ARIMA模型及其在内蒙古GDP预测中的应用

本文依据1978～2009年内蒙古GDP的相关数据,利用STATA8.0统计软件,在对时间序列数据进行平稳性检验的基础上,着重研究如何根据ACF图和PACF图对模型进行合理定阶,之后建立了ARIMA(1,2,1)模型,并利用该模型对内蒙古未来五年的GDP做出预测.     

基于ARIMA模型的安徽省入境旅游人数预测

入境旅游预测是旅游统计学一个重要的研究方向。以1995—2010年安徽省旅游业中入境旅游人数为依托,运用SPSS软件提供的时间序列模块,建立差分自回归移动平均模型(ARIMA)对入境旅游人数进行预测,实证结果表明:该方法能够对入境旅游人数进行有效预测,在没有特殊影响因素下,模型拟合结果接近实际值。     

基于ARIMA模型的煤炭消费量预测

科学地预测煤炭消费量可以为规划煤炭生产和煤炭供给提供强有力的数据支持,根据1982-2010年湖南省煤炭消费量数据建立ARIMA模型,并对2013-2015年的煤炭消费量进行了预测.研究结果表明:ARIMA(1,1,3)模型的预测效果良好,2005-2010年平均预测误差仅为4.00％,达到了最佳最小方差的预测效果;湖南省煤炭消费量在2013-2015年将继续出现上涨趋势,但增速会有所回落.     

ARMA模型在成都市人均GDP预测中的应用

从时间序列的基本概念出发,以成都市1978～2010年的人均GDP时间序列数据为基础,建立了ARMA模型,并对成都市未来三年的人均GDP进行短期预测．     

基于ARIMA模型的安徽全社会固定资产投资预测分析

选取《新中国五十年资料汇编》和1999年以后历年《安徽统计年鉴》等资料中安徽全社会固定资产投资数据,利用自回归移动平均(ARIMA)分析法对其进行经济预测。经研究,ARIMA(3,1,1)为最佳预测模型,且预测值与实际值误差较小,可用作具体的短期经济预测。     

基于ARIMA模型的重庆货运量预测

采用求和自回归移动平均模型(ARIMA),对国家统计局和<2006年重庆统计年鉴>提供的重庆货运量数据进行分析.结果显示,AluMA(5,2,1)模型提供了较准确的预测结果,可用于未来的预测,能为重庆运输业的发展提供可靠的参考依据.     

基于ARIMA模型的重庆货运量预测

采用求和自回归移动平均模型(ARIMA),对国家统计局和《2006年重庆统计年鉴》提供的重庆货运量数据进行分析。结果显示,ARIMA(5,2,1)模型提供了较准确的预测结果,可用于未来的预测,能为重庆运输业的发展提供可靠的参考依据。     

基于ARIMA模型的锦州市粮食产量预测研究

本文采用时间序列方法,分析了2000-2012年锦州市粮食产量时间序列的统计特征,通过平稳性及相关性的分析,对锦州市粮食产量的一阶差分序列构建了ARIMA（2,1,（3））模型,同时利用所建模型对锦州市粮食产量进行了相应的预测。     

基于ARIMA模型的我国石油价格预测分析

石油价格波动较为复杂,不确定性影响因素较多。ARIMA模型是将预测对象随时间推移而形成的数据序列视为一个随机序列并加以描述,被广泛地应用于对高频金融时间序列建模,它能较好地把握此类时间序列的动态规律。在利用ARIMA模型对我国1997年以来大庆石油价格进行拟合,短期预测结果模拟值与实际值十分接近,预测效果良好。     

基于ARIMA模型的2009年山东省手足口病疫情分析及预测

对山东省2009年第13周至第35周(3月30日至8月30日)手足口病发病数作时间序列分析,应用 SPSS软件建立 ARIMA模型,并对预测效果进行评价.结果表明ARIMA (0,2,1)模型很好地拟合了既往时间段上的手足口病发病率序列,发病率的预测值符合实际发病率变动趋势.     

基于ARIMA模型的山东省月降水量时间序列分析

采用SAS和SPSS软件,结合相关的数学统计方法和时间序列分析方法,运用ARIMA模型进行建模,分析了山东省境内2000年到2009年的月降水量的变化趋势,对2010年的月降水量数据进行预测并与真实值进行对照.结果表明ARIMA模型在短期预测中能起到一定作用,所预测结果均在95%的置信区间内.     

时间序列分析方法及人民币汇率预测的应用研究

在简要介绍时间序列模型的基础上，使用人民币／美元的日汇率值进行实证研究，建立相应的ARIMA模型和EGARCH模型并进行预测和评价。研究结果表明，EGARCH模型的预测结果较ARIMA模型理想，适合描述人民币／美元汇率的变动趋势。     

基于ARIMA模型的猪肉产量短期预测研究

随着我国经济发展和人们生活水平的提高,居民的饮食结构较以往发生了巨大变化,营养丰富的肉禽蛋奶等畜牧产品的市场需求大大增加。受中国传统习惯及其他因素的影响,居民对猪肉的消费远高于其他肉类。猪肉作为肉类消费结构的主导,其生产状况影响全国市场的稳定。通过对中国猪肉市场现状及发展进行分析,利用近20年中国猪肉产量的年度数据建立ARIMA模型,对我国猪肉生产状况进行短期预测。结果显示:未来3年中国猪肉产量将持续增加,但增幅不高。为了维持猪肉市场平衡,避免猪肉价格风险,有必要做好猪肉供给的相关工作。     

ARIMA模型在批发和零售贸易餐饮业预测中的应用

运用时间序列分析方法之一的单整自回归移动平均模型(ARIMA)法,对全国批发和零售贸易餐饮业进行时间序列分析.分析显示,ARIMA(1,1,10)模型可以提供较准确的预测效果,可以为全国批发和零售贸易餐饮业预测提供一定的依据.     

灰色组合模型在湖北省粮食单产预测中的应用

分别采用GM(1,1)模型、多项式和组合模型利用统计资料对湖北省粮食单产进行预测,结合具体情况进行分析,结论认为2010、2015、2020年湖北省单产将可能达到5917.63、6141.03、6358.66千克。     

基于ARIMA模型的期货价格分析与预测

随着国内期货市场的发展,使得人们对期货价格的走势、分析和预测的关注越来越多。利用ARIMA模型能对期货价格进行较为精确预测,在此基础上提出模型的关键部分平稳性检测上用ADF检验来对时间序列的平稳性和d值的大小进行确认。在P值和q值的确认上提出了枚举法来确定最优的预测组合,进而对期货价格进行了更为精确的预测。     

四川省人均GDP时间序列模型的建立与分析

多数经济时间序列存在惯性或迟缓性,通过对这种惯性的分析可以研究时间序列的内在规律并预测经济的发展。本文用BOX-Jenkins模型和指数平滑法对四川省人均GDP时间序列进行建模和短期预测分析,结果显示,四川省提出的“十一五”经济增长目标是可以实现的,但应防止新一轮经济增长周期带来的经济增长速度减慢。     

博克斯——詹金斯预测模型在商品销售量预测中的应用

对商品在未来一段时间内销售量的预测,可以直接影响到企业整体营销策略的制定.运用博克斯-詹金斯预测法是一种对商品销售量的预测有较高精确度的模型,该模型是建立在零平稳随机时间序列的基础上,依据商品以往的销售量,预测未来一段时间内该商品的销售量.通过实例应用,证明了此方法具有较高的实用价值.这对于企业制定自己的营销策略具有很好的参考价值.     

福建省社会消费品零售总额的预测

以2004年1月至2010年12月福建省社会消费品零售总额月度数据为样本,建立了时间序列季节模型和单整自回归移动平均(ARIMA)模型,并分别应用它们对2011年各月的指标值进行了预测。在此基础上进行组合预测,得出了2011年1-12月福建省社会消费品零售总额的预测值。预测结果对更好地引导消费具有重要作用,模型建立的过程和方法能为相关研究提供借鉴。