基于ARIMA模型的上海市生猪价格预测

利用2010年1月—2019年2月上海市生猪集贸市场价格数据、猪肉批发价格数据以及鲜猪肉零售价格数据,建立最佳的ARIMA (p, d, q)模型,利用该模型对2019年3—7月生猪价格走势进行预测,结果表明:上海市生猪价格和猪肉批发价格在此期间会止跌上涨,但不会出现大涨暴涨的局面,鲜猪肉零售价格稳定在28.5元/kg左右。     

基于ARIMA模型的中国生猪价格的短期预测

本文根据2004—2009年分季度中国生猪生产价格变化数据,利用ARIMA模型,短期预测了中国2009年第三、四季度和2010年第一、二季度的生猪价格变化。结果表明,根据ARIMA模型来预测中国生猪价格变化的精度较高,能准确地预见生猪价格短期波动,预计中国2010年猪肉价格可能会出现较大上扬。     

湖南省生猪价格波动分析与预测

本文以湖南省2001年1月~2014年2月生猪月度批发价格为研究对象,采用X-12季节调整法和HP滤波法对湖南省生猪价格波动进行实证研究,进而运用ARIMA模型对2014年3月~12月湖南生猪价格进行预测,并与实际生猪价格进行比较。结果显示:生猪价格总体呈上涨态势,短期内波动频繁且剧烈。     

基于ARIMA模型的固原月降水量预测

采用ARIMA模型来拟合1957～2013年5～10月的月降水量并给出预测值。结果表明,ARIMA(0,2,1)能较好地拟合5～10月的月降水量数据,准确率较目前业务使用的阴阳历方法有所提高,可作为月预报的依据。     

ARIMA模型和灰色模型在农产品价格预测中的应用比较

以遵义猪肉价格为例进行预测模型分析,构建了ARIMA模型和灰色模型,对2种模型的具体步骤进行对比分析。结果表明,ARIMA(1,1,0)模型和灰色模型GM(1,1)为最优预测模型;在农产品价格模型中,ARIMA模型适合短期预测,灰色模型适合中长期预测。     

疫情对生猪价格影响的VAR模型分析

【目的】探究疫情对生猪价格波动的影响机制有助于预测价格的短期波动。【方法】采用2009年2月至2020年7月共138个样本量的月度数据,通过VAR模型对疫情和生猪价格的联系进行实证分析。【结果】(1)疫情是生猪价格的GRANGER因果原因,反之不成立。(2)疫情对生猪价格波动的影响呈现出持续性和滞后性特征,其中持续性特征表现为在初期4个月内对生猪价格造成直接的负向影响,在中期5个月到16个月之间对生猪价格产生正向影响,第17个月之后疫情的影响趋于消失;而滞后性特征表现为：疫情在发生后14个月内对生猪价格的平均影响程度约为5.03%,最大影响时滞约10个月,第11月时影响达到最大值8.223%。【结论】疫情是影响生猪价格波动的重要因素,加强疫情净化效率,增强对生猪市场的调控,有利于保障生猪养殖,保证猪价的平稳。     

时间序列分析在径流预测中的应用

通过对1978～ 2012年浈江历年年径流量数据分析,建立时间序列模型.在模型的建立过程中,使用SPSS软件,对不同阶数的ARIMA模型进行比较,按照最小信息量原则选择最优模型ARIMA(4,1,0),并且使用该模型对2013 ～2016年径流量进行预测.     

ARIMA模型在贵州省农产品价格预测中的应用——以辣椒为例

由于贵州省辣椒月价格呈现季节性,因此以2007年1月至2010年12月贵州省辣椒月价格为例,在运用季节分解方法剔除其季节因素形成新序列的基础上,构建了非平稳时间序列ARIMA（p,d,q）模型,并预测了辣椒未来的月价。结果表明,拟合指标优良的ARI-MA（1,1,1）模型能很好地预测辣椒月价格趋势,并将辣椒价格的预测值与实际值的相对误差基本控制在9%以内,实证分析结果证明了ARIMA模型的季节分解方法在贵州省农产品价格预测中的预测性和可行性。     

基于AR IMA模型的山西省水资源生态足迹时间序列分析

运用水资源生态足迹模型计算了2003~2012年山西省水资源生态足迹,并对2013~2017年山西省水资源生态足迹进行ARIMA模型时间序列预测分析。结果表明:ARIMA(2,1,1)模型能够较好地拟合2005~2012年山西省水资源生态足迹变化,并预测2013~2017年山西省人均水资源生态足迹变化,误差不超过10%。将ARIMA模型运用于生态足迹时间序列的模拟和预测中,变静态分析为动态模拟,具有很好的适应性,能提高预测精度。     

一种基于改进时间卷积网络的生猪价格预测方法

针对传统的生猪价格预测方法存在预测精度不够高，容易陷入局部最小值等问题，为更加精准地预测生猪价格，采用随机森林回归(RFR)、极限梯度回升(XGBoost)、轻型梯度提升机(LightGBM)3种机器学习模型和改进网络结构的时间卷积网络(TCN)模型方法，以经过Z-Score标准化预处理的西南地区某省2011—2020年每周生猪价格数据为样本，对生猪价格预测进行研究。结果表明:TCN模型预测结果的均方误差(MSE)为0.340 606，平均绝对误差(MAE)为0.288 424，决定系数(R²)为0.995 683，均优于其他3种机器学习模型；与3种机器学习模型中效果最好的极限梯度回升(XGBoost)预测结果比较，3个指标分别提升了26%、8%和0.15%。改进网络结构的时间卷积网络模型可以更加精准地预测生猪价格。     

江西省生猪价格波动的成因及其预警分析——基于灰色关联和LS-SVM模型

以2000年1月至2015年5月的江西生猪价格数据为研究对象,利用Census-X12和HP滤波分解方法探索生猪价格波动的特征,结合逐步回归法和灰色关联分析识别影响生猪价格波动的显著因素,在此基础上,构建LS-SVM模型对生猪价格进行预测。结果表明,生猪价格波动具有明显的季节性,每年的1月份季节因子最大,6月份降至全年的最低点;2000年以来生猪价格共经历了7个波动周期,平均周期为25.3个月;随机性成分对生猪价格的贡献日益增大,玉米价格、仔猪价格、猪肉价格、生产者预期、牛肉价格和疫情对生猪价格的波动有显著作用,其中玉米价格和仔猪价格的影响较大;LS-SVM模型的预测值和真实值很接近,平均误差仅为1.37%,LS-SVM能较好地反映生猪价格及其影响因素之间的复杂的非线性关系。     

最优组合预测模型的构建及其应用研究

由于证券价格是随机游走的,在证券定价研究中RBF神经网络模型、灰色GM(1,1)模型、ARIMA模型不具备时效性,通过对上述三个模型进行综合分析,结合三者中有用的信息集合,构建一个最优组合预测模型.在此基础上选取了深发展A在2007年全年的收盘价作为研究样本对这四个模型进行实证研究,研究结果发现,最优组合预测方法对证券价格进行预测具有很好的预测精度和很高的可靠性.     

中国居民消费价格指数预测

利用1994—2013年中国居民消费价格指数的统计数据,建立ARIMA模型并对2014年中国居民消费价格指数进行预测分析。结果显示,建立的模型预测误差较小,可以对居民消费价格指数进行有效短期预测。以此模型对2014年1—12月居民消费价格指数进行预测,结果表明未来1年物价总水平基本稳定,居民消费价格指数同比涨幅将在3.0%以内。     

江西省生猪价格波动的成因及其预警分析——基于灰色关联和LS-SVM模型

以2000年1月至2015年5月的江西生猪价格数据为研究对象,利用Census-X12和HP滤波分解方法探索生猪价格波动的特征,结合逐步回归法和灰色关联分析识别影响生猪价格波动的显著因素,在此基础上,构建LS-SVM模型对生猪价格进行预测。结果表明,生猪价格波动具有明显的季节性,每年的1月份季节因子最大,6月份降至全年的最低点;2000年以来生猪价格共经历了7个波动周期,平均周期为25.3个月;随机性成分对生猪价格的贡献日益增大,玉米价格、仔猪价格、猪肉价格、生产者预期、牛肉价格和疫情对生猪价格的波动有显著作用,其中玉米价格和仔猪价格的影响较大;LS-SVM模型的预测值和真实值很接近,平均误差仅为1.37%,LS-SVM能较好地反映生猪价格及其影响因素之间的复杂的非线性关系。     

基于多元回归的BP神经网络生猪价格预测模型

生猪价格波动是由多种因素共同影响决定的,准确预测生猪价格对稳定农产品市场具有重要意义。首先分析影响生猪价格波动的影响因子及生猪价格变化规律和趋势,然后通过灰色关联度分析和Stepwise回归分析影响生猪价格波动的主要影响因子,再利用多元回归分析和反向传播(BP)神经网络构建BP-多元回归预测模型,对生猪价格进行预测,并对预测结果进行分析。结果表明,BP-多元回归预测模型较单一的多元回归和BP神经网络预测模型预测精度提高了10百分点以上,预测精度高达93.3%,大大提高了生猪价格预测的准确性和可靠性。     

非洲猪瘟和新型冠状病毒肺炎疫情形势下山东省生猪产业状况与趋势

立足山东省生猪产业发展现状、存在的问题,分析了非洲猪瘟和新型冠状病毒肺炎疫情对山东省生猪生产、猪肉市场和生猪体系造成的影响,通过ARIMA模型预测山东省猪肉产量和价格。结果表明,猪肉产量会逐渐恢复到原来的平均水平并会呈上升趋势,猪肉价格会在未来一年呈下降趋势。提出了对策建议,继续加强疫情防护措施,保障中小养殖户利益,加大科技投入和优化产业链。     

新疆奇台县粮食生产影响因素与模拟预测研究

[目的]分析奇台县粮食生产的影响因素,并对其产量进行预测.[方法]在分析奇台县58年粮食生产动态变化特点的基础上,利用主成分分析法(PCA)探讨了粮食生产的影响因素.[结果]农业科技进步和经济发展、制度政策是影响奇台县粮食生产的两个主要因子;分别建立GM(1,1)模型、ARIMA(1,3,3)模型以及两者的组合模型,拟合了奇台县粮食总产量的动态变化趋势.结果发现组合模型平均相对误差率仅为7;,说明组合模型的模拟精度较高,从而得出2010～2015年奇台县粮食总产预测值.[结论]GM(1,1)模型和ARIMA(1,3,3)模型两者组合的模型预测精度高于单个模型的预测精度.2015年该县粮食产量将达到52.1×104 t.     

生猪价格影响因素及预测模型研究

为加强生猪市场研判,指导生猪生产,该研究以2008年1月—2022年9月江苏省9个农畜产品价格变量和8个生猪生产相关变量作为研究对象,分析生猪价格变化规律,利用绘制散点图、相关分析和多元线性回归分析研究生猪价格和其他变量之间的关系,并优选变量建立生猪价格预测模型。结果显示,生猪价格表现出明显的周期性,除小麦麸价格和育肥猪配合饲料价格两个变量与生猪价格之间无显著相关外,其余变量均与生猪价格呈极显著相关(P<0.01),生猪价格回归方程保留了5月前仔猪价格等8个变量,具有较好的拟合度(R^(2)=0.992),以5月前仔猪价格等4个前期变量建立的生猪价格预测模型预测的价格变化趋势与实际监测价格一致,在一定的涨跌幅度内能够较好地预测生猪价格。     

ARIMA和蒙特卡洛方法在预测降水量中的应用

为提高组合模型的预测精度,使其更好的应用于旱灾预测,采用差分自回归移动平均模型(ARIMA)模型和蒙特卡洛(Monte Carlo)方法分别对降水序列的线性、周期和非线性、随机部分进行预测,并通过博弈论组合赋权,建立基于博弈赋权的ARIMA和蒙特卡洛组合模型。以吉林省松原地区为例,利用1953~2012年逐月降水资料建模并预测,并与最小二乘法赋权法进行对比。结果表明:在对松原地区2012年月降水量的预测中,ARIMA模型预测值的决定系数为0.908,蒙特卡洛方法预测值的决定系数为0.941;应用博弈理论拟合蒙特卡洛方法和ARIMA模型的预测值,其结果的决定系数为0.945,高于最小二乘法拟合结果。蒙特卡洛方法的预测精度高于ARIMA模型,更适合降水量数据。同时将博弈理论应用于拟合两种方法的预测结果,使预测数据的线性和非线性特征有机结合起来,提高了预测精度,是切实可行的。     

生猪价格指数保险是稳定市场定海神针

江苏省政府金融办公室近日发文,公布生猪价格指数保险条款费率,并要求从去年12月10日起施行。有关专家指出,这一农业政策性保险险种的实施,有望成为稳定生猪市场和保护养殖者利益的"定海神针"。近年来,国内生猪市场行情频繁大起大落。上一轮价格波动周期是2008年3月至2011年9月,盈利期28个月,亏损期14个月。2013年12月中旬以来,受生猪产能偏高和消费需求下降等因素影响,生猪及其产品价格开始下跌,春节过后跌速加剧。去年4月中旬,生猪收购价格一度降至9.9元/公