论文基于ARIMA模型青岛市大蒜价格时间序列预测分析是大学硕士与本科大蒜毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写大蒜批发市场方面论文范文。
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）模型并对未来10周的大蒜价格进行预测,发现大蒜价格在短期内有持续上涨的趋势.通过分析大蒜价格剧烈波动的原因,提出完善大蒜信息体系建设、建立大蒜收储制度、建立合理畅通的产销渠道、推行大蒜集约化生产的政策建议.
关键词：青岛市；大蒜价格；ARIMA模型；时间序列预测
中图分类号：F323.7文献标识号：A文章编号：1001-4942（2017）05-0168-05
Forecast and Analysis of Garlic Price Time
Series in Qingdao City Based on ARIMA Model
Shi Guanyu, Li Meigui
（Yantai Research Institute, China Agricultural University, Yantai 264670, China）
AbstractTaking garlic price of 237 weeks from January 2012 to November 2016 in Qingdao City as sample data and using SPSS 17.0 to conduct statistical analysis, we built the ARIMA（1,2,1）model and forecast garlic price in the next 10 weeks. The garlic price showed a trend of continuous rise in the short term. By analyzing the reasons of violent fluctuation in garlic price, we proposed some suggestions including perfecting the construction of garlic information system, building up garlic collection and storage system, building up reasonable and clear channels of production and marketing and carrying out intensive production of garlic.
KeywordsQingdao City； Garlic price； ARIMA model； Time series forecast
大蒜是小宗农产品中一种重要的调味类蔬菜,在人们的日常生活中起着不可或缺的作用.近几年,“蒜你狠”这个网络用语在全国迅速传播开来,反映了大蒜价格疯涨现象.纵观全国各地的大蒜价格发现,疯涨和暴跌交替出现的情况频繁发生,波动起伏很大.2010年以前,大蒜价格总体上处于低水平且平稳的状态,之后开始出现暴涨现象,2011年又大幅度跌落,2012年大蒜价格再次出现暴涨现象.大蒜价格的暴跌给蒜农带来了重大经济损失,相反价格暴涨则会加重消费者的生活负担,可见,大蒜价格的暴涨暴跌给市场经济造成了诸多不良影响.因此,对大蒜价格的变化趋势进行准确预测,分析其剧烈波动的深层次原因,并提出应对策略,对稳定大蒜市场行情,保护蒜农和消费者利益,有着重大的现实意义.
通过查阅文献发现,国内学者对农产品价格的研究主要围绕以下三个方向进行：一是从研究对象来看,主要围绕农产品价格进行宏观研究或针对某种农产品价格进行微观研究.例如,徐丽红（2007）[1]从农业的基础性地位入手,指出了我国农产品市场存在的不足,并提出了完善农产品价格宏观调控的思考和对策.邱书钦（2013）[2]、沈辰等（2011）[3]、侯冰凌等（2016）[4]分别对大蒜、蔬菜、天然橡胶等农产品价格进行了微观研究.二是从研究内容来看,主要有关于大蒜价格波动特征和影响因素方面的研究.例如,邱书钦（2013）[2]利用有关数据,发现大蒜价格的波动具有周期性、趋势性、集簇性和高风险性、低回报性等特征；李京栋等（2015）[5]通過构建VAR模型对影响大蒜价格变动的因素进行分析发现,货币供给对大蒜价格波动的影响最大,其次是成本消耗和气象灾害,而替代品价格的影响最小；邵作昌（2011）[6]研究了大蒜价格和其产量、时间变量、需求函数和供给函数等变量的内在联系,解释了大蒜价格上涨的必然性.三是从研究方法来看,主要运用了定性和定量分析.丁超（2010）[7]运用经济学的基本原理进行定性分析,发现产量减少、需求旺盛、种植成本加大、人为炒作和菜价普遍上涨是大蒜价格暴涨的原因.沈辰等（2011）[3]通过构建ARIMA模型对黄瓜、西红柿、大白菜等蔬菜价格进行定量分析,确定了蔬菜价格的变动趋势并进行了准确预测.可以看出,在对农产品价格进行研究的文献中,ARIMA模型是一种比较成熟有效的定量分析法,目前尚未发现将该方法应用在大蒜价格波动方面的文献.鉴于此,笔者拟以青岛市近5年的大蒜价格为基础数据,在分析原始时间序列数据特征的基础上,建立ARIMA模型,对大蒜价格进行拟合和预测,以期为相关部门、蒜农、经销商和消费者提供有价值的参考意见.
1ARIMA模型分析方法
ARIMA模型（autoregressive integrated moving average）,又称差分自回归移动平均模型,其实质是自回归模型（AR模型）、移动平均模型（MA模型）、自回归移动平均模型（ARMA模型）和完整的ARIMA模型的统称,通常用于对时间序列数据进行拟合和预测分析.ARIMA模型的基本思想是用因变量过去的观测值来预测其未来值,就是从观测到的时间序列数据入手,先分析序列特征,然后选择一个黑盒子,如果该黑盒子能将观测到的时间序列转化成白噪声序列,即一串互相没有关联的随机数字,那么这个黑盒子就是正确的,而该黑盒子就是要选择的ARIMA模型.
总结:本论文可用于大蒜论文范文参考下载，大蒜相关论文写作参考研究。
参考文献：
1、 基于EEMD技术在电力信息安全中的多步时间序列预测方法 摘 要： 针对用户访问轨迹的数据特征，提出一种基于EEMD技术的多步时间序列预测模型。该模型利用了集合经验模态分解EEMD结合极限学习机ELM模。
2、 ARIMA模型在江苏省社会固定资产投资中应用 [提要] 投资是拉动经济增长的三驾马车之一，因此研究我国全社会固定资产投资对研究我国经济增长有着重要的现实意义。本文采用江苏省1991～2015。
3、 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。
4、 安徽省城市化水平时间序列分析 【摘要】城镇化是农业人口转化为城市人口的过程，即以农村人口不断向城市迁移和聚集为特征的一种历史过程 文章分析了我省城市化水平的现状，并利用了从2。
5、 金融时间序列指标判别框架特质波动率为例 摘 要：基于拐点集合判别的TBUD方法主要思路是分析拐点集合间的关系，并在高维空间进行划分，从而搭建判别模型，并将分析框架应用在特质波动率等若干。