ARMA模型在小麦价格指数预测中的应用

发布时间：2018-03-06 05:04

  本文选题：ARMA模型　切入点：价格指数　出处：《统计与决策》2015年08期 　论文类型：期刊论文

【摘要】：传统的平稳时间序列模型的建模方法,是以时间序列的样本自相关函数及偏自相关函数为依据进行模型识别,不可避免的会产生一定的误差。文章采用Pandit-Wu系统建模方法,该方法不用通过计算样本自相关函数和偏自相关函数进行模型识别,可以避免样本数据带来的误差。实证研究结果表明,利用Pandit-Wu系统建模方法构建的小麦价格指数平稳时间序列模型,具有较好的预测精度。
[Abstract]:The modeling method of non-stationary time series model of the traditional time series is based on the sample autocorrelation function and partial autocorrelation function as the basis for model identification, produce certain error inevitably. This paper adopts Pandit-Wu system modeling methods, this method does not need by calculating the sample autocorrelation function and partial correlation function for pattern recognition, can to avoid the error brought by the sample data. The empirical results show that the wheat price index of stationary time series model constructed by the modeling method of Pandit-Wu system, and has good prediction accuracy.

【作者单位】： 滨州学院数学与信息科学系;
【基金】：滨州学院科研基金项目(BZXYL1104) 滨州学院服务滨州科学发展行动计划项目(BZXYFB20130703)
【分类号】：F224;F323.7

【参考文献】

相关期刊论文 前3条

1 全福生;彭白玉;;ARMA模型在中国股市中的应用[J];衡阳师范学院学报;2009年03期

2 张雯丽;李秉龙;;市场开放以来中国棉花价格周期性波动分析[J];价格月刊;2009年01期

3 李成贵;;当前的农产品价格问题和政府调控[J];领导之友;2008年04期

【共引文献】

相关期刊论文 前10条

1 刘美霞;;基于ARIMA模型的深证指数分析及预测[J];中国城市经济;2011年18期

2 吕晨钟;;当前我国农产品批发价格走势分析[J];广东农业科学;2010年03期

3 孙维亚;周凌焱;宋志豪;;基于GIS的城市交通流时空特征分析[J];地理空间信息;2014年02期

4 熊涛;申世昌;;ARIMA模型对沪深300股价指数的实证分析[J];宝鸡文理学院学报(自然科学版);2014年02期

5 王莉;赵渊;杨显明;马建民;黄韬;高宏;;基于时间序列模型与残差控制图的兰州市空气质量研究[J];高原气象;2015年01期

6 严英杰;盛戈v，

本文编号：1573416