B-J方法在我国CPI季度数据预测中的应用

文章基于Box-Jenkins随机时间序列方法,对我国1990~2010年CPI指数季度数据进行了预测分析。通过建立数学模型对CPI数据的变化趋势及季节性进行验证,表明我国的物价水平在短期内不会回落到3%以内,政府应该继续加强通胀预期的管理。     

Intervention-ARIMA模型在我国第三产业就业人数预测中的应用

本文利用Intervention—ARIMA模型对我国第三产业就业人数（1952—2006年）时间序列进行了动态拟合,重点考虑了“大跃进”对我国第三产业就业人数的干预影响,取得了很好的拟合效果,并预测了我国未来几年第三产业就业人数的发展趋势。证明了第三产业发展对缓解我国当前就业压力的积极效应。     

趋势-季节回归与ARMA混合模型在季度GDP预测中的应用

我国季度GDP时间序列具有趋势、季节性和周期性特征,文章运用趋势-季节回归和ARMA的混合模型,捕捉其动态变化,对近期季度GDP做出较为准确的预测。     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

我国实际人均GDP的趋势分析及预测

文章建立了我国实际人均GDP的混合时间序列模型,分析研究了该模型的稳定性和可外推性,预测了2001～2010年10年间我国实际人均GDP的发展水平,指出我国人均实际GDP增长具有时间趋势和周期的稳定性。     

我国第三产业增加值与GDP的协整分析

随着第三产业增加值占我国GDP的比重越来越大,第三产业对我国经济增长所起的作用也越来越大。本文对我国第三产业增加值与GDP之间的关系进行了协整分析,给出了我国第三产业增加值与GDP的长期关系,同时建立了误差修正模型,分析得到了第三产业增加值与GDP的短期关系。     

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     

SETAR模型在GDP预测中的应用

本文分别使用了非线性自我激励门限模型SETAR和线性ARIMA模型对我国1952-2000年的GDP进行了研究,并且还运用一步预测和多步预测两种方法对未来5年的GDP进行了预测,最后运用RAPE、RMSE方法比较两种方法的预测效果,得出结论。     

基于最优ARIMA模型的我国GDP增长预测

准确预测GDP对政府进行有效宏观调控意义重大,而ARIMA模型是预测GDP的有效工具.文章以1952-2011年不变价格GDP为研究样本,首先建立36组ARIMA模型,进而运用多重筛选准则,找到最优滞后阶数p和q,最后确定了最优ARIMA(6,1,3)模型.该模型通过了多项假设检验,对2009-2011年的GDP预测精度高.笔者还利用模型对未来几年的GDP进行了预测.     

中国GDP的季度调整模型及预测分析

基于全国2000年1季度至2014年4季度的GDP季度数据,文章采用乘法模型的时间序列分解法对其进行季度调整,得到不合有季节性特征的时间序列,然后进行趋势性分析以及趋势模型的建立、估计与检验,并结合季节指数预测出2015年1季度至2016年4季度的季度GDP.     

第三产业从业人员比重的组合预测模型研究

第三产业是国民经济的重要组成部分,其发展水平是衡量生产社会化程度和市场经济发展水平的重要标志。本文应用时间序列分析方法,对延边州1949年以来的第三产业从业人员比重进行建模分析,拟合了确定性加随机性的组合模型,并对模型预测能力作了检验,最后用该模型对延边州2006-2010年第三产业从业人员比重进行了预测。     

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.     

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。     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

中国经济发展阶段的划分与人均GDP的预测

文章通过22种指标分析了中国经济的发展阶段,采用经过证明行之有效的预测方法给出非调控情况下中国人均GDP的未来两年发展趋势。     

我国季度GDP实时数据预测与评价

传统实证研究中使用的当期特定数据存在滞后信息和噪音信息缺陷,导致模型估计结果存在偏误。应用宏观经济实时数据可以有效的剔除造成模型偏误的滞后信息和噪音信息,得到更为准确的估计结果。MIDAS模型可将低频的关键经济数据与高频数据同时估计,较好的解决了应用一般模型存在的高频数据信息损失问题。本文应用M-MIDAS-DL模型与季度GDP实时数据建立我国季度GDP预测模型,实证表明,应用实时数据与组合预测方法,能及时准确预测出2008年以来中国经济增长率的下滑与反弹走势,能起到较好的提前预警作用,是当前较为有效的经济预测手段之一。     

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。     

我国分季度GDP估算方法的研究

 近年来随着各国经济的不断融合和金融市场的日趋国际化,宏观经济的短期波动越来越受到各国的重视,季度GDP作为高质量的子年度统计数据可以说具有独特的研究价值,为此各国都在探讨季度GDP的核算方法,以获取更加及时、准确的统计数据。我国近两年经济波动较大,寻找及时、准确的高频数据进行短期经济分析具有重大意义。为此,本文借鉴国际上的Chou-Lin方法对我国季度GDP进行分产业的估算,并将估算结果与官方数据进行比较,发现估算结果与官方数据偏差极小,可以作为高频数据进行经济分析及预测。     

GDP总量预测方法探讨研究

一、研究背景 在经济形势分析中,常常需要对主要经济指标进行预测,特别是对GDP的总量和增长速度进行预测(政府统计部门和发展计划部门的这种要求尤为迫切)。在以往的预测中,人们大多利用固定资产投     

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.