ARIMA模型在农产品价格预测中的应用 .pdfVIP

ARIMA模型在农产品价格预测中的应用 .pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多

ARIMA模型在农产品价格预测中的应用

农产品在我国社会经济发展过程中扮演着举足轻重的基础性作用,如水稻、

小麦、玉米、花生等农产品与我们的日常生活息息相关,其是社会经济发展、人

们丰衣足食与百姓安居乐业的基础性保障工程。本文主要在农产品定义与内涵的

基础之上,针对ARIMA模型基本思想及数学模型重点分析农产品价格影响因素,

最终分析了ARIMA模型在农产品价格预测中应用及作用。

标签:ARIMA模型;农产品;价格预测

农产品在我国社会经济发展过程中扮演着举足轻重的基础性作用,如水稻、

小麦、玉米、花生等农产品与我们的生活息息相关。农产品是社会经济发展、人

们丰衣足食与百姓安居乐业的基础性保障工程。

在推动农产品转型、构建现代化农业市场体系的过程中,农产品的价格预测

作用不可忽视。科学、合理、全面的价格预测对指导我国农产品生产、调整农业

结构并推动农产品转型有着重要的意义。本文主要在农产品定义与内涵的基础之

上,针对ARIMA模型基本思想及数学模型重点分析农产品价格影响因素,最终

给予ARIMA模型在农产品价格预测中应用的优化对策与建议。

一、农产品的定义及内涵

农产品主要指农业生产经营活动中获得的各种植物、微生物、动物及产品,

即是源于农业的初级产品,主要涉及种植业、畜牧业、渔业产品等。农产品具体

包括水稻、大豆、玉米、花生、小麦等粮油作物、瓜果蔬菜、花卉苗木等种植业

产品,猪、鸭、牛等畜牧业产品,淡水、海水、滩涂养殖产品等渔业产品。农产

品是人类赖以生存的基础,不同的农产品为人类提供着不同的营养价值,其是人

类的日常生活、社会经济活动的正常运行的基础性保障。

从农产品的定义出发,本部分主要探讨农产品的三个方面内涵:首先,农产

品是人类赖以生存的基础。人类的生存是建立在每天规律的正常饮食基础之上,

而每天的正常规律性饮食原料又为由农产品的正常供应所保证。所以,农产品是

人类赖以生存的基础;其次,农产品的质量有利于保证食用者的健康与安全。农

产品的质量安全指的是农产品的内在价值、使用价值与可靠性都必须符合农产品

的质量要求与卫生条件,通过监管措施的落实与农产品检测抽检的全面覆盖,从

而保障农产品食用者的生理安全与健康;最后,科学、合理的农产品价格预测有

利于协助国家的宏观调控,优化资源配置。科学、合理的农产品价格预测可以指

导我国农产品生产工作,协助国家对农产品生产运行的宏观调控,有助于调整农

业结构并推动农产品转型,从而在优质、特色农产品基础之上构建现代化农业市

场经营体系。

二、ARIMA模型基本思想及数学模型

ARIMA模型是AutoregressiveIntegratedMovingAverage的缩写,译为中文

即是差分自回归移动平均模型,其是博克斯和詹金斯于20世纪70年代提出的一

种时间序列预测方法。ARIMA模型在将非平稳时间序列转化为平稳时间序列的

基础之上,使用因变量对滞后值与随机误差项的现值与滞后值进行回归,从而通

过一定的数学模型来近似地描述随着时间推移而形成的时间序列数据。ARIMA

模型通常使用时间序列的过去值来预测未来的数据值。,ARIMA模型作为现代统

计方法中的一种计量经济模型,从某种程度上来说,其能够帮助企业对未来的数

据值进行计算与预测。

ARIMA(p,d,q)的数学模型中,AR为自回归,MA为移动平均,p为自

回归项,d为时间序列平稳时的差分次数,q为移动平均项数,公式通常表示为:

φp△dZt=θ0+θq(B)αt(1)

式(1)中,Zt为原始序列;αt为白噪音序列,服从均值为0、方差为σ2的

正态分布;B为后移算子;φp为自回归算子;▽为差分算子;p为自回归项;d

为差分阶数;q为模型的移动平均阶数;θq为移动平均算子;θ0为常数项。

定义为BZt=Zt-1,从而BmZt=Zt-m;那么可得:

φp(B)=1-φ1B-φ2B2-…-φpBp(2)

θq(B)=1-θ1B-θ2B2-…-θqBq(3)

若用后移算子B来表示,则可得:

△Zt=Zt-Zt-1=(1-B)Z(4)

定义θ

文档评论(0)

198****4825 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档