基于ARIMA模型的中国CPI走势预测分析

消费者物价指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动指标。文章选择中国2001年1月至2011年10月最新的月度CPI数据作为研究对象,构建了自回归求积移动平均ARIMA(12,1,20)模型,在模型拟合效果优良的基础上,成功对未来CPI走势进行了预测,为宏观层面有效实施物价调控政策提供了数量上的依据。     

基于ARIMA模型的消费者价格指数预测

科学准确地预测CPI将为宏观经济政策的制定提供合理的数据支持.文章根据我国2010年1月至2015年6月CPI月度数据建立ARIMA模型,对2015年下半年我国的CPI数据进行预测.实证结果表明:ARIMA(12,1,2)模型的预测效果良好,可以作为我国CPI走势判断的有效依据.     

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和EGARCH模型的中国入境旅游收汇预测分析

本文采用ARIMA模型和EGARCH模型,利用SAS软件对2001年1月到2005年8月中国入境旅游收汇数据进行分析,并作了拟合预测比较,目的是选择具有较好拟合效果的模型。     

基于ARIMA模型对湖北省能源消费的预测

能源影响着我国社会经济的稳定持续发展,对未来能源消耗的准确预测具有重要意义。文章以我国湖北省为例,利用1980～2005年的能源消费总量数据为基础,运用ARIMA模型进行能源消费的预测,达到了最小方差意义下的最优预测的效果。     

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。     

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.     

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.     

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.     

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.     

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.     

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.     

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.     

基于ARIMA模型的研究生招生规模建模与预测

文章运用ARIMA模型对研究生招生规模进行了分析与建模研究,并结合内蒙古自治区1982~2008年间的研究生教育规模进行了实证分析,进而预浏了未来3年内蒙古研究生招生规模的变化趋势,最后在预刻结果的基础上,结合内蒙古研究生教育的现状,就研究生教育规模与质量如何协调发展提出了建议.     

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。     

基于ARIMA模型与GM(1,1)模型的居民消费价格指数预测对比分析

居民消费价格指数反映一定时期内我国城乡居民所购买的生活消费品和服务项目价格变动趋势和程度的相对数,是宏观经济分析与决策、价格总水平监测与调控的重要指标,同时也是反映通货膨胀的重要指标.文章运用历史数据,结合数学模型对CPI进行了科学合理的预测.在此基础上运用ARIMA模型和GM(1,1)模型对居民消费价格指数进行了预测的对比分析.     

基于ARIMA模型的我国财产险保费收入的预测研究

改革开放以来,我国保险业一直保持着迅猛的发展势头。财产险作为保险业的重要组成部分,其保费收入也在逐年增加。本文利用2000年1月至2009年10月118个时间序列数据,运用求和自回归移动平均模型（autoregressive integrated movinga verage model,简称ARIMA（p,d,q）模型）,建立我国保险业财产险收入的预测模型,预测财产险保费收入的变化趋势,作为保险公司决策管理的参考,并提出相关建议。     

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。     

基于乘法季节ARIMA模型的农村居民人均收入的短期预测

文章采用我国近10年的农村居民人均现金收入季度数据进行乘法季节ARIMA建模,发现ARIMA(0,1,0)×(2,1,0)4模型能够很好的拟合我国农村居民人均收入,并用该模型进行预测,预测结果表明:2014年前两季度的预测值与实际值的相对误差率非常小,说明模型拟合的效果很好;同时预测结果也发现农村居民人均现金收入呈现稳定增长的趋势,且存在明显的季节周期性.     

基于ARIMA模型的城市网格化管理预测与仿真

文章对城市网格化管理问题进行了研究,基于网格化问题数据的时间序列特征的归总,利用了标准化时间序列模型ARMA族进行分析,并以AR,MA模型为比较基础,进而对选定的ARIMA模型预测结果进行精度比较测试.研究发现,时间序列模型对城市网格化管理问题的预测精度较高,而网格化管理本身对于城市建设与管理和城市决策的资源整合具有相当重要的意义.