基于时间序列分析方法的伊犁州GDP的预测研究

基于时间序列理论,以伊犁州1978年至2014年来生产总值为基础数据,利用Eviewes8.0软件对数据进行处理分析,并对模型进行显著性检验,综合各种条件确定最终时间序列回归模型,对伊犁州未来三年的生产总值做出预测,为伊犁州党委、政府制定相关经济政策和发展战略提供科学依据.     

青岛港货运吞吐量的时间序列模型

运用时间序列分析方法对时间序列建立ARMA,ARIMA模型.搜集了青岛港1999年1月～2003年5月的货运吞吐量数据,对进行分析,建立了青岛港货运吞吐量的模型.通过预留的部分数据对模型进行检验,并对模型的残差进行检验,得出模型比较合理.     

基于时间序列法的国税月度收入预测模型研究

研究了基于时间序列方法的国税月度收入预测. 通过采用Box-Jenkins的ARIMA模型, 结合国税月度收入数据, 分析并提出了一套针对月度税收收入的预测研究框架, 包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法. 在该研究框架的指导下, 以增值税、海关代征税和营业税为例, 对2006年各月的税收收入进行了模拟预测, 月度税收收入预测的平均相对误差分别控制在5.47\%, 8.63\%和2.37\%. 最后给出了在实际应用中动态修正税收预测模型的建议, 并简要讨论了时间序列方法在税收预测中面临的问题.     

基于ARIMA模型的中国天然气消费量预测与分析

天然气作为一种清洁能源,对优化能源消费结构、发展低碳经济起着重要作用.对我国天然气消费量进行预测,有助于制定天然气行业的产业政策,促进其健康有序的发展.利用ARIMA(1,1,5)模型对我国天然气消费进行了预测,结果表明天然气消费增速将近一步加大,到2015天然气消费量将是2012年的近两倍,对外依存度将达到40%.建议应该加快非常规天然气的开发,加快天然气基础设施建设,尽快完成天然气价格形成机制改革,控制天然气消费的无序增长.     

基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究

本文深入分析了灰色预测模型、自回归移动平均(ARIMA)模型和BP神经网络模型的预测特性和优劣,并在此基础上建立了由ARIMA、GM(1,1)和BP神经网络集成的时间序列预测模型。针对呈现趋势变动性和周期波动性二重特性的时间序列,首先建立GM(1,1)模型对序列的趋势项进行预测,然后建立基于ARIMA和BP神经网络的组合模型对序列的周期波动项进行预测,最后用乘积模型对二者预测值进行集成。GDP时间序列实证结果表明:集成模型的预测效果显著高于单一模型,从而证实了集成模型用于GDP预测的有效性.     

基于ARIMA模型的山西省能源消费的预测分析

通过对1985-2010年山西省能源消费总量数据序列的分析,建立了ARIMA(1,1,1)模型.结果显示:模型对原始数据的拟合程度较好,模型的预测误差小,可用于中短期预测.     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.     

基于时间序列方法的全国铁路旅客周转量的分析与预测

应用两种时间序列分析的方法对全国铁路旅客周转量的月度数据进行分析.运用X-11方法和季节ARIMA模型进行分析并分别对未来5个月的周转量做了预测,结果表明季节ARIMA模型优于X-11方法.通过对全国铁路旅客周转量的定量分析,为铁路部门在计算运输成本,劳动生产率,旅客平均行程等方面提供有效的依据.     

基于时间序列的多因素耦合下GDP预测研究——以伊犁州为例

以时间序列分析相关理论为基础,首先介绍了ARIMA模型和VAR模型的建模过程,然后构造ARIMA模型对伊犁州直GDP进行预测,再考虑进出口总额、社会消费品零售额、工业和建筑业、社会固定资产总额等因素的耦合效应,构造VAR模型对伊犁州直GDP进行预测,最后对两种方法做对比分析,结果显示,VAR模型预测精度较高,误差较小,经济含义明确,预测的GDP结果可为伊犁州党委、政府制定相关经济政策和发展战略提供一定的科学依据.     

基于ARIMA模型的山东省GDP的分析与预测

对1975-2015年山东省国内生产总值进行分析,运用统计学原理,建立了ARIMA(1,1,1)模型,检验结果表明该模型具有良好的预测效果,可为山东制定经济发展目标提供决策参考.     

基于自回归XGBoost时序模型的GDP预测实证

GDP是反映一个国家国民收入、居民消费能力和经济发展的重要宏观经济指标,也是制定相关经济政策的重要依据.选择合适的统计方法研究GDP的发展变化规律,进行短期的高精度预测,对我国的宏观经济决策具有重要意义.研究选用基于自回归的XGBoost时序模型对我国1978-2018年GDP进行拟合预测,Rstudio软件运行结果显...     

红塔系列香烟月均价格的时间序列分析

本文利用时间序列的方法,对带有删失数据的红塔烟草系列的月度平均价格进行了统计分析。得到了一定置信水平下的时间序列模型。为进一步的定性分析提供了模型基础。     

南通地区月降水量时间序列分析

根据南通地区1989年-2005年月降水量数据,在统计检验其平稳性、纯随机性的基础上,结合谱分析,建立该地区具有季节效应的疏系数ARIMA月降水量时间序列模型,对模型作了拟合预测检验.研究表明,多个模型的联合使用比单一模型更利于准确拟合预测.     

我国人口时间序列拟合模型的比较与选择

通过对我国1990年至2007年共18年的人口数据进行实证分析,运用时间序列的三个不同模型,对我国人口的变化规律进行了拟合研究;并给出了反映各个模型拟合精度的AIC值和SBC值;最后,通过对所建模型的比较分析,对拟合模型的选择提出了相关建议.     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

基于在线评论的新产品定向市场播种最优策略研究

定向市场播种,即选择特定的消费群体对其免费发放新产品,由此获得的在线评论对其他潜在消费者的购买决策有较大的影响作用,但还没有 相关研究。以在线销售的新产品为研究对象,基于Hoteling模型,加入在线评论对消费者预期值的影响作用来构建企业最优收益模型,研究垄断厂商最优的定向播种策略。研究结果揭示了(1)最优播种目标与消费者对产品的初始预期值相关:预期值较高时,可不播种;预期值处于中等水平,可选择均匀播种;预期值较低时,应选择高匹配用户播种;(2)三种播种方式下各自的最优播种比例及其定价策略;(3)当消费者初始预期值与产品不匹配成本发生变化时,三种播种策略下最优的播种比例和定价策略的调整方案。研究结果为探究在线评论对播种策略的影响提供了新的研究方向和理论依据。     

基于时间序列的长沙市PM2.5的统计分析

通过对长沙市2015年AQI检测指标数值PM2.5与SO_2,NO_2,PM10,CO,O_3间相关性进行分析,得到PM2.5与SO_2,NO_2,PM10,CO间存在正相关关系,与O_3间为负相关关系.后建立自回归移动平均模型(ARMA)对长沙市2015年的PM2.5进行短期预测,得到最优模型为ARMA(3,2).最后对长沙治理PM2.5提出相关建议.     

我国外汇储备变动的时间序列建模预测

本文通过对我国最近十三年来的外汇储备月度数据进行分析,利用不同的建模思想建立了三次趋势模型、Holter-Winter非季节模型和AR IMA模型来分析短期内我国外汇储备的变动趋势。这三种模型对原始数据都能够较好的拟合,而且用于预测时的结果也相差不大,可以为短期内预测管理我国外汇储备提供有效参考。