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。     

基于ARIMA模型的四川省生猪价格预测

利用2008年5月～2013年3月的四川省生猪价格数据,建立ARIMA(p,d,q)模型,通过比较筛选最终确定选用ARIMA(2,1,2)模型,利用该模型对2013年4月～2013年7月这4个月的生猪价格做出了预测,预测结果表明:四川省的生猪价格在这四个月里会持续上涨,但是不会出现大涨暴涨的局面,政府应该做好储备肉的适量投放以稳定生猪以及猪肉市场的稳定。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

基于ARIMA模型的甘肃省2015年蔬菜价格预测

利用“甘肃重点农产品市场采集分析系统”采集的数据,对马铃薯和其它被监测的22种大众蔬菜平均价格的波动特征进行描述性分析,采用乘法原则对原始蔬菜价格序列进行季节分解,并对季节调整后的马铃薯和蔬菜平均价格建立了ARIMA模型,预测了马铃薯和大众蔬菜2015年各月份整体平均价格。2015年监测蔬菜整体均价大体呈“灾”型。     

ARIMA模型在上证综合指数中的应用

为了预测股市走势,本文用时间序列的分析方法对上证日综合指数序列建立了AR IMA拟合模型,研究了股市的变化规律,并对股市波动进行了预测。分析结果显示,预测值比较接近真实值,从而为投资者在股票市场的正确投资提供了有效参考。     

数据挖掘技术在农产品价格预测中的应用

近年来农业商品市场一直处于一种不稳定的状态,但是农产品是人们生活的必需品,针对市场这种动荡不安的情况应利用科学的手段进行专业的调整优化。在数据挖掘的指导思想下建立可靠的农产品价格预测模型,精准剖析市场需求,便于把握农产品的价格走向,稳定农产品市场。进行数据挖掘的第一步就是搜集数据,有足够数量的数据样本可以让实验结果更加准确,其次分析影响农产品价格的因素,利用主成分分析法在建立价格预测模型之前对其进行降维处理,最后根据各个价格预测模型的特性,搭建最合适的模型,提高预测结果的准确度。     

ARIMA模型在贵州省全社会固定资产投资预测中的应用

采用1978—2008年贵州省全社会固定资产投资总额数据,运用自回归求积移动平均(ARIMA)模型,预测分析了未来几年内贵州省全社会固定资产投资增长情况。结果表明,ARIMA(4,1,3)能够提供较准确的预测,可以用作预测未来贵州省全社会固定资产投资变化趋势,为贵州省保持经济平稳快速增长所需全社会固定资产投资规模提供数据参考。     

GARCH模型在农产品价格研究中的应用

以贵州省的粮食价格为例,通过构建GARCH模型,测算粮食价格指数对数收益率的VAR,以对农产品的价格变动规律进行研究。结果表明,贵州省粮食的VAR具有波动性,进入2010年之后VAR正在逐步增大,粮食市场的价格波动风险呈递增趋势。针对粮食价格变动特征,提出了稳定粮食价格的建议：加大农业基础设施建设力度,提高农业综合生产能力;强化对农产品流通领域的市场监督,维持市场秩序;健全农产品调控体系,平抑农产品价格;加强流动性调控,防范热钱炒作。