GDP的时间序列模型的建立及应用——以兰州市为例

GDP是人们了解和把握一个国家或地区宏观经济运行状况的有效途径。文章在介绍时间序列的基础上,利用Eviews统计软件及非参数统计方法,对兰州市1978--2010年的GDP数据进行实证分析,建立了ARIMA（1,1,4）模型。检验表明,该模型具有较好的预测效果,利用该模型对兰州市未来5年的GDP进行了预测。     

基于Box-Jenkins方法的甘肃省GDP时间序列分析建模与预测

基于Box-Jenkins方法的时间序列分析,以甘肃省1978—2012年的年度GDP数据为基础,利用SPSS软件,并综合各种条件确定了最佳ARMA模型.最后利用所建模型对甘肃省未来4年的GDP进行了预测.实证分析表明:Box-Jenkins方法及其模型在GDP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ARIMA模型的我国一次能源生产量时间序列分析

采用ARIMA模型对我国1950～2008年的一次能源生产量数据进行分析。利用Eviews软件建立了相应数学模型,并用该模型对当前值与未来值做了预测。结果表明,预测效果较好,可以用于对未来进行短期预测。     

时间序列ARMA模型及其应用

本文叙述了动态数据的分析与处理方法，时间序列预测模型的建模过程及参数估计的计算方法，并将模型实际应用。应用结果表明：本预测模型对动态数据进行预测是可行的。     

上证指数的时间序列预测模型

为研究上证指数的变化规律，利用时间序列分析方法建立了预测模型，模型对上证指数的日-上证指数和日-上证指数分别作了预测分析，结果表明，预测值接近真实值，并为指导投资者在证券投资市场上的正确投资战略决策提供有效依据。     

时间序列模型的进化识别方法及其应用

针对常规时间序列分析存在的模型结构和参数选择的困难，引入进化算法的全局优化思想，设计了一种模型结构和参数分别进化、共同识别方案，实现对非线性动力学模型结构和参数的全局最优识别．实例分析表明该方法具有较高的精度和推广预测能力．     

ARIMA模型在江苏省GDP预测中的应用

对江苏省1978至2013年GDP时间序列进行分析,建立了ARIMA(4,2,2)模型,经过验证可知该模型具有较好的短期预测力,可作为江苏省制定经济调控政策、经济发展目标提供决策参考。     

我国股价指数的时间序列模型研究

基于收盘上证指数和深证成指的实际数据资料,利用SAS／ETS软件,采用赫斯特（H.E.Hurst）提出的R／S分析方法,在论证了我国证券市场为持久性随机过程的基础上,建立了沪深两市的AR－EGARCH模型。指出,就目前我国证券市场而言,AR－EGARCH模型要比ARIMA模型更适合于描述沪、深两个证券市场的股价指数序列变动的非线性规律。     

确定性时间序列模型及ARIMA模型的应用

本文根据2003年1月至2008年8月西安市社会消费品零售总额的月度数据,建立了确定性时间序列模型和ARIMA模型。借助于MATLAB及SAS软件,对西安市2008年9月至2009年12月社会消费品零售总额进行分析预测,并将两种模型的预测效果进行比较,从而探索出比较合适的短期预测方法,旨在阐明这些模型在经济预测领域中的广泛应用。     

上证指数的时间序列预测模型

为研究上证指数的变化规律,利用时间序列分析方法建立了预测模型,模型对上证指数的日-上证指数和月-上证指数分别作了预测分析,结果表明,预测值接近真实值,并为指导投资者在证券投资市场上的正确投资战略决策提供有效依据.     

基于时间序列模型与灰色模型的组合预测模型的研究

为了能有效地提高预测模型的精度,提出了组合预测模型。本文首先利用ARIMA模型对时间序列数据进行模型的识别和拟合,然后由比较可知优化后的GM（1,1）模型拟合和预测效果好于GM（1,1）模型,最后通过赋予合理权重结合ARIMA模型和优化后的GM（1,1）模型两种方法得到ARIMA-GM的组合预测模型。预测结果表明：组合模型的预测准确性高于各个模型单独使用时的准确性,组合模型发挥了各个单一模型的优势。     

基于时间序列的结构应力监测信号预测方法

为保障FAST大型射电望远镜安全工作,使用传感器对其关键点应力信息进行监测与评估,对应力信号进行预测,有助于故障的早期预警与处理,提高安全性能.基于物理模型和人工智能模型预测的方法,往往需要结构详细特性信息,或相关荷载信号作为输入,建模过程较为复杂.本研究使用时间序列分析法,基于ARIMA模型对FAST光纤Bragg光...     

用时间序列分析方法预测我国的进出口总额

采用时间序列分析方法对我国1984--2005年的年度进出口数据进行分析,建立了相应的时间序列模型．预测结果表明,该模型的预测效果较好,模型ARMA的短期预测效果比长期预测效果好．     

基于时间序列趋势模型的研究与应用

该文针对呼叫中心话务量预测的问题,分析比较了目前常用的预测技术和方法,根据对实际话务量数据信息的分析研究,利用基于季节变动模型的时间序列分析方法,建立了原点相乘式直线型拟合季节变动趋势预测模型DART,对某呼叫中心话务量的时间序列进行了分析处理和预测,预测的结果表明该趋势模型能较全面地达到所要求的拟合效果和精度,从而较好地解决呼叫中心的呼入话务量的实际预测问题。     

基于ARIMA模型的时间序列建模算法和实证分析

通过对时间序列ARIMA模型建模方法的研究,将方差分析运用于时间序列建模,对季节数据做方差检验并确定周期。基于统计软件SAS分析ARIMA模型建模方法的具体算法,绘制详细的建模流程图。从模型的识别、参数估计、建模和预测等各方面介绍了模型建立和预测的全过程。利用SAS软件,结合引入的方差检验方法和算法流程对1990年1月至2010年12月的中国消费者价格指数季节性时间序列建立了乘积ARIMA模型,预测并分析了CPI的基本走势。     

时间序列模型在深层地下水水位预测中的应用

用时间序列分析法建立了地下水水位埋深时间序列模型,并对模型进行了评定和检验,结果表明,拟合精度和预测精度均较高,收到了较好的效果。     

基于时间序列模型的矿产品价格分析与预测

矿产品价格是矿业投资风险中最重要的不确定因素,矿产品价格预测的准确与否关系到矿业投资的成败。本文据2001-2007年各季度的铜金属价格数据,利用spssl3.0统计软件,建立时间序列ARIMA模型。结果表明模型拟合较成功,通过比较模型预测数据与实际数据,证明模型预测精度较高。该研究不仅为矿业投资决策出示可靠信息,也为矿山企业编制生产计划提供参考。