基于X-12-ARIMA模型的山东省进出口贸易额研究

外贸平稳健康发展对经济高质量增长起到重要的支撑作用。为充分研究山东省外贸运行特征,采用X-12-ARIMA模型对山东省2014年1月至2023年11月的外贸进出口数据进行季节调整分析。结果表明:山东省进出口贸易额受固定季节、移动假日(如春节)等效应的影响显著,其中春节节后效应最大,序列经季节调整后更加平滑,能较好地反映进出口贸易额的基本走势。

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响,交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型,如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型,综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列,结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现,当原始序列趋势变化剧烈时,Prophet-X-12-ARIMA组合模型的预测效果更优。

中国粮食价格波动特征研究——基于X-12-ARIMA模型和ARCH类模型

以小麦和大豆为例,研究2002年1月至2012年6月中国粮食价格波动特征。首先利用X-12-ARIMA模型对价格序列进行季节调整,然后运用ARCH类模型对剥离季节因素的价格序列进行波动分析。结果发现:中国粮食价格季节性波动逐年减弱;粮食价格具有明显的波动集簇性,前期价格波动和外部冲击对后期价格的影响具有持续性;粮食市场不存在"高风险、高回报"特征;小麦价格波动的非对称性不显著,而大豆价格波动则呈现明显的非对称特征,且上期价格上涨信息引发的波动要大于下跌信息。

上海入境旅游市场的季节特征、波动周期与发展趋势——基于X-12-ARIMA和HP滤波法

旅游客源市场具有月度和季节波动特征，且对地区旅游业持续发展有重要影响。以上海2004—2015年（香港、澳门、台湾及国外）入境游客月度数据为分析依据，基于X-12-ARIMA模型对上海入境旅游市场的季节因素、不规则因素及趋势循环因素给予分解与研究，并运用HP滤波法分析了上海4类入境旅游市场的波动周期与发展趋势。结果表明：（1）上海入境客源市场均受干湿、冷热等季节因素影响，且影响大小依次为澳门〉香港〉外国〉台湾；（2）各类型旅沪市场的季节形态存在差异，外国市场呈“两峰两谷”的变化形态，港、台市场则呈“三峰三谷”的季节特征，而澳门市场峰谷较多，呈“四峰四谷”的波动态势。（3）上海入境市场受不规则因素大小影响依次为澳门〉香港〉台湾〉外国，且对2003年“非典”、2008～2009年金融危机、2010年“世博”等不规则事件表现具有差异。（4）港、澳、台与外国旅沪市场在2004～2015年均可分为12个月度小周期，且4类入境市场总体呈波动上升的发展趋势。在此基础上，本文从旅游产品体系、危机管理体制、客源市场营销等维度提出缓解上海入境旅游季节性矛盾，增强偶发性事件应对能力的相关策略。

基于X-12-ARIMA模型的中国粮食消费价格运行

粮食价格与人们的实际生活成本和收入水平息息相关,甚至影响整个国民经济的发展。文章用X-12-AR IMA季节调整模型对中国1997年1月至2009年12月的粮食消费价格月度定基指数进行分解,并得到趋势循环、季节和不规则因素;通过所得异常值和趋势对我国粮食价格发展阶段进行科学划分;通过分解后的季节因素分析其季节特征,并探究它们的深层成因。结果表明:模型具有非常好的分解效果;粮价有明显的趋势和季节运行特征;粮食价格波动成因很好地解释其运行特征。文章为把握我国粮食价格运行、制定相关政策提供科学依据。

基于改进X-12-ARIMA的电煤需求预测模型与实证研究

考虑中国春节、端午、中秋等移动假日效应,对美国人口普查局开发的X-12-ARIMA模型进行了改进和实证分析。结果表明,中国电煤消费量具有显著的季节性特征,每年11—12月为消费最高峰,7—8月为消费小高峰;基于改进X-12-ARIMA模型对2013年1、2和3月份的电煤需求预测精度分别为96.6%、95.1%和93.7%,具有较好的短期预测能力。

基于X-12-ARIMA和AR-GARCH模型的房价波动研究

以SAS软件为工具,以2007年1月至2015年6月北京市新建住宅价格指数序列为样本,构建时间序列模型进行实证研究.结果表明,基于X-12-ARIMA模型和AR（2）-GARCH（1,1）模型的复合模型是拟合房价的最优模型.房价序列存在明显的季节特征和典型的波动聚集性,X-12季节调整方法和异方差模型显著有效,拟合相对误差不超过0.4%.对房价的短期预测表明,近期内房价仍保持3%~5%的增长态势,且外部因素对房价的影响程度远远大于房价自身的波动冲击力.

基于X-12-ARIMA方法的武汉市空气污染指数波动分析

空气污染指数(API)用于表征区域空气污染程度和质量状况,其变动存在长期趋势、季节效应及随机扰动效应等特征。为探索API的波动规律,以武汉市2001—2012年API为例,进行X-12-ARIMA季节调整方法下的API演变趋势及内在规律探究。结果表明:在研究期内,武汉市API的变化受趋势成分的影响作用为85.2%;API月度及季节性变化显著;冬、春季节空气质量较差且变化不规则。最后,依据研究结果为武汉市空气环境质量的改善提出了建议。

基于X-12-ARIMA的全社会固定资产投资预测

全社会固定资产投资完成额作为经济社会中的一项重要指标,深刻反映了固定资产投资规模、结构和发展速度,是观察工程进度和考核经济效益的重要依据。本文运用X-12-ARIMA季节调整模型对固定资产投资完成额月度序列数据进行分析,检测异常值及日历效应,根据X-11经典算法求出调整后序列的季节因子,趋势项以及不规则变动项。最后,对固定资产投资完成额进行预测,结合固定资产投资与经济增长的关系,预测经济的发展态势,并提出相关的决策建议以促进经济增长。

基于SARIMA模型和X-12-ARIMA季节调整方法预测的比较

文章基于贵州省1998—2015年固定资产投资季度数据,分别采用SARIMA模型和X-12-ARIMA季节调整方法对贵州省2016年固定资产投资季度数据进行预测,将预测值与实际值进行比较,依据相对误差率,结果表明,基于X-12-ARIMA季节调整方法的预测值比基于SARIMA模型的预测值更加精确合理。

基于X-12-ARIMA调整的中国CPI波动检验

消费者物价指数（CPI）作为判断通货膨胀水平的指标,受到政策制定部门和学术界普遍关注。文章基于2001年1月至2015年10月CPI同比月度数据,通过描述性分析、广义波动检验、格点自助法和自回归模型的最小二乘估计法等对CPI和八大类子成分的统计特征、波动情况和惯性水平进行研究。结果表明,虽然中国CPI暂不存在显著结构性变化,但与八大类子成分的统计特征、波动情况和惯性水平存在显著的差异。因此,在制定CPI政策目标时需将不同子成分的不同特征纳入考虑范围,并及时更新统计分析方法。

基于X-12-ARIMA模型的公路运价季节性波动影响研究

随着我国铁路货运价格逐步放松管制,分析和借鉴公路货运价格的季节性波动规律,有助于铁路运输企业制定和实施合理的价格策略,提高市场应对能力。X-12-ARIMA模型能够有效计算和提取时间序列中的季节性因素并测度该因素对序列波动的影响程度。以北京到上海13m整车、零担轻货公路运输价格为例,通过建立X-12-ARIMA模型,对公路运价时间序列中的季节性因素进行提取和分析,并根据季节性因素变化百分比的方差相对贡献度判断其影响程度。结果表明,公路运价的短期波动主要受季节性因素的影响,季节性变化规律显著。

基于X-12-ARIMA模型的中国民航鸟击事故征候分析

近年来,随着我国民航运输量加大,鸟击事故征候随之增加,2006-2017年鸟击事故征候数占事故征候总数的51.609%。运用X12季节调整法对2006-2017年鸟击月度事故征候万次率时间序列进行分解,分解为趋势循环因素、季节因素和不规则因素。各因素序列波动曲线表明,从长期来看,鸟击对中国民航安全的威胁不断加大;鸟击受季节性因素影响较大,春季4、5月份与秋季9、10月份的季节因素波动最为明显;鸟类受天气、人类活动、自然灾害等突发事件的影响而进行的群体性的迁徙活动严重影响飞机起降安全,2006年1月到2010年1月期间的鸟击事故征候万次率不规则因素波动幅度明显,2012年1月与2013年12月等个别月份波动幅度较大。

基于优化X-12-ARIMA模型的船舶交通流量预测

月度船舶交通流量数据具有较强的季节性,在提高数据预测精准度的同时,应提取其季节波动和长期趋势加以分析,而不是单纯预测未来发展趋势.为从数据中获得更多有效信息,利用时间序列ARIMA模型对原始数据进行拟合,使用残差平方和、均方根误差、AIC函数和SBC函数衡量模型拟合效果,选取局部最优模型.经比较后,选取X-12-ARIMA季节乘法模型拟合月度船舶交通流量数据,得到了季节波动、长期趋势和不规则变动随时间而发生的变化,并预测了未来12期的船舶交通流量.在此基础上,调用径向基神经网络函数对数据进行仿真研究.结果表明,采用优化的X-12-ARIMA模型预测船舶交通流量时,预测精度有了较大提高.

基于X-12-ARIMA方法的风电场局地风速季节性分析

本文用X-12-ARIMA方法对某一风电场的实际风速时间序列进行了季节调整分析;将其月度平均风速序列分离出趋势因子序列、季节序列、不规则序列。结果表明,该风电场的风速序列受季节因素影响显著,通过X-12-ARIMA方法可以准确量化风电场风速序列的季节性波动。

基于X12-ARIMA模型的猪肉价格波动规律研究

本文利用X12季节调整法和H-P滤波法,以我国2000年1月—2017年10月的猪肉价格为对象,从季节调整后的数据中分离出季节要素序列、不规则序列及趋势循环序列,并分析出猪肉价格整体波动情况及规律。结果表明:我国猪肉价格整体呈上涨趋势,平均每34个月经历一次周期波动,具体表现在每年1季度和2季度处于季节性下跌,3季度和4季度处于季节性上升,其中9月和12月上涨至最高点,4月和5月下降至最低点。最后,运用ARIMA模型预测我国2017年11月—2018年12月的猪肉价格。

基于X-12-ARIMA季节分解与年度电量校正的月度电量预测

月度电量预测是电力计划部门安排运行计划与制定购售电计划的基础。提出一种综合考虑多种经济因素的月度电量预测方法。首先,采用X-12-ARIMA模型对月度电量和多种经济因素进行季节分解,并利用逐步回归分析研究各经济量与用电量的关联关系和回归模型,获得初步预测结果;然后,利用多项式拟合进行年度电量预测,并对已有月度电量预测结果进行调整;最后,采用自回归积分滑动平均模型(autoregressive integrated moving average model,ARIM A)对受气象与节假日因素影响较大的月份进行分季节预测修正,获得精度良好的月度电量预测模型。该文采用广东省2009年3月至2014年4月的经济数据与电量数据对2014年5月至2015年4月的电量数据进行预测。预测结果的平均预测精度为97.78%,验证了预测模型的有效性。

如何对中国CPI进行季节调整——基于X-12-ARIMA方法的改进

本文基于X-12-ARIMA方法,针对中国CPI存在的类似春节等移动假日效应调整问题,得到改进的X-12-ARIMA-BHG和X-12-ARIMA-LZ方法,利用改进的方法进行季节调整可更加准确地反映中国CPI的基本发展趋势。同时利用改进的方法对2010年12月至2011年6月份的中国CPI进行预测,得到了具有指导意义的预测结果。

基于ARIMA模型的春节因素调整方法研究

目的研究基于ARIMA模型的春节因素调整方法。方法构建通用的春节因素变量,将其作为回归变量纳入季节性ARIMA回归模型(regARIMA或TRAMO),采用AIC或BIC对模型的效果进行判断,确定最优模型。采用广义最小二乘法或最大似然法进行参数估计,并根据估计出的回归系数计算春节因素的影响程度。通过实例分析对上述方法进行实证。结果实例分析表明,引入春节因素变量后的季节调整方法能有效地消除春节因素对时间序列的影响,并能定量分析春节因素的影响程度。结论构建的春节因素变量具有较好的适用性,基于ARIMA模型的春节因素调整方法能有效地运用于时间序列的季节调整,为分析春节因素的影响提供了一种新的方法。

基于X-12-ARIMA方法的迪拜原油价格季节性波动分析

油价时间序列往往受众多因素的影响,从而可以分解成各种成分.运用X-12-AR IM A方法分析迪拜原油价格的季节性波动,探讨油价运动规律,结果表明季节调整的整体效果较好,季节因素对中质高硫原油价格具有显著影响,夏、秋季推动油价上升,而春、冬季节使油价下跌,同时发现原油价格的短期变化主要由不规则事件和季节因素决定,而长期变化由趋势因素决定.