基于Box-Jenkins方法的银行业市盈率时间序列建模与预测

基于Box-Jenkins方法的时间序列分析技术,利用SPSS软件对平安银行市盈率数据进行时间序列分析,综合各种条件确定了最佳ARMA模型.最后利用所建模型对平安银行市盈率进行了预测.实证分析的结果表明:Box-Jenkins方法及其模型在银行业市盈率时间序列分析建模与预测方面,具有较高的精确度和可行性.     

基于Box-Jenkins方法的中国年度GDP时间序列分析建模与预测

通过基于Box-Jenkins方法的时间序列分析技术,对中国1966-2006年的年度GDP数据序列进行建模分析,验证该序列的时间序列特性,研究并选择了序列的最佳ARMA模型,本文也通过模型对中国2007-2010的年度GDP进行了预测.模型实证分析的结果表明:在GDP时间序列分析建模与预测方面,Box-Jenkins方法及其模型是一种精度较高且切实有效的方法模型.     

组合预测模型在中国GDP预测中的应用

在ARIMA、混合时间序列和GM(1,1)模型基础上,利用中国经济发展数据建立一个组合预测模型,并把它应用于我国GDP的预测。所得结果误差优于三个模型的分别预测,表明组合预测模型在时间序列数据的预测中更有优势。     

组合预测方法在重庆市GDP预测中的应用

GDP是国民经济发展的一个重要衡量标准,对其进行准确地预测非常重要;以重庆市为研究对象,基于统计数据,应用时间序列分析中的指数平滑法和ARIMA模型以及组合预测模型分别对2015—2020年重庆市的GDP进行了预测,并进行对比分析;研究结果表明:3种方法的误差均较小,但组合模型预测精度更高,重庆市未来几年的GDP年增长率将维持在10%左右。     

民航客运量的ARIMA模型与预测

介绍了求和自回归移动平均(ARIMA)模型的一般表达方式,并提供了使用该模型进行建模和预报的一般过程,最后以某条航线的实测数据为例,进行实证分析,得到了8步的短期预报结果,其相对误差为0．08．     

基于ARIMA模型的我国GDP短期预测

国内生产总值(Gross Domestic Product,简称GDP)常被公认为衡量国家经济状况的最佳指标,因此对GDP的预测越来越受到政府和公众的关注.由于影响GDP的因素有很多,而且这些因素间又常常存在多重共线性,所以准确找出影响GDP的重要因素并进行建模比较困难,而且经济数据常常是自相关非平稳的,因此本文采用ARIMA模型来拟合1991年到2010年的GDP数据并预测GDP.结果表明ARIMA(1,1,1）能较好拟合GDP数据,预测表明我国经济发展势头良好.     

指数平滑模型在山西省GDP预测中的应用

利用二次指数平滑模型,选取合适的平滑系数,对山西省GDP进行了预测,得到近期山西省年度GDP数据,并且得出此模型在近期预测中的效果较好。     

灰色模型在地区 GDP 预测中的应用

采用灰色系统法,建立灰色经济预测模型,利用最小二乘法确定模型中的参数,并用建立的模型对山东省潍坊市2013-2015年的GDP进行预测,分别为2013年42．79 h亿元,2014年48．66 h亿元,2015年55．32 h亿元．分别比上一年增长20．8％,13．7％和13．69％．对误差的计算显示模型的相对残差不超过3．57％,模型精确度较高．     

Box-Jenkins法参数辨识与仿真研究

本文介绍了参数辨识的概念和Box-Jenkins法的基本原理,运用MATLAB的M语言编写Box-Jenkins算法程序,最后结合实例给出相应的仿真结果和分析。     

湖北省人均 GDP 的 ARIMA 模型及预测

介绍求和自回归移动平均模型ARIMA（p,d,q）的模型拟合方法,利用SAS统计软件实现模型的拟合。采用时间序列分析方法,对湖北省1978～2013年人均GDP的数据进行分析。通过对数据平稳性检验、模型参数检验、白噪声检验等分析,建立了ARIMA（1,1,0）时间序列模型,并对未来十年的湖北省人均GDP数据进行预报。     

r雪灾对湖北省GDP增速的影响

利用ARIMA模型,计算得出2008年湖北省第1季度GDP实际累计值比预测值要低一些,GDP累计增速有所减缓,认为这主要是2008年年初的雪灾所造成的,这场雪灾给很多行业造成了负面影响,对GDP增速有拉低作用．     

基于干预分析模型下的新疆GDP预测研究

通过对新疆GDP序列做对数变换,分析了对数变换后的新疆GDP序列的自相关系数和偏相关系数,合理地建立了ARIMA模型,利用干预分析方法对亚洲金融危机所引起的误差进行了修正;结果显示,通过干预影响序列建立起的干预模型能够定量的表示出亚洲金融危机对新疆GDP的影响。     

中国人均GDP的ARIMA模型分析与预测

人均GDP是反映一个国家综合实力的重要经济指标,由于经济波动的影响和随机因素的干扰,一般单变量模型模拟的效果较差,利用ARIMA(1,1,2)模型建模,可用过去人均GDP的值和过去误差来预测未来人均GDP的走势,有较强的预测能力,从而为经济政策的调整和制定提供参考.     

灰色预测模型GM(1,1)及其在山东省GDP预测中的应用

运用灰色理论研究了山东省国内生产总值(GDP)1996年至2005年的变化规律,建立了山东省国内生产总值预测的灰色模型,并对2006年至2010年山东省国内生产总值作了预测.利用灰色关联度分析,分析了山东省第一、二、三产业对国内生产总值的影响程度.     

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.     

GDP时间序列的ARIMA模型研究

在经典计量经济学建模过程中,通常假定经济时间序列是平稳的,而且主要以某种经济理论或对某种经济行为的认识来确定计量经济学的模型理论的关系式.然而在经济领域中,许多时间序列数据不是由平稳过程产生的,基于此,研究了国内生产总值GDP随时间位移而持续增长的特性,确定了模型的自回归阶数,建立了ARIMA模型,并对ARIMA模型进行了检验,确定了模型的平稳性与模型自回归影响的持久性.     

泰安市GDP预测的灰色模型

运用灰色理论研究了泰安市国内生产总值(GDP)1990～2003年的变化规律,建立了泰安市国内生产总值预测的灰色模型,对2004～2009年泰安市国内生产总值作了预测,得出了2007年泰安市国内生产总值将超过1000亿的结论。利用灰色关联度分析,分析了泰安市第一、二、三产业对国内生产总值的影响程度。     

基于ARMA算法的美国人均GDP预测模型设计

基于ARMA提出了一个美国人均GDP预测模型,首先对数据进行平稳化处理,然后识别与建立模型.根据模型预测2014年的数据并与真实数据进行比对,实验结果表明该模型能够准确地预测美国人均GDP数值,说明了该模型设计的合理性.进而预测2015—2017年的美国人均GDP的数值.