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.     

复杂季节时间序列模型研究

季节时间序列有时不止有一个季节周期,比如以小时计的数据,24小时可以是一个季节周期,同时,一周可以是一个季节周期.为解决传统模型不能处理复杂季节问题,文章采用傅里叶级数序列作为ARIMA模型的辅助回归元,对我国2004年1月至2015年8月的铁路客运量进行拟合.结果表明,分别选择正余弦个数为1和4的2.6和12个月为周期的傅里叶级数作为辅助回归元拟合ARIMA(3,1,1)模型最优,拟合的平均绝对百分比误差(MAPE)为5.46％.在此基础上对我国2016年各月份的客运量进行了预测.     

我国农村居民口粮消费的组合预测

随着农村人口向城镇转移以及农村居民收入的增长,我国农村居民口粮需求逐年下降.预测农村居民口粮消费量不仅有助于把握农村居民消费结构的变动轨迹,而且对指导粮食生产也有重要的意义.文幸针对单一的预测模型可能存在的问题,利用时间序列和线性回归的组合模型对近30年我国农村居民口粮消费量进行了拟合.通过比较单一预测模型和组合预测模型的精度发现:相对于单一的预测模型,组合预测模型预测精度较高.利用组合预测模型,文章预测未来10年我国农村居民的口粮消费量会继续下降.     

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.     

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.     

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logistic模型的中国彩票市场实证分析

文章利用1995～2009年彩票总销量和居民可支配收入的统计数据建立logistic模型,运用格兰杰因果检验方法对彩票总销量和居民可支配收入的关系进行实证检验.结果表明:一是彩票总销量和城镇居民可支配收入互为格兰杰原因,而彩票总销量与农村居民家庭人均现金收入是相互独立的变量;二是我国彩票销售量增长将出现拐点.     

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.     

数字快报

全国：农村居民收入增速快于城镇居民 2011年第一季度,城镇居民家庭人均总收入6472元。其中,城镇居民人均可支配收入5963元,同比增长12．3％,扣除价格因素,实际增长7．1％。农村居民人均现金收入2187元,增长20．6％,扣除价格因素,实际增长14．3％。农村居民收入增速快于城镇居民。     

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。     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。     

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。     

我国蔬菜价格的时间序列变动分析

文章依据全国集贸市场上黄瓜、西红柿、大白菜三种常见蔬菜的价格数据,首先分析了蔬菜价格的季节变动和趋势变动;然后运用ARIMA模型对蔬菜价格进行拟合和预测;最后比较分析了2010年的模型预测价格与实际价格。     

我国保费收入的ARIMA模型与预测

一个国家或地区的保费收入是衡量该国家或地区保险业发展的重要指标之一。为了编制保险计划,制定保险业的短、中、长期发展规划,建立保费收入的ARIMA模型并据此进行预测是十分必要的。本文试图根据我国已有的保费收入资料,建立保费收入的ARIMA模型并进行预测。一、数据搜集与整     

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模型的北京居民消费价格指数预测

自回归单整移动平均模型(ARIMA)是目前较为广泛应用的时间序列建模方法之一,文章以北京市1998年1月~2013年5月的CPI月度数据为样本,采用Eviews6.0软件,建立了ARIMA(12,18)模型,模型对样本内数据拟合较好,预测误差较小,用该模型对北京市2013年6月~2013年12月的CPI指数进行了预测。     

时间序列分析在经济预测中的应用

社会消费品零售总额是一项重要、敏感的政府统计。定期发布的消费品零售统计资料,常常引起国内外的强烈关注,间或还会引发一些疑义和争议。文章拟通过运用EXCEL及SAS软件建立季节分解模型和季节哑变量、ARIMA模型,对我国的社会消费零售总额的情况进行预测分析,从初步确定几个不同的模型中,把拟合效果最好的模型保留,并对模型的实用性进行了探讨。     

基本医疗保险基金支出预测模型与实证

文章利用灰色邓氏关联度、等维灰色系统GM(1,1)模型探讨基本医疗保险基金支出影响因素并对其进行预测,为合理分配基本医疗保险基金提供数据支持。结果表明:医疗保健支出中农村居民人均医疗保健支出对基本医疗保险基金支出的影响最大,其次是财政支持和三级医院诊疗人次数,对收入水平、一级医院门诊病人次均医药费、农村每万人医疗机构床位数的影响最小。基本医疗保险基金支出、人均GDP、城镇居民人均可支配收入、农村居民人均可支配收入、国家财政医疗卫生支出、财政投入基层医疗卫生机构、财政对基本医疗保险基金的补助、城镇居民人均医疗保健支出、农村居民人均医疗保健支出、一级医院门诊病人次均医药费、农村每万人医疗机构床位数、三级医院诊疗人次数在2020—2030年均呈现上升态势。     

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.     

我国轿车保有量的预测研究

本文首次采用非参数模型对千人轿车保有量进行建模与预测.我们发现(1)千人轿车保有量相对于人均GDP的弹性并非一成不变;(2)与线型模型相比,非参数模型时千人轿车保有量提供了更好的模型拟合与更合理的中长期预测.