ARIMA模型在上海市全社会固定资产投资预测中的应用

文章采用自回归求积移动平均(ARIMA)法,对《上海市统计年鉴》(2002年)提供的固定资产投资额资料进行了分析。其结果显示:ARIMA(1,1,10)模型能提供较准确的预测效果,也可用于未来的预测,并为上海市全社会固定资产投资提供了可靠依据。     

ARIMA模型在上海市全社会固定资产投资预测中的应用

本文采用自回归求积移动平均(ARIMA)法,对《上海市统计年鉴2002》提供的固定资产投资额资料进行了分析。结果显示,ARIMA(1,1,10)模型提供较准确的预测效果,可用于未来的预测,并为上海市全社会固定资产投资提供可靠依据。     

ARIMA模型在武汉市全社会固定资产投资预测中的应用

1ARIMA模型的建模思想A RIM A模型(p,d,q)又称为自回归求积移动平均模型。其中AR指自回归,p为模型的自回归项数;M A为移动平均,q为模型的移动平均项数;I指积分,d为时间序列成为平稳之间必须取其差分的次数。其一般表达式为:yt=α1yt-1 α2yt-2 … αpyt-p μt-β1μt-1-β2μt-     

基于拓展ARIMA模型的全社会固定资产投资拟合及预测

文章利用《中国统计年鉴》中1980-2013年全国全社会固定资产投资的年度数据,描述了固定资产投资的发展态势,并将其发展分成了三个阶段,给出了具体的介绍和分析,运用ARIMA模型来拟合并进行预测.     

ARIMA模型在固定资产投资变化率预测中的运用

文章利用<武汉市统计年鉴2008>提供的武汉市全社会固定资产投资额数据,计算了历年武汉市全社会固定资产投资额变化率.采用AKIMA模型对投资额变化率进行模拟,通过定阶比较分析,ARMA(8,3)预测结果比较满意,可以用作对未来固定资产投资额变化率的预测,为武汉市全社会固定资产投资决策提供参考数据.     

ARIMA模型在基本建设投资预测中的应用

基本建设投资对经济发展的影响有其滞后的特征。本文利用ARIMA模型对其滞后影响进行模拟 ,为正确把握基本建设投资对经济发展的影响作用提供实证基础     

ARIMA模型在我国教育投资预测中的应用

试图突破传统的研究教育投资的角度,利用国家财政性教育经费及其他经费占总教育经费的比重序列,通过构建ARIMA模型来拟和中国教育投资趋势,并得到了国家财政性教育投资持续增长的结论。     

ARIMA模型在移动通信用户数预测中的应用

本文采用自回归求和移动平均模型(ARIMA(p,d,q)),对贵阳2002年7月到2005年6月的36个月忙时用户数据进行分析,结果显示,ARIMA(0,1,1)模型提供了较准确的预测结果,可用于对未来月份忙时的用户数预测。就此,可为交换设备的建设提供可靠的参考依据。     

ARIMA模型在基金指数预测中的应用

本文采用自回归移动平均模型(ARIMA),选取上证基金指数2005年6月1日至2006年5月31日共238个交易日的数据进行了实证分析,结果显示,与传统时间序列方法相比ARIAM(2,1,5)模型对上证基金指数具有更好的预测效果,可为投资者的决策提供较准确的依据。     

ARIMA模型在广东省GDP预测中的应用

文章对广东省1978～2008年国内生产总值进行了分析.运用Box-Jenkins方法建立了ARIMA模型.通过对数据的平稳性检验、模型参数识别与检验、模型检验等综合分析,确立了ARIMA(1,1,O)模型.     

基于ARIMA模型的深证成指收益率分析

文章根据ARIMA(p,d,q)模型的原理和方法,对我国深证成指时数收益率数据进行了建模,在实际计算过程中,考虑到对数收益率数据比较小的特点.利用矩阵的SVD分解和MoorePenrose广义逆,来求解参数的极小最小二乘解,以减少中间过程的误差,从而获得比较好的模型.最后.对模型进行了实验仿真.经检验分析结果比较理想.     

时序模型分析在经济预测中的应用

时间序列分析方法主要就是建立模型,目的是为了描述时间序列中产生数据的随机机制与趋势,以此模型来判断在某一时间或随机机制下会发生的数据达到预测和控制的目的。时间序列可分为平稳的时间序列和非平稳的时间序列,大部分经济时间序列为平稳的时间序列。对于平稳的时间序列进     

前移回归分析法在广西省经济预测中的应用

经济指标是多项相关因素的函数,一个时间段内各项指标(自变量)值会影响下一时间段待预测指标(因变量)的取值.本文以广西省12项主要经济指标为实例,采用前移回归方法预测了人均GDP,进而预测了其余指标2008～2009年的取值.这种方法克服了以往时问序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷,取得较好的效果.     

中国人均GDP时间序列模型的建立与预测

人均GDP是以某地区一定时期国内生产总值(现价)除以同期平均人口所得出的结果。作为衡量一个国家和地区经济发展水平和综合经济实力的重要指标,人均GDP不仅考虑了经济总量的大小,而且结合了人口多少的因素,在国际上它也是划分一个区域经济发展阶段的依据之一。尤其像我们这样的人口大国,用人均GDP指标反映区域经济增长和发展情况会更加准确、深刻和富有现实意义。ARIMA模型是用于一个国家或地区经济和商业预测中比较先进适用的时间序列模型之一。本文试图以我国     

双回归（AR—R）预测模型之新探——及其在中国人口中短期预测上的应用

构造一种称为双回归的时间序列预测新方法。本文作者利用与因变量自身相关性紧密的因变量前几期取值,综合前一次的自变量构建了双回归(时间序列自回归-多元线性回归)预测组合模型。这种方法克服了以往时间序列预测只是自身拓展而不考虑多项因素(变量)的不足,也弥补了回归分析预测法必须已知同时期各个自变量值才能预测的缺陷。并用这种新方法对中国的人口总量进行预测,预测效果比较理想。