ARIMA模型CPI国内外研究现状
时间:2017-01-05 13:01 来源:毕业论文 作者:毕业论文 点击:次
| G.P.box和G.M.Jenkins于上世纪70年代提出ARIMA（自回归求和移动平均）方法，对时间序列进行分析、预测，以及对ARMA模型识别、估计和诊断的系统方法。这种建模方法根据变量本身的变化规律，不考虑以经济理论为依据的解释变量的作用，利用外推机制描述时间序列的变化，是一种简单但预测精确度比较高的时间序列短期预测方法。岳惠丽（2009）对我国CPI的1951-2008年年度数据基于ARIMA模型与平滑ARIMA模型进行比较分析，结果表明，相比于ARIMA模型，平滑ARIMA模型预测的准确度大大提高。方燕和尹元生（2009）选取居民消费价格指数CPI时间序列进行建模，利用基本统计方法和ARCH簇模型，研究我国CPI波动特征，得出物价波动周期长度为44个月左右。5010 辛海明（2011）以我国2001-2009年月季度的消费价格指数为例，对ARMA模型进行拟合预测，由实证分析可知，预测值的相对误差较小，模型的效果较好，可以利用该模型预测未来消费价格指数的变化规律。但是ARMA模型也有它的局限性，如在使用ARMA模型时只检验了残差的自相关性，只要白噪声检验通过了就认为模型通过检验并可以使用了，在这过程中其实是假定了残差是同方差的，但实际中残差却经常是异方差的，这会影响拟合优度，不能很好地进行数据预测。 任桃红与赵联文（2014）应用非平稳时间序列和数学统计软件对历年的居民消费价格指数进行相关分析，处理并建立模型，认识居民消费价格指数与社会经济发展相联系的变动规律，并根据所建立的模型举例进行了预测，得出ARIMA模型对居民消费价格指数的数据的拟合是很好的。毕业论文 从我国学者应用时间序列模型对居民消费价格指数进行的分析研究可以看出，运用ARIMA模型对居民消费价格指数进行拟合预测的效果较好，有益于研究居民消费指数发展变化特征及未来发展趋势，把握居民消费价格指数发展的动态特征，有助于我们采取有针对性的各种措施，文持物价水平稳定在合理水平，有利于经济平稳发展。 研究内容与目的 根据G.P.box和G.M.Jenkins于上世纪70年代提出ARIMA（自回归求和移动平均）对时间序列进行分析、预测的方法，以及对ARMA模型识别、估计和诊断的系统方法。通过阐述我国居民消费价格指数的历史演变及其发展趋势，结合时间序列分析理论基础，采用时间序列的分析方法，基于ARIMA模型对我国居民消费价格指进行研究分析，并对未来短期内的居民消费价格指数进行预测。 (责任编辑：qin) |