应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年-2003年我国能源消费量的年度数据进行分析,结果显示,ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测。     

时间序列分析在我国GDP预测中的应用

GDP是反映一国经济增长、经济规模、人均经济发展水平、经济结构和价格总水平变化的一个基础性指标,而且也为国家和地区在部署战略方针和制定宏观经济政策上提供了一种参考和依据。改革开放后,中国的经济实力不断提高,GDP连年增长,并呈现一定规律。如果可以准确地预测未来中国之后几年的GDP,将为国家的宏观调控工作提供巨大帮助。本文基于时间序列分析理论,以我国1986年~2016年国内生产总值为基础,利用EViews8.0软件,对数据进行拟合分析,建立模型,并利用所建模型对我国未来三年的GDP作出预测。     

ARIMA模型在杭州市全社会固定资产投资预测中的应用

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。将ARIMA模型应用于杭州市全社会固定资产投资数据的分析与预测,得到较为满意的结果。     

山东省社会消费品零售总额ARIMA模型和预测

本文截取了山东省2001年-2010年社会消费品零售总额数据,对数据进行了统计分析,建立ARIMA模型,并通过此模型对山东省2011年和2012年的社会消费品零售总额进行了预测.     

ARIMA模型在湖北省GDP预测中的应用——时间序列分析在中国区域经济增长中的实证分析

本文介绍求和自回归移动平均模型ARIMA(p,d,q)的建模方法及Eviews实现。广泛求证和搜集从1952年到2006年以来湖北省GDP的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,结合统计软件EVIEWS运用ARMA建模方法,将ARIMA模型应用于湖北省历年GDP数据的分析与预测,得到较为满意的结果。     

基于ARIMA模型对中国人均粮食的预测

人均粮食占有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1950-2007年我国人均粮食占有量数据建立ARIMA模型,对我国未来人均粮食占有量进行预测．结果表明：2010年的我国人均粮食占有量可以满足未来十年内人均消费量。通过对未来人均粮食占有量的科学预测,以期对国家合理规划未来粮食生产提供有益参考。     

ARIMA模型在银行贷款规模预测中的应用

本文以我国银行2007~2010年月度贷款规模总额为基础数据,建立了银行贷款规模时间序列ARIMA(1,1,1)模型。模型拟合结果表明:银行贷款规模在2007年1月到2010年3月是一个持续上涨的趋势,间在2009年初增长较前月份速度加快,这与我国2009年初财政刺激政策有关同时,本文根据模型对未来的银行贷款规模进行有效预测,这对金融机构进行决策有重要参考价值。     

基于ARIMA模型的全国社会消费品零售总额分析与预测

社会消费品总额反映一定时期内人民物质文化生活水平的提高情况,反映社会商品购买力的实现程度,以及零售市场的规模状况。社会消费品零售总额是研究居民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料。本文利用ARIMA模型对全国社会消费品零售总额进行分析,并利用模型预测,结果显示本文建立的模型能够较为准确的描述和预测社会消费品总额的变化情况。     

基于ARIMA模型的全国社会消费品零售总额分析与预测

社会消费品总额反映一定时期内人民物质文化生活水平的提高情况,反映社会商品购买力的实现程度,以及零售市场的规模状况。社会消费品零售总额是研究居民生活水平、社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要资料。本文利用ARIMA模型对全国社会消费品零售总额进行分析,并利用模型预测,结果显示本文建立的模型能够较为准确的描述和预测社会消费品总额的变化情况。     

应用ARIMA模型预测我国能源消费量

本文采用ARIMA模型型对1974年～2003年我国能源消费量的年度数据进行分析,结果显示ARIMA模型不但适合于我国能源消费量的非平稳时间序列的特点,并且可以用于未来值的预测.     

基于ARIMA模型对我国货币供应量的研究

货币供应量作为货币政策中介目标在基本理论中一直占有重要地位,并在实践中被广泛应用.但是,近几年来,经过不断的深化改革.我国经济与金融活动发生了很大变化,所以能够对货币供应量作出预测,进而为政府制定相应的货币政策提供依据.本文利用今年来的月度数据,通过对货币供应量的自相关函数和偏自相关函数的纯计识别,建立了一个ARIMA模型,并运用Eviews软件估计出其参数.利用这个模型对我国的货币供应量进行了合理的预测.     

基于ARIMA模型下的时间序列分析与预测——以江苏省社会消费品零售总额为例

大多数的时间序列存在着惯性,或者说具有迟缓性。通过对这种惯性的分析,可以由时间序列的当前值对其未来值进行估计。本文以1949年到2004年江苏省社会消费品零售总额数据为研究对象,将这些数据平稳化并做分析,发现ARIMA(1,1,2)模型能比较好的对江苏省社会消费品零售总额进行市时间序列分析和预测,。     

基于ARIMA模型下的时间序列分析与预测——以江苏省社会消费品零售总额为例

大多数的时间序列存在着惯性,或者说具有迟缓性。通过对这种惯性的分析,可以由时间序列的当前值对其未来值进行估计。本文以1949年到2004年江苏省社会消费品零售总额数据为研究对象,将这些数据平稳化并做分析,发现ARIMA(1,1,2)模型能比较好的对江苏省社会消费品零售总额进行市时间序列分析和预测,。     

基于ARIMA模型的我国人民币汇率的时间序列分析

大多数经济时间序列呈现非平稳性,因而不能直接用ARIMA模型进行分析。但是通过对原始序列进行差分,将其转换为平稳时间序列,再用ARIMA模型进行建模。本文通过对2000-2010年我国人民币汇率时间序列的分析,预测2010年6-12月数据,并证实了ARIMA模型是一种很好的短期预测模型。     

ARIMA模型在汇率预测中的应用——基于人民币汇率的验证

本文使用统计软件EViews7.2,分析人民币汇率从2010年1月1日到2012年12月31日共计725天的时间序列数据,并据此建立了2种ARIMA模型。根据模型的预测精度、检验结果,本文确定了最优预测模型ARIMA(1,0)。随后运用该模型来预测2013年1月1日至3月31日人民币与美元兑换汇率(55个数据),并与2013年实际数值进行拟合。对于2013年的人民币汇率走势,笔者认为,根据模型结果,其值仍将在短期内呈缓慢下降的趋势。     

小波分析结合ARIMA组合模型的2014~2017年石油贸易量预测研究

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

ARIMA模型在我国GDP预测中的应用

国内生产总值GDP是国民经济核算的核心指标,是衡量一个国家总体经济状况重要指标,它反映了国家的经济实力、结构布局和市场规模。中国从改革开放之后,经济不断发展,GDP数据逐年增加,并呈现一定的规律。本文对我国1997~2016年的GDP数据进行了分析,建立了ARIMA模型,结果显示该模型的预测误差较小,能够较好地描述我国GDP状况,可以用来做短期预测,为政府部门制定经济计划提供依据和参考。     

ARIMA模型在四川民族地区GDP预测中的应用研究

应用时间序列模型中单整自回归移动平均模型ARIMA(p,d,q)的建模过程,依据1990-2011年四川民族地区GDP数据,建立ARIMA(1,1,0)模型,并结合Eviews5.0统计软件实现对模型的检验。结果显示,模型具有较好的预测效果和现实意义,可为四川民族地区制定经济发展目标提供决策参考。     

基于ARIMA模型对黄金价格短期预测

本文以2015年1月1日至2015年6月2日伦敦现货黄金月度价格为依据,通过建立ARIMA模型对2015上半年伦敦金价格进行预测分析,研究结果显示,该模型预测值与实际数据相比拟合度高,预测结果较为精确。绕开了对传统影响黄金价格的种种因素作用机理的分析,而围绕这些众多因素共同作用下的黄金价格所表现出的实际数据展开研究,这种类似于抛开"黑箱"关注结果的研究方法对黄金这种特殊商品价格的形成和变动比较适合,具备一定的借鉴意义。