基于ARIMA的居民消费价格指数建模与预测

根据我国2007～2010年的实际居民消费价格指数,建立了基于ARIMA的物价指数预测模型。实验结果表明,该模型的绝对误差以及百分比绝对误差都控制在了一定范围之内,因此该模型拟合效果较好,预测值接近实际值。最后,应用该模型对我国2011年1月至5月的居民消费价格指数进行了预测。     

SARIMA时序分析在税收预测中的应用——以贵州省为例

随着我国国民经济的飞速发展,每年的税收收入也在稳步增长,税收收入已成为我国财政收入的主要来源.税收作为国家宏观经济调控的一种主要手段,可以指导生产要素的流转以及资源的合理配置,从而使生产力布局更合理.地方税收分析对掌握地方税收与经济的关系具有重要意义.进行税收收入的精确预测能为市场经济的宏观调控提供科学依据.本研究采用时间序列的SARIMA模型对税收收入进行建模预测,通过计算预测值与真实值的平均绝对百分比误差和均方根误差对模型进行评估,结果表明该模型有较好的预测度.     

基于VAR模型分析我国CPI的影响因素

为了分析近年来我国CPI的影响因素,基于VAR模型并利用脉冲响应函数和方差分解方法,得出CPI对自身的反应较敏感,工业品出厂价格指数对CPI的冲击较大,广义货币供应量增长率对CPI的冲击较小,但不可忽视,固定资产投资增长率和煤油电价格指数对CPI的作用不明显.     

SARIMA模型的建模及其信贷预测分析

对自回归单整移动平均季节模型(SARIMA模型)的原理,以及建模思想进行诠释.指出在经济数据中普通存在的季节性问题,并在ARIMA模型基础上提出SARIMA模型.通过对中国人民银行的月度信贷总量资料的建模及预测分析,得到良好的效果.SARIMA(1,1,0)(1,1,1)12模型这一短期预测模型及其短期预测的结果,可为中国人民银行进行信贷政策的制订提供依据.     

河南省2012—2020年交通客运量预测与分析

以1998—2011年河南统计年鉴中列出的河南省历年交通客运量数据为研究对象,运用时间序列模型(指数平滑和ARIMA模型)和非线性回归方法,对河南省2012—2020年的交通客运总量以及各交通运输方式客运量做出预测.预测结果显示:未来几年公路交通客运在河南省仍占主导地位,河南省交通客运总量2012年达到215 219.29万人,其中公路、铁路、民航、水运客运总量分别为204 873.13、9493.39、526.99、313.61万人,2020年客运总量将达到579 099.71万人.     

对当前CPI走高成因的若干思考

CPI指数即消费者价格指数(Consumer Price Index,英文缩写为CPI),按照国家统计局的标准解释,CPI是反映一定时期内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,是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算的结果。CPI指数通常作为观察通货膨胀水平的重要指标,一般CPI大于3%称为通货膨胀,CPI大于5%称为严重通货     

基于STR模型的CPI波动与货币供应量关系的实证分析

针对居民消费价格指数(CPI)的波动与货币供应量之间的关系,若用线性回归来研究,将会忽略这样两个问题:1)此函数关系是否一成不变;2)它们之间的影响是否存在对称性。本文以非线性STR模型技术来分析两者之间的非线性、非对称关系。研究发现,以logistic函数作为过渡函数的STR模型能很好地描述CPI波动与货币供应量的非线性动态关系。模型表明,在1993年1月到2010年12月期间,中国CPI波动与货币供应之间存在明显的非对称性,具有很强的非线性特征,两者之间存在机制转换动态特征。紧缩的货币政策机制下,CPI波动加剧;从宽的货币政策机制下,CPI波动主要由市场经济自我调控。     

时间序列分析在居民消费水平指数预测中的应用

该文利用SAS统计软件对我国1978-2009年的居民消费水平指数数据进行分析,分别建立了ARIMA模型和Auto-Regressive模型,并给出了反映各个模型拟合精度的AIC值和SBC值,进而确立了一个反映居民消费水平指数变化规律的较优模型.最后,利用该模型对2010年到2014年的全国居民消费水平指数进行了预测.结果表明ARIMA((2),2,0)模型在短期预测中达到了较高的精度.     

基于ARIMA模型对我国第三产业生产总值的分析及预测

第三产业的兴旺发达已成为全球性的经济发展趋势,成为现代经济的一个重要特征。本文通过时间序列模型对我国第三产业生产总值的变化趋势做出了分析及预测,并给出相应建议。     

基于ARIMAX模型的我国GDP预测分析

基于我国1980-2018年间的GDP和全社会固定资产投资总额数据,以全社会固定资产投资总额为自变量,利用SAS软件,首先建立动态回归模型对我国2019-2021年的GDP进行预测研究。然后建立ARIMA模型对GDP进行预测,预测结果与ARIMAX模型进行对比,发现ARIMAX模型预测更为准确。预测结果显示2019-2021年我国GDP总量稳步增长,我国经济发展前景良好。     

郑州市居民消费价格总指数的预测

借助SPSS软件,对郑州市2001.1-2006.9期间居民消费物价指数进行了分析,通过对比了ARIMA模型和带周期性的ARIMA模型对物价指数的预测效果,指出郑州市物价指数具有季节性和周期性特点,并预测了2006年第4季度郑州市的居民消费价格水平。     

一种包含递归的核回归估计的回归预测模型

构造包含递归的核回归的回归模型,将其应用于居民消费价格指数,提高拟合度,减少预测误差.进而运用时间序列预测模型,结合上述回归模型对居民消费价格指数进行预测.     

应用组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具.根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤.     

我国物价水平影响因素的实证分析

居民消费价格指数是国民经济发展中的重要宏观监控指标之一,由定性分析预测得出可能影响居民消费价格指数的解释变量,选取我国1996年以来的有关数据,通过EVIEWS软件进行对各变量进行计量分析,建立数学模型分析得出货币供应量、国内生产总值和物价水平有较强的正相关关系,并在此基础上提出建议分析.     

基于组合模型对我国能源消费的预测

鉴于我国能源消费系统的复杂性及非线性特征,本文分别采用神经网络和时间序列两种方法建立我国能源消费总量的单项预测模型,并对各模型进行了检验,模型的检验结果表明建立的模型可以作为预测未来能源消费量的有效工具。根据标准差法对各模型的结果进行权重分配,建立我国能源消费的组合预测模型,组合预测模型既克服单一模型的缺陷,又提高了预测精度,之后应用此模型对我国未来六年的能源消费进行预测,2015年我国能源消费总量将会达到41.9亿吨标准煤。     

房地产价格指数与居民消费水平的动态回归分析

以SAS软件为工具,对郑州市2009年5月至2013年5月新建住宅价格指数序列和居民消费价格指数序列进行协整分析,分别拟合了动态回归ARIMAX模型和误差修正ECM模型.ARIMAX模型显著有效,揭示了居民消费价格指数对新建住宅价格指数的影响系数达到1.014 73,预测结果显示,郑州市的房价近期仍呈上升态势,上涨幅度维持在1%左右.ECM模型拟合效果不理想,说明房价受短期波动的影响很小,对房地产市场的调控漫长而复杂.     

农产品价格变动对 CPI的影响研究--以宿州市为例

农产品通常直接出售给消费者,或者作为食品加工的原材料经过工厂工业化的生产供给消费者,其价格的变化波动都可能引起CPI的变化与波动。由于食品在CPI中占据了很大比例,所以来源于粮食、食用油、蔬菜、肉类等农产品的价格波动往往对CPI的上涨与下跌有着决定性的影响。本文采用了常规统计分析与数理统计分析相结合的方法,对宿州市近年来CPI和农产品价格变动之间的关系进行观察分析,有针对性地对该问题提出稳定农产品价格、控制 CPI变动幅度的对策和建议。     

ARIMA模型在居民消费价格指数预测中的应用

将ARIMA模型应用于居民消费价格指数的拟合和短期预测中,采用2001年1月至2013年10月中国居民消费价格指数的月度数据,借助EViews 6.0软件对数据进行拟合分析,建立了乘积季节ARIMA(5,0,6)(1,1,0)12模型,并讨论了模型的准确性,对未来中国居民消费价格指数进行了预测,该模型具有较高的理论与实际价值。