基于ARIMA模型对我国能源需求的预测

本文利用时间序列的建模方法,对我国1987-2006年的能源消费总量数据进行了实证分析,构建了ARIMA模型。经检验该模型能够很好的拟合全社会对于能源的需求趋势。在此基础上作了短期预测,最后给出了结论及建议。     

基于ARIMA模型的工业品出厂价格指数预测与分析

工业品出厂价格指数(PPI)对于制定未来的经济政策和宏观经济决策有着重大的意义.文章深入分析了我国从1993～2014年工业品出厂价格指数(PPI)月度数据,并在此基础上应用ARIMA模型进行建模,并作出了短期的预测.研究表明预测数据与真实数据较为接近,预测精度较高,模型拟合优度良好,工业品出厂价格指数(PPI)在未来一段时间内将有可能继续保持稳中有升的趋势.     

运用熵的组合预测法对我国客运总量的预测

0引言国民经济的持续快速发展,工业化、市场化、城镇化进程的加快必将带来全社会人员、物资流动的增加,从而使全社会客、货运输需求总量持续增长。单从客运需求看,我国人口基数大,客运需求增长潜力巨大;城镇人口增加,带来客运需求快速增长;区域经济发展的差异,人口、资源、生产     

基于GMDH组合的中国GDP预测模型研究

文章对中国季度GDP分别建立了ARIMA和ARCH模型,并利用GMDH自组织建模方法提出了新的组合预测模型。模型预测结果及对比表明,基于GMDH组合的GDP预测模型的拟合和预测效果,在经济正常增长或出现较大波动时都具有较高的可靠性与准确性。文章还使用Bon-ferroni-Dunn检验方法进一步验证了组合模型的拟合能力要优于单一模型。     

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.     

组合预测模型预测精度的贴近度评价法

一组单项预测模型在不同的准则下,建立的组合预测模型一般是不同的.为了比较这些组合预测模型的预测精度,文章引入了组合预测模型点预测精度的数量指标,从而得到了组合预测模型的点预测精度向量.根据这些点预测精度利用算术平均最小贴近度,给出了组合预测模型预测精度的评价.实例分析结果表明:该评价方法客观准确,可操作性强.     

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。     

组合预测及其应用研究

组合预测及其应用研究浙江财经学院徐大江一、简述各预测方法性能的优劣是有条件的，为了有效地使预测具有对未来变化较高的适应性，即提高预测精度，增加预测的稳健性，可将若干种预测方法组合成一个预测模型，这就是组合预测。组合预测模型是两个或两个以上观测方法对同...     

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。     

基于预测包容的组合预测单项模型遴选算法

对预测模型的合理选择是搞好预测的核心.文章针对面向组合预测的单项模型遴选问题,引入预测包容理论,提出了基于预测包容的组合预测单项模型遴选算法.     

基于组合预测的商品销售量预测方法

文章结合商品销售量的实际应用背景,在探讨单一预测模型建模原理的基础上,提出了能有效克服单一预测模型预测精度不高这一缺点的商品销售量组合预测模型,并推导出组合预测模型权重确定公式。文章还基于商品销量组合预测模型实证分析了组合预测模型在商品销售预测过程中能有效提高预测精度,且操作简便可行。     

基于预测期的变权重组合预测法及其应用

文章针对传统变权重组合预测利用基期误差最小化,求得权重与各个单预测方程预测期的预测值进行组合预测的问题,在充分考虑时间信息匹配的基础上,基于变权组合预测的基本原理对最小误差进行了预测修正,使原误差矩阵进行新陈代谢求得预测权重代替基期权重,使预测方程更加平稳.实例验证了预测结果的合理性.     

基于组合加权算术平均算子的组合预测方法

组合预测能有效结合单一预测模型的优势,有效提高预测的精度,文章在建立广义相对偏差组合预测权系数确定模型的基础上,给出广义相对误差组合预测权系数确定模型的遗传算法求解过程,最后给出基于组合加权算术平均算子的组合预测集结方法.     

我国月度居民消费价格指数的预测方法与应用

文章用时间序列的BP神经网络和ARMA模型的方法对我国2005年1月～2011年5月的月度CPI进行了模型分析并检验了预测效果。对比分析表明,利用月度CPI时间序列的BP神经网络方法相比ARMA模型有更好的预测精度。     

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.     

我国居民消费价格指数的短期预测

居民消费价格指数是宏观经济分析和决策,价格总水平监测和调控以及国民经济核算的重要指标.本文介绍了它的概念以及在我国物价体系中的重要作用,并根据1951年到2002年52年我国居民消费价格指数的统计资料,运用Eviews4.1软件和时间序列模型,对我国的居民消费价格指数进行预测和分析,提出几点看法和建议.     

PPI与CPI关系及我国通货膨胀治理

 PPI和CPI关系是宏观经济研究热点问题之一。通过TS季节调整模型和HP滤波方法对1993年1月-2010年7月定基PPI和CPI进行分解,得到趋势、季节、不规则和循环因素。发现两者的趋势、季节和不规则因素间的传导和“倒挂”不显著,增强了用循环因素研究两者关系的科学性。研究发现,（1）两者间传导和“倒挂”交替出现,分别经历两个周期,均在第二周期波谷处逆转。传导和“倒挂”时隔有明显周期。（2）2003年前PPI向CPI传导的原因为投资膨胀、卖方市场等。2003年后PPI与CPI“倒挂”的原因除投资膨胀外,有效需求不足,买方市场,粮食和住房价格上涨等。（3）针对当前通货膨胀特点,提出有别于要素价格管制和货币紧缩政策,可解决物价的长期深层矛盾。     

基于TOPSIS的成本组合预测方法及其应用

准确的成本预测是企业制定经营决策和经营计划的前提和基础,它对加速企业的发展和提高企业经济效益产生极其重要的作用.文章首次将组合预测引入成本预测过程中,并基于理想解法(TOPSSI)给出一种确定组合权重的方法,从而建立了基于TOPSIS的成本组合预测方法,最后实例分析了该方法在提高成本预测过程中能有效提高预测精度,说明了本方法在成本预测过程中的有效性、可行性和可操作性,完善了成本预测方法的理论体系.