混沌时间序列的CPI短期预测分析

有效控制CPI关乎国计民生,但其变动的随机性增加了预测难度。在对混沌时间序列预测流程进行了梳理的基础上,首先采用最大Lyapunov指数法辨别CPI时序的混沌特性,运用混沌理论重构相空间,利用逐步回归分析和BP神经网络进行混沌预测,并将ARIMA模型作为比较预测模型,最后从预测和拟合两个方面对模型进行效果评价。综合分析结果显示:2014年CPI增长范围为[2.8%,5.3%],变动幅度较大;2015年将高于4%;而2016年有望突破5%。该研究为CPI短期预测提供了较为可靠的方法,且预测结果可成为政府宏观调控政策的科学依据。     

我国进出口总额的动态分析——基于ARIMA模型

进出口总额是一国经济贸易的重要指标.文章利用时间序列分析理论对2000-2008年的进出口总额进行了分析,建立了ARJMA模型.并利用历史数据论证模型的正确性,研究我国进出口总额变化趋势和特征,给出了国内我国进出口总额的预测方法.     

CPI和PPI相互关系的实证分析

本文首先通过历年的数据分析居民消费价格指数和工业品出厂价格指数之间的相互关系,再用近两年的月度数据来分析当今CPI受PPI影响较小的原因,得出将来经济可能从结构性通货膨胀向全面性通货膨胀转变。     

时间序列在经济预测中的运用研究

近几年以来,我国的经济得到了快速的发展,为了保证我国经济的可持续发展,进行有效的经济预测是至关重要的,因此,我们可以采用结构时间序列模型对经济进行预测。时间序列模型当中所得到了指标都是不可观测的变量,因此,我们不能使用回归分析这一方法,所以,在对时间序列模型进行解答时,我们要采用一些科学、有效的方法。我们通过不同的结构时间序列模型可以准确的预测出社会消费品零售总额、GDP等,保证了经济预测结果的准确性。本文主要对时间序列在经济预测中的应用进行详细的探究。     

基于ARIMA模型的中国钢材市场价格预测

本文以中国钢材市场价格为研究对象,选取了8种主要钢材品种2004年1月到2010年11月的价格数据,通过模型识别,建立ARIMA模型来预测中国钢材市场2010年9月至11月的钢材价格,通过比较预测结果,确定在允许的误差范围内,最终给出2010年12月至2011年3月这四个月的钢材预测价格。     

中国CPI指数的时间序列分析

CPI指数是一个滞后性的数据,但它往往是市场经济活动与政府货币政策的一个重要参考指标.CPI指数稳定、就业充分及GDP增长往往是最重要的社会经济目标.文章利用SPSS、E-Views软件,将时间序列的ARIMA模型应用于中国地区CPI指数分析,通过对CPI指数进行拟合、预测分析,得到了较好的效果.     

时间序列与BP神经网络在新疆GDP预测中的对比分析

根据新疆维吾尔自治区2009年统计年鉴中的数据,构建并选用合适的时间序列模型、BP神经网络模型,对2004年-2008年的新疆GDP进行预测,并用预测结果与实际值求得相对误差,然后将两种模型的误差进行比较。结果表明,BP模型应用于新疆GDP预测较时间序列预测有较高的预测精度和良好的泛化能力。     

人民币汇率的ARIMA模型的预测

在简要介绍时间序列模型的基础上,使用美元/人民币的日汇率值进行实证研究,建立相应的ARIMA模型.本文试图将此模型应用于汇率的短期预测,并对其预测效果进行评价.     

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。     

新疆居民消费水平时间序列模型的建立及预测

对新疆居民消费水平（1978—2007年）数据进行研究分析,为探究新疆消费水平的规律及其发展趋势,建立了时间序列中的求和自回归移动平均ARIMA（p,d,q）模型,比较了真实值与预测值的拟合程度,拟合效果好。分析2008年新疆居民消费水平,从其中的结果得知,新疆在未来几年内人均消费水平将继续保持高速的发展趋势。     

天津市工业总产值增长趋势分析——基于ARIMA模型的拟合和预测

工业在天津经济结构中占重要地位,对其未来增长趋势进行分析和预测,可为进一步制定发展规划提供依据.本文采用自回归求积移动平均（ARIMA）法,对天津市工业总产值进行了拟合和预测.结果显示,ARIAM（1,1,10）模型提供较准确的预测效果,可用于未来的预测,并为天津市未来的工业总产值增长趋势分析提供可靠依据.     

基于PSO优化LSSVM的股价时间序列预测

现实中的金融时间序列存在非线性、不确定性等特点,利用传统的预测方法难以获得满意的结果。提出了一种基于PSO优化LSSVM模型参数的股价时间序列预测方法。利用PSO算法的收敛速度快和全局收敛能力,优化LSSVM的惩罚因子和核函数参数。利用该方法应用于金融市场中的股价序列预测,与传统方法对比表明,该模型能够提高金融时间序列的预测精度,其具有更好的泛化能力,这对国内投资者进行股票投资具有现实的借鉴意义。     

CPI、PPI攀至高峰

7月份CPI同比上涨6．5％,环比上涨0．5％,创下37个月以来的新高。分析人士称,三季度将成为全年CPI的高点,但货币政策不会因此收紧。     

海南省旅游统计数据的ARIMA模型预测分析和新冠肺炎疫情影响分析

以海南省旅游统计数据为基础,利用ARIMA模型,并结合新冠肺炎确诊人数进行预测分析。结果表明,海南省游客流量和旅游收入在新冠疫情下依然可以很大程度保持原有的增长趋势和季节性波动规律,但两组数据表现略有不同。新冠肺炎疫情对海南省旅游统计数据的影响体现在两个方面,一方面是新冠肺炎疫情严重程度与旅游统计数据存在明显此消彼长的关系,另一方面是新冠肺炎疫情主要对旅游统计数据中的游客流量产生了较大影响。可以得出政策启示：政府要做好疫情防控和让民众对旅游业持有信心,要随着疫情发展弹性放开或收紧旅游业,还要对需求侧进行扶持和对供给侧进行创新。