ARIMA模型在山东省GDP预测中的应用

地区国内生产总值是衡量一个地区经济状况和发展水平的最优指标,其能够反映出地区的经济实力和市场规模大小。本文通过对山东省1990—2020年的GDP数据进行分析,建立ARIMA(1,1,0)模型,并对山东省今后的发展进行预测分析。研究结果表明,2021年山东省GDP总量稳步提升,预测增幅为5.7%,区域生产总值（GDP）约为77 327.9亿元。2021年山东省GDP实际值为83 095.9亿元,增幅为8.3%,可能的原因是疫情过后经济逐步恢复。     

混沌时间序列及其在我国GDP（1978-2000）预测中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容。本文利用混沌动力学原理,通过混沌时间序列的相空间重构,运用局域预测方法,建立了预测模型。并用其确立的混沌动力学模型对1978～2000年我国GDP进行了预测。把此预测结果与实际值进行了比较,结果证明误差较小。同时还将此预测结果与用指数平滑法建立的预测模型的预测结果相比,结果表明混沌时间序列建立的模型其短期预测效果更好。     

甘肃省人均GDP时间序列分析

人均GDP的增长具有内在的规律性,本文以甘肃省1978～2007年人均GDP的时间序列数据资料为依据,建立了一个能够有效拟合甘肃省人均GDP变化的时间序列模型,以揭示甘肃省人均GDP增长变化的规律性。     

基于时间序列分析股票上证指数走势

本文应用时间序列对上证指数历史数据进行研究分析,并建立预测模型,以研究2014年上证指数的变化规律。利用统计分析软件分别对其开盘价格进行分析,应用时间序列分析方法建立模型对上证指数作预测分析,以得出接近真实值的预测值,并对模型进行检验,证明有效后,对未来数据进行短期预测。     

基于Box—Jenkins方法的中国季度GDP的时间序列分析

时间序列分析如今已经广泛应用于社会科学和自然科学的各个领域。尤其是在金融与宏观经济领域,由于大多数的数据的得到都是按照时间序列来获得的,因此通过时间序列分析从而在统计学意义上处理时间序列数据具有很大的灵活性。时间序列的分析方法很多,本文主要是通过运用Box-Jenkins的方法来分析中国近年来GDP的数据,并且进行一定程度的预测。选取的GDP数据是今年来的季度数据。     

基于时间序列模型下河南人均GDP的预测分析

以河南省1978-2013年的人均GDP统计数据为样本,通过序列平稳化处理,消除伪回归,在单位根检验的基础上通过模型识别选择了合适的模型,建立了河南省人均GDP的时间序列方程,以此对河南未来人均GDP进行了预测分析。研究表明,河南未来人均GDP仍处于较快增长阶段,但增速呈放缓趋势;河南在未来一段时间内仍将处于脱离"中等收入陷阱"阶段的经济发展关键期,距离世界银行公布的一万美元的中高端收入标准尚待时日。     

时间序列模型在中国股市中的应用

时间序列模型是研究股票市场的一个非常重要的工具,本文在不同情境下分别采用ARIMA和ARCH两种模型分析方法,对上证指数的周收盘价格进行了建模分析,结果表明,ARCH模型比ARIMA模型效果要好一些。     

基于宏观管理下的时间序列模型货币供应量趋势分析

本文选取2000-2004年的12个月的货币供应量为研究对象,利用SPSS软件对其进行时间序列模型分析及趋势预测。通过模型的时序图、自相关图及偏自相关图,得到时间数据的显著趋势性,继而采用二阶差分对其进行平稳性处理,从而得到可用ARIMA模型拟合的平稳性时序。进而依次对模型进行参数估计、白噪声检验和序列预测,得到货币供应量历年的数据值及对应预测值的时序图。结果表明,ARIMA模型的拟合效果较好,对货币供应量的趋势预测具有一定的参考价值。     

时间序列分析在中国城市化进程分析中的应用

本文收集了1978年至2006年我国城市化进程的年度数据,建立了城市化进程的自回归移动平均模型(即ARMA模型).     

时间序列分析在中国城市化进程分析中的应用

本文收集了1978年至2006年我国城市化进程的年度数据,建立了城市化进程的自回归移动平均模型(即ARMA模型)。     

基于小波网络的经济时间序列预测模型

本文在小波网络的基础上,利用经济类时间序列的特点,建立通用的经济预测小波网络模型.该网络的权值由广义递推最小二乘法来学习,尺度参数和平移参数通过稳定的Davidon最小二乘法获得.并利用此模型对我国工业发电量加以预测.实际预测结果表明了该模型的先进性和可行性.     

非平稳时间序列预测模型在农产品供求量预测中的应用研究

根据实际的统计数据,建立了农产品供求量的非平稳时间序列预测模型,通过建模过程的统计检验和实例预测,阐述了模型的应用过程及适用性.     

基于时间序列和线性规划的人力资源配置研究

对迪卡侬体育用品超市的人力资源配置和排班进行案例研究.通过调研获取数据,然后采用时间序列模型预测出下一周期的销售额,结合工作效率计算出每月所需工时数;再考虑实际的轮班情况,以人力成本最小为目标,构建了相应的数学模型;最后基于Excel和Solver对模型进行优化求解,并给出了实际排班规则.优化方案在满足相关需求的同时节约了人力成本投入,为企业的实际人力资源配置提供了借鉴.     

基于ARIMA模型的房地产价格预测研究——以合肥市为例

近年来,城市住宅价格快速上涨引起社会广泛关注。合肥市是长三角城市群的“副中心”和“一带一路”重要节点城市,近几年合肥市房地产行业呈现迅猛发展的势头,其房地产市场的健康稳定发展对保证合肥市经济的稳定快速增长具有重要的意义。当前对合肥市房地产价格的预测研究尚属空白,因此本文选取合肥市六个区（高新、庐阳、政务、蜀山、滨湖、瑶海）为研究对象,并将这几个区分为行政和经济两大类,研究的时间范围为2013—2019年,运用R软件进行时间序列分析,建立ARIMA模型,做具体的分析与预测。结果表明,合肥市房价将在短期内呈现小幅上升趋势。     

基于EMD与DVG的非线性时间序列预测模型及其应用研究

针对具有非线性和不稳定性的时间序列,提出一种结合经验模态分解(EMD)、有向可见图(DVG)网络的动态预测模型。利用经验模态分解将原时间序列分解为多个固有模态函数(IMF),然后对分解后的高频和低频IMF利用快速傅里叶变换得到各自的周期;依据每个周期,从原时间序列的尾部截取长短不一的子序列,然后采用有向可见图算法转换为多个有向网络,利用随机游走在每个有向网络中寻找与时间序列最后一个节点相似的节点;最后,依据平行线法,预测时间序列的下一个数值。原油价格的时间序列是一类典型的具有非线性和不稳定性的序列,利用此模型对WTI原油每日价格进行实证分析。研究结果表明,此模型不但可以有效地预测时间序列的变化趋势,而且具有较高的预测精度。     

河北省第三产业发展情况研究

本文章运用1985年至2011年的统计数据,从分析河北省三次产业总体结构与内部结构出发,对河北省第三产业的各城市,各行业以及就业等内容做分析,并建立了预测第三产业产出的ARIMA模型,并总结河北省第三产业的发展特点,分析其迅速发展的原因。     

中国外商直接投资时间序列趋势的实例验证

本文利用时间序列分析理论,对我国外商直接投资(FDI)的发展趋势建立了动态模型,并预测了未来几年我国FDI的发展趋势。此模型利用小波分析剔除噪声对未来预测的干扰,提高了时间序列模型的预测精度。     

经济时间序列的非线性组合建模与预测方法研究

基于模糊系统在紧立集中能够任意逼近非线性连续函数的特性,本文提出了一种基于Takagi-Sugeno模糊规则基的非线性组合预测新方法,以克服线性组合预测方法在解决非平稳时间序列组合建模问题所遇到的困难和存在的不足,并采用相应的遗传算法确定模糊系统的参数及模糊子集的划分。理论分析和大量的应用实例表明:该方法具有很强的学习与泛化能力,在处理诸如经济时间序列这种具有一定程度不确性的非线性系统的组合建模与预测方面有很好的应用价值。     

一类结合Outlier分析的单变量ARIMA模型在股票市场中的应用

本文通过对当前广泛使用的经济时间序列预测方法的分析比较,针对如股票价格这一类易受到大量外部因素影响且难以通过多变量建模分析的经济现象,采用了单变量ARIMA模型并结合Outlier分析的方法。实证分析表明了此方法具有良好的效果。