ARIMA 模型在湖北省 GDP 预测中的应用

本文依据1978至2010年湖北省 GDP 的相关数据建立 ARIMA 模型。利用 STATA 统计分析软件对时间序列数据进行了平稳性检验、模型的选择、模型的定阶和模型的检验。经过合理筛选，选择 ARI－MA（0，1，1）模型作为最终模型，并以此模型对湖北省2011至2015年 GDP 值做出预测。结果显示，2013年前的预测结果基本符合事实，2014—2015年 GDP 的预测值具有参考价值，所以模型具有可应用性。     

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.     

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。     

基于ARIMA模型的沪深300股指期货价格预测研究

基于ARIMA模型建立了股指期货价格的预测模型,对20100416～20110113间共180个交易13的沪深300股指期货合约收盘价数据进行了实证分析,结果表明：ARIMA模型对于股指期货的价格走势短期预测效果良好,模型能有效反应期货价格的波动性走势．     

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。     

曲线分类建模方法及其在GDP预测中的应用

传统方法解决大规模时序曲线的预测建模问题,需要对每条曲线逐一建模,使得建模工作量相当庞大,在实际应用中缺乏可操作性。文章提出一种解决此问题的新方法——曲线分类建模方法。该方法先减少曲线的模型种类,再进行曲线分类和分类建模,在尽可能保留原始信息的前提下较大程度地降低了建模的工作量。文章阐述了该方法的原理和计算过程,并以应用于多地区GDP曲线的预测案例说明该方法的实用性和有效性。     

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.     

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模型的山东省居民消费价格指数分析

运用Eviews软件,根据山东省CPI历史数据建立了拟合程度较高的居民消费价格ARIMA模型,并对CPI进行分析和短期预测.结果表明,山东省市场价格保持低位平稳运行,通货膨胀率低,经济稳定呈快速增长态势.     

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BP神经网络误差修正的ARIMA模型对河北省入境游客量的预测

分析了影响河北省入境游客量的因素,如旅游资源、区位、管理和营销能力等,在此基础上,对入境游客量的时间序列预测方法及回归分析预测方法等做了比较分析,提出运用ARIMA时间序列方法预测河北省入境游客量,并利用BP神经网络方法完成对河北省入境游客量预测数据的误差修正,得出符合河北省实际的入境游客量预测模型,预测的结果表明所得基于BP神经网络误差修正的ARIMA模型是可行的、有效的,得出的河北省实际入境游客量是比较准确的、合理的.     

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.     

ARIMA和GM（1，1）模型预测上海市卫生总费用

卫生总费用是评价一个国家或地区卫生投入水平和资金利用状况的重要指标。文章采用2005—2018年《上海市统计年鉴》相关数据,利用ARIMA模型与灰色GM（1,1）模型,分别对上海市卫生总费用及其占国内生产总值（GDP）比重发展趋势进行预测分析。研究发现,2018—2025年上海市卫生总费用及其占GDP比重将继续保持稳定增长,预测结果显示,2025年上海市卫生总费用及其占GDP比重将分别达到4 765.19亿元（8.53%）、5 976.59亿元（10.21%）。所建立的ARIMA模型与灰色GM（1,1）模型平均相对误差均小于10%,拟合度较好、预测精度较高,但灰色GM（1,1）模型的预测效果要优于ARIMA模型。文章提出今后上海市应在保持卫生总费用继续投入的基础上,控制其合理增长;保持卫生费用的投入与经济发展水平恰当匹配,提高卫生效率,为居民提供更高质量、更加普惠、更有效率的健康服务。