学位论文 > 优秀研究生学位论文题录展示

组合预测模型在CPI预测中的应用

作　者: 尉春杰
导　师: 庄连平
学　校: 东北财经大学
专　业: 统计学
关键词: CPI预测 ARIMA模型灰色新陈代谢模型组组合预测模型
分类号: F224
类　型: 硕士论文
年　份: 2012年
下　载: 81次
引　用: 0次
阅　读: 论文下载

内容摘要

物价稳定是政府经济政策的目标之一,近年来,我国居民消费价格指数(CPI)出现过快的增长,引起了社会各方面的广泛关注。政府为了稳定物价采取了一系列的举措,包括加大农业投入、降低物流成本、发放临时价格补贴、提高利率、存款准备金率等措施,但是由于经济政策具有滞后性,政策的效果需要在一段时间之后才会显现,并且未来的经济状况可能发生变化,央行为稳定物价采取的措施有可能变得不合时宜。如果能够对CPI做出准确的预测,那么政府和央行就可以提前采取措施来达到稳定物价的目的。20世纪90年代,新西兰率先采用通货膨胀目标制,即将通货膨胀率作为货币政策的目标,并取得了良好的经济效果。此后,很多发达国家也纷纷实施通货膨胀目标制,比如英国、加拿大、瑞典、芬兰、澳大利亚、西班牙、瑞士、冰岛、挪威等国家,并且都取得成功。虽然我国暂时还不具备实施通货膨胀目标制的条件,仍然将货币供应量作为货币政策的目标,但这应当是未来我国货币政策的发展方向。而实施通货膨胀目标制的必要条件就是对CPI的准确预测。为了实现这一目标,我国应尽快建立精准的通货膨胀率预测模型。本文在国内外学者对CPI预测研究的基础上,采用组合预测模型对我国的2012年下半年的CPI数值做出了预测。首先,本文对国内外学者所使用的CPI预测模型进行了梳理比较,对各类模型的优缺点做出了评价。因为单一的模型只能利用系统一方面的信息,而无法全面利用系统的信息,并且各个单项模型的预测精度也不同,各有各的优缺点,不能进行简单的取舍,而组合预测将各个单项模型联合起来对系统进行预测,提高了预测精度,具有单个模型不具备的优势。因此,本文将组合预测模型运用到对CPI的预测中。在分析了各种模型优缺点的基础上,本文选择ARIMA模型和灰色新陈代谢模型作为组合预测模型的单项模型。为了建立组合预测模型,先要建立ARIMA模型和灰色新陈代谢模型。首先,利用2000年1月份至2011年12月份的数据建立ARIMA模型,为了消除季节因素的影响,对数据进行了季节调整,然后建立ARIMA(3,1,8)模型,对2012年1至7月份的CPI做了预测。由于灰色预测模型使用的是小样本数据,所以利用2011年1至12月份的CPI数据建立灰色新陈代谢模型,在模型通过检验之后,对2012年1至7月份的CPI做了预测。在建立完各单项模型之后,将2012年1至7月份CPI的实际值与预测值做比较,求得各单项模型的误差绝对值,然后按照误差绝对值和最小的原则,求得各单项预测模型的权数,建立组合预测模型。利用上面所建立的组合预测模型对2012年8至12月份的数值进行预测,得到预测值,预测值表明：在2012年下半年我国的CPI会保持在一个较低的水平上。根据模型的实证结果,提出了相应的政策建议：短期内,应当坚持积极的财政政策和稳健的货币政策,不宜对货币政策进行大幅度的调整；长期内,应当对我国的经济结构进行调整；完善我国的通货膨胀预测制度等。

全文目录

摘要  2-4
ABSTRACT  4-8
1 绪论  8-15
  1.1 研究背景  8-11
    1.1.1 我国CPI的构成及调整  8-9
    1.1.2 国内经济背景  9-10
    1.1.3 国际经济背景  10-11
  1.2 研究意义  11-13
  1.3 本文研究内容和研究方法  13
    1.3.1 研究内容  13
    1.3.2 研究方法  13
  1.4 本文的创新与不足  13-15
2 相关文献综述  15-25
  2.1 CPI预测模型介绍  15-19
    2.1.1 定性预测  15
    2.1.2 定量预测  15-19
  2.2 部分国家和地区的通货膨胀预测实践  19-21
  2.3 模型评价  21-22
    2.3.1 定性预测和定量预测  21-22
    2.3.2 理论驱动模型与数据驱动模型  22
  2.4 组合预测模型  22-25
    2.4.1 组合预测模型研究现状  22-24
    2.4.2 组合预测模型的应用  24-25
3 模型理论基础  25-34
  3.1 各个单项模型理论基础  25-30
    3.1.1 ARIMA模型  25-27
    3.1.2 灰色新陈代谢预测模型  27-30
  3.2 组合预测模型介绍  30-34
    3.2.1 组合预测模型的分类  31
    3.2.2 以误差绝对值和达到最小的线性组合预测模型  31-34
4 实证研究  34-48
  4.1 ARIMA实证过程  34-42
    4.1.1 数据选取  34-35
    4.1.2 季节调整  35-39
    4.1.3 ARIMA模型的建立  39-40
    4.1.4 模型估计  40-41
    4.1.5 模型检验  41
    4.1.6 预测  41-42
  4.2 灰色新陈代谢模型实证过程  42-44
  4.3 组合预测模型实证过程  44-45
  4.4 预测精度的对比  45-48
5 结论和政策建议  48-53
  5.1 结论  48
  5.2 政策建议  48-53
    5.2.1 坚持积极的财政政策和稳健的货币政策  48-49
    5.2.2 调整经济结构  49-51
    5.2.3 治理我国通货膨胀建议  51-53
参考文献  53-56
后记  56-57

组合预测模型在CPI预测中的应用

内容摘要

全文目录

相似论文