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.     

股指期货预测模型构建及其应用效果分析

文章选择股指期货价格以及基差预测这一理论界和实务界共同关心的问题为研究对象,使用香港恒生期货数据为样本,分别采用时间序列ARIMA、ARMA模型对恒生期货连续指数的日收盘价对数序列LHF和基差序列BASIS进行建模分析,并利用预测误差检验量对模型样本外的预测效果进行了实证研究.结果表明,ARIMA(3,1,3)模型很好地拟合和预测了股指期货指数对数LHF序列的走势,达到了预测目的;ARMA(1,1)和ARMA(3,3)模型在预测精度方面不甚理想但基本刻画了基差序列的变动趋势.     

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4％,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进.     

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.     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

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.     

基于ARIMA-BP模型的我国城镇登记失业率分析与预测

文章通过灰色关联模型分析影响城镇登记失业率的主要指标,发现GDP、第一产业增加值、CPI、商品零售价格指数、城镇人口总数5个指标显著地影响城镇登记失业率.通过构建ARIMA-BP模型,分析城镇登记失业率与5个影响指标之间的关系,用1984～2008年的年度历史数据对模型进行实证分析,并分别建立了ARIMA(自回归移动平均)模型、BP模型与之进行比较,结果表明:ARIMA-BP模型显著优于ARIMA模型和BP模型.     

基于季节性ARIMA模型的居民消费水平预测

文章以居民消费价格指数(CPI)的短期预测作为切入点,采用定量的时间序列分析方法,建立季节自回归综合移动平均(季节性ARIMA模型)模型对CPI时间序列进行量化分析.首先阐述基于该模型的CPI预测的一般过程,即:平稳化处理、差分变换的阶数辨识、参数估计,时间序列模型的构建,然后对模型进行性能检验,确定较适合的季节自回归综合移动平均模型,最后在实证分析中探讨经济变量CPI与时间变量之间的变动规律,对CPI时间序列进行适当的差分处理,取得了较为理想的预测效果.     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

基于HP分离ARIMA—Markov模型的我国生猪存栏量预测

时间序列分析方法的运用呈现出多样性和组合型的特点.针对于当前时间序列模型运用存在的分割性不足,在对时间序列分离后独立序列的特性出发,认为应当对独立分离序列分别建立适合波动规律的预测模型.文章首先采取HP滤波对生猪存栏量进行分离,然后采用ARIMA模型和Markov转移模型分别对趋势序列和随机序列进行预测并加总,最后采用原始序列的ARIMA处理结果与组合模型进行对比,发现了组合模型要优于传统ARIMA.     

ARIMA与指数平滑法在我国人口预测中的比较研究

文章建立了基于人口时间序列资料的ARIMA和指数平滑法人口预测模型,并将二者进行比较,得出最优模型为ARIMA(2,2,1)模型;用此模型对我国2006～2015年人口数作出了估计.结果表明,ARIMA模型更适合我国人口时间序列数据的拟合;我国总人口在未来十年内仍会增长,但增长速度渐趋缓慢,到2010年末,我国人口将达到13.39亿.     

基于ARIMA模型的中国煤炭消费量增长预测

我国煤炭消费量序列是一组依赖于时间变化的随机变量,可用ARIMA模型予以近似描述。文章运用1965～2006年我国煤炭消费数据建立了ARIMA(2,1,4)模型,经诊断检验与实证检验发现,预测精度较高,可用于我国煤炭消费量预测。预测结果表明:2007～2010年我国煤炭消费量将不断增长,但增速会有所回落。科学的煤炭消费量预测结果可为国家合理规划煤炭生产和进出口提供重要依据。     

结合PMI的中国GDP预测模型

文章首先对中国季度GDP序列分别建立GMDH模型、ARIMA模型来对GDP季度值进行预测,然后引入PMI指标,建立ARCH模型来进行预测。对比分析各模型预测结果表明:在预测季度GDP方面,引入PMI指标的ARCH模型的预测结果优于GMDH模型和ARIMA模型,更具实际意义。     

基于ARIMA模型的外汇占款预测

文章对2001年1月至2011年8月间外汇储备与消费者物价指数同比月度数据进行协整检验,并对二者进行Granger因果关系检验,以确定外汇储备与物价水平在长期内的关系及影响程度。由于外汇储备以外汇占款为中介,通过货币发行量来影响我国物价水平,故货币当局为减缓通胀压力而进行冲销操作的直接对象就是外汇占款。因此,文章将依据外汇占款月度数据建立ARIMA(p,d,q)模型,对外汇占款变动进行较精准的短期预测,为货币当局的工具操作和政策制定提供依据。检验结果表明:将ARIMA模型应用于外汇占款数据分析与预测,可获得较为满意的预测结果。     

股票价格预测的最优选择模型

文章首先介绍了我国学者对股票价格指数的研究现状,并阐述了时间序列分析中两种常见的模型:自回归移动平均(ARIMA)模型和条件异方差(ARCH)模型。然后分别对上证指数近八年的346个有效收益数据进行建模,并对未来三个月的收盘价进行预测。结果表明,ARCH模型的整体预测效果优于ARIMA模型。     

基于时间序列ARIMA与BP神经网络的组合预测模型

文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性.研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能.     

基于ARIMA模型的短期股票价格预测

文章选取“华泰证券”250期的股票收盘价作为时间序列实证分析数据,通过建立ARIMA模型对创业板市场股票价格变动的规律和趋势进行了预测.实证结果表明,该模型短期动态、静态预测效果较好,可以为投资者和企业在进行相关决策时提供有益参考.     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

基于传递函数的产品价格预测模型

对多变量时间序列进行预测,单变量ARIMA模型和普通多元回归分析并不适用,这种情况下应用多变量ARIMA即传递函数模型是很好的选择。以一种受原油和原材料多种因素影响的合成化纤产品为例,说明利用传递函数模型对其价格进行预测的建模过程中,如何进行模型识别、参数估计及诊断的有关问题。