论文基于ARIMA模型中国对外贸易出口值预测分析是关于对外贸易方面的论文题目、论文提纲、对外贸易大学论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
【摘 要】出口值是对外贸易的一项重要指标.本文运用ARIMA疏系数模型对2009年1月至2016年12月的月度数据进行了建模.并且利用历史数据验证了模型的可靠性,给出了我国对外贸易出口值的短期预测.
【关键词】对外贸易出口额预测；ARIMA模型疏系数
二、中国对外贸易出口值的ARIMA模型
1.原始数据介绍
本文所搜集的的原始数据为中国对外贸易出口额,数据来源为国家统计局的统计年鉴.选取2009年1月至2016年12月的数据建立ARIMA疏系数模型并对对外贸易出口额进行预测.2017年1月至2017年10月的数据为检验数据.
2.模型定阶
时序图显示,该时间序列有显著的波动上升趋势,为典型的不平稳序列.考虑对其进行差分运算.
在对序列进行了一阶十二步差分运算之后,综合时序图、自相关图、偏自相关图,可以认为差分后序列平稳,考虑对模型进行定阶.
在自相关图中,延迟1、2阶的自相关系数显著大于2倍标准差；在偏自相关图中,延迟1、12阶的偏自相关系数显著大于2倍标准差,综合考虑以上特点,构造疏系数模型ARMA（（1,2）,（1,12））.
综合之前所做的差分运算,对原时间序列所拟合的模型为疏系数模型ARIMA（（1,2）,（1,12）,（1,12））.
3.参数估计
模型口径为
由参数显著性检验结果可知,所拟合模型中的4个参数均显著；由残差检验结果可知,序列为白噪声序列.因此,疏系数模型ARIMA（（1,2）,（1,12）,（1,12））拟合成功.
三、预测与分析
第一,该疏系数ARIMA模型的参数检验显著且残差为白噪声序列,作为中国对外贸易出口值预测模型是可行的；第二,由2017年中国对外贸易出口实际与预测值对比图可知模型预测基本准确；第三,该模型适用于短期预测,随着预测时间的延长,置信区间在逐渐变大,预测误差也在逐渐变大.
参考文献：
[1] 王燕.应用时间序列分析[M].中国人民大学出版社,2009.
[2] Data.stats.gov.cn. （2018）. 國家数据. [online] Available at： http：// data.stats.gov.cn/easyquery.htm?cn等于A01 [Accessed 8 Jan. 2018].
总结:此文是一篇对外贸易论文范文,为你的毕业论文写作提供有价值的参考。
参考文献：
1、 基于ARIMA模型我国外贸出口总额预测分析 【文章摘要】随着我国社会经济的快速发展，我国对外贸易成为人们十分关注的问题。为分析我国出口总额未来的发展趋势，本文根据我国1978-2013年。
2、 基于ARIMA模型人民币汇率分析预测 摘要：2016年初至年中，一直有美国加息消息传出，对人民币汇率中间价影响较大。本文主要研究在美国加息压力下的人民币兑美元汇率中间价的波动情况。本。
3、 基于投入产出模型中国对外贸易产品结构合理性 收稿日期：2013-07-05基金项目：教育部人文社科研究青年基金项目（13YJC790045）；中央高校基本科研业务费资助项目（JBK120。
4、 基于ARIMA模型青岛市大蒜价格时间序列预测分析 摘要：以青岛市2012年1月至2016年11月共237周的大蒜价格为样本数据，运用SPSS 17 0软件进行统计分析，建立ARIMA（1，2，1。
5、 我国固定资产投资ARIMA模型其预测 【摘 要】本文选取了1980-2015年我国全社会固定资产投资的相关数据作为研究样本，从时间序列的定义出发，结合统计软件R，对1980-2013。
6、 基于灰色马尔科夫模型昆明市能源消费量预测 【摘要】本文以昆明市的能源消费量为预测对象，采用现如今较为流行组合模型进行预测，本文在根据所选数据特点基础上，建立GM（1，1）模型与马尔科夫预。