| 内容摘要 | 第5-6页 |
| ABSTRACT | 第6页 |
| 第1章 导论 | 第9-16页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 研究意义 | 第10页 |
| 1.3 文献综述 | 第10-14页 |
| 1.3.1 基于因素分析法的市场预测研究 | 第10-11页 |
| 1.3.2 基于时间序列的市场预测方法研究 | 第11-12页 |
| 1.3.3 基于互联网信息的预测方法研究 | 第12-14页 |
| 1.4 研究内容与方法 | 第14-15页 |
| 1.4.1 研究内容 | 第14-15页 |
| 1.4.2 研究方法 | 第15页 |
| 1.5 本文创新之处 | 第15-16页 |
| 第2章 市场预测模型的演进 | 第16-26页 |
| 2.1 早期的市场预测模型 | 第16页 |
| 2.2 传统的回归预测法 | 第16-17页 |
| 2.3 时间序列市场预测模型的演进 | 第17-20页 |
| 2.3.1 自回归移动平均(ARMA)模型 | 第17-18页 |
| 2.3.2 差分自回归移动平均(ARIMA)模型 | 第18-19页 |
| 2.3.3 引入季节性因素的模型 | 第19页 |
| 2.3.4 加入影响因素的的季节性差分自回归移动平均模型 | 第19-20页 |
| 2.4 引入互联网搜索量的预测模型 | 第20-26页 |
| 2.4.1 直接引入互联网搜索量的预测模型 | 第20-21页 |
| 2.4.2 互联网搜索关键词的选择与优化 | 第21-22页 |
| 2.4.3 利用统计降维方法简化模型 | 第22-24页 |
| 2.4.4 引入优化后的互联网搜索量的预测模型 | 第24-26页 |
| 第3章 模型、样本与搜索关键词选择 | 第26-32页 |
| 3.1 工程机械市场研究意义 | 第26-27页 |
| 3.2 研究现状 | 第27页 |
| 3.3 样本选择 | 第27-28页 |
| 3.3.1 模型设定 | 第28页 |
| 3.3.2 样本数据的选择 | 第28页 |
| 3.4 互联网关键词的选择 | 第28-32页 |
| 第4章 引入互联网搜索量的模型及实证分析 | 第32-42页 |
| 4.1 时间序列预测模型的建立 | 第32-37页 |
| 4.1.1 时间序列数据的前期处理分析 | 第32-35页 |
| 4.1.2 模型的构建与选择 | 第35-37页 |
| 4.2 引入互联网搜索量的时间序列预测模型 | 第37-40页 |
| 4.2.1 互联网数据的初步处理 | 第37页 |
| 4.2.2 基于主成分分析的模型研究 | 第37-40页 |
| 4.3 SARIMA和引入互联网搜索量的SARIMA预测效果比较分析 | 第40-42页 |
| 第5章 研究结论与思考 | 第42-45页 |
| 5.1 研究结论 | 第42-43页 |
| 5.2 几点思考 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 后记 | 第47页 |