ARMA模型在我国体育股票价格预测中的应用

中体产业股票作为我国唯一的体育类股票,为了准确把握其波动状况,科学预测未来发展趋势,收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本,进行了时间序列分析,建立了中体产业股票的自回归移动平均模型(即ARMA模型)。结果显示:模型ARMA(3,1)能较为准确地预测中体产业股票每日数据,模型的预测值与实际观测值非常接近,说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

ARMA模型在期货价格预测中的应用

一、模型的数理基础 (一)ARMA模型概述 ARMA(Auto Regressive Moving Average)模型是一类常用的时间序列模型，由博克斯(Box)和詹金斯(Jenkins)创立，亦称B—J方法。它是一种精确度较高的时序短期预测方法，其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个时序值虽然具有不确定性，但整个时序的变化却有一定的规律性，可以用相应的数需模型近似描述。通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测。     

ARMA模型在景区客流量预测中的应用

杭州是个美丽的旅游城市,而西湖风景名胜区是杭州旅游的核心区块。早在1979年,杭州首先在玉泉、儿童公园等设施较完备的公园率先实行收费参观,景区经过近三十年的发展、经营和保护,新景点不断增加,城市旅游不断扩容。尤其是到了21世纪,随着“黄金周”的实施,景区客流量猛增,在黄金周期间,景点内人满为患,景点基本处于饱和状态。游客的增加,不仅是对景区接待能力的严峻考验,更不利于景区旅游资源的保护。     

ARMA模型在我国体育股票价格预测中的应斥

中体产业股票作为我国唯一的体育类股票,为了准确把握其波动状况,科学预测未来发展趋势,收集了2002年1月1日至2010年6月30日中体产业股份有限公司股票的1510个日收盘价格指数为研究样本,进行了时间序列分析,建立了中体产业股票的自回归移动平均模型（即ARMA模型）。结果显示：模型ARMA（3,1）能较为准确地预测中体产业股票每日数据,模型的预测值与实际观测值非常接近,说明时间序列模型在中体产业股票状况预测中具有较好的应用价值。     

中国能源消费的ARIMA模型预测分析

文章利用Box-Jenkins法的ARIMA模型,对1953～2007年中国能源消费总值数据序列进行分析,建立了1953～2005中国能源消费的自回归移动平均模型ARIMA(3,1,3).检验结果表明,ARIMA(3,1,3)模型对原始数据序列有着较好的似合效果,模型的预测效果良好,可用于短期内中国能源消费量的预测.根据建立的模型预测结果,中国能源消费量仍将保持较高的增长.     

我国能源消费系统的反馈控制模型

一、国家宏观调控下的能源消费模型能源是经济发展必需的生产要素和投入因子。经济发展是以能源为基础的,能源的消费影响经济的增长。但现实是我国的能源是有限的,而且能源的消费会对环境带来污染。为了保证能源的持续发展,国家会对能源的消费进行宏观     

我国能源消费构成的分析及预测

从灰色理论出发,运用logratio变换对成数数据处理的方法,对我国能源消费构成进行预测,预测结果较好.通过预测值我们可以看出煤炭的消费比例仍然高居不下,并有缓慢上升趋势,石油,电力等能源消费比例变化不大,天然气的消费比例有大幅度提高.     

ARIMA模型在我国出口贸易预测中的应用

ARIMA模型又称博克斯-詹金斯预测模型(the Box-Jenkins Model),简称B-J模型,它是以美国统计学家GeogreE.P.Box和英国统计学家Gwilym M.Jenkins的名字命名的一种时间序列预测方法.     

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。     

ARMA模型在测算重大突发事件影响中的应用

重大突发事件,如“9.11”事件、亚洲金融危机、SARS疫情、严重自然灾害等,均不可避免地对与其密切相关的各经济部门造成了不同程度的影响。为估算这种影响,实际工作部门通常是通过计算年距增长(降低)量和年距增长(降低)速度等指标进行分析,虽然该方法简便、直观、易于理解,也能     

基于ARIMA模型对湖北省能源消费的预测

能源影响着我国社会经济的稳定持续发展,对未来能源消耗的准确预测具有重要意义。文章以我国湖北省为例,利用1980～2005年的能源消费总量数据为基础,运用ARIMA模型进行能源消费的预测,达到了最小方差意义下的最优预测的效果。     

基于协整与ARMA组合模型的居民中长期消费贷款预测

文章运用协整回归与ARMA组合模型,通过房屋销售价格指数对居民中长期消费贷款进行了短期预测.先用2007年1月至2010年1月的37期数据进行Granger因果关系检验,再运用协整回归和ARMA组合建立预测模型,模型对2010年2月至6月共5期的居民中长期消费贷款进行预测,与实际数据相比,预测相对误差小于1.5%,最后提出了一些相关的政策建议.     

基于ARMA模型的房地产价格指数预测

本文简要介绍了ARMA模型的理论知识,并针对1998年1季度到2006年3季度的房地产价格指数的季度数据进行了实证分析,然后运用所建模型对2006年四季度以及2007年一季度的房地产价格指数做了预测,并给出精度误差值,收到了很好的效果,所以模型具有一定的参考价值。     

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。     

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。     

灰色系统模型在我国人口数量预测中的应用

一、基本理论与方法 灰色系统建模的思想是直接将时间序列转化为微分方程,从而建立起抽象系统发展的动态模型,对于原始序列X(t),t=0,1,2,……,N;最常用的预测模型是GM(1,1)模型:     

基于Cramer法则和ARMA模型的我国高校毕业生就业预测

鉴于Cramer法则和ARMA模型优点在于需要指标数据比较单一,便于收集且预测精确度高,故用此法对我国高校毕业生就业情况进行预测.经过检验,发现compound方程拟合度较好,得出有益的结论,并根据我国高校毕业生就业现状,对相关工作提出了建议.     

基于ARMA模型对地价指数的预测

地价指数是反映地价变化的相对值的指标,即不同时点的地价水平与某一固定时点或相对时点的地价水平比较的相对关系。以平均地价比值的100倍表示,一般包括分级别、分用途及综合指数。地价指数预测,主要是根据地价指数的发展特点以及未来地产发展的态势,预测某一报告期的地价指数变化情况。由于所收集地价指数出现季度性和趋势性的特征。本文将采用随机时间序列模型中的ARMA模型来预测地价指数。     

我国能源消费分解实证

关于我国能源强度降低的主要驱动力是结构效应还是效率效应,或是两者兼而有之,国内学者一直有争议。本文通过从产业、行业、地区三个角度对能源消费分解,对经济结构变化、区域结构变动、能源效率提高三个因素各自对能源强度的影响有一个可靠定量的结论。     

浅析我国电力能源消费

随着我国经济进入了又一次加速增长，能源供需矛盾开始重新凸现，似乎已被人们淡忘了的拉闸限电又在许多省市出现。尽管有关各方加快了电力建设的速度，但电力短缺在短期内还是难以彻底解决。由于我国现在的社会经济发展水平和上世纪80，90年代相比已有明显提高，拉闸限电带来的经济损失加大，现代社会生活对电力供应的依赖程度提高，社会各方对拉闸限电已难以接受。