基于ARIMA模型的中国CPI指数预测研究

基于ARIMA模型的中国CPI指数预测研究 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 基于ARIMA模型的中国CPI指数预测 研究 摘要居民消费价格指数CPI一直以来都被我们公认为用来衡量通货膨胀水平的关键指标，它时刻与人民的日常生活紧密相关，在整个国家的国民经济价格体系中扮演着不可替代的角色。随着我国经济渐渐地发展， CPI指数在居民生活中越来越受到人们的重视和关注，它在我国现代社会经济中也占据着越来越举足轻重的地位。因此，对我国居民消费价格指数的发展趋势进行系统的 分析 定性数据统计分析pdf销售业绩分析模板建筑结构震害分析销售进度分析表京东商城竞争战略分析 与预测，不仅有利于维持物价水平稳定，而且对经济平稳发展是具有重要意义的。5010 本文中我们对居民消费价格指数CPI的概念、作用意义、编制方法以及影响因素等几个方面进行系统的简述后，再简单介绍了时间序列相关的理论知识。由于CPI指数是具有较强的季节性与趋势性的时间序列数据，因此本中我们采用时间序列季节乘法模型对我国居民消费价格指数进行了实证分析与预测，得出相 1 / 20 关结论与建议。 关键词:居民消费价格指数, 季节乘法模型, 趋 势预测 Abstract The consumer price index CPI has long been recognized as an important indicator to measure the level of inflation, it is closely related to People's Daily life, in the whole national economy plays an irreplaceable role in price system. Along with our country economy development gradually, the CPI index in people life more and more attention and concern, it is in our modern society is occupying more and more important role in the economy. Therefore, the development trend of China's consumer price index system analysis and forecasting, is not only beneficial to maintain a stable price level, but is is of great significance to the steady economic development. This article, we in the consumer price index concept and function of the CPI, significance, methods and influencing factors from several aspects such as system briefly, and ---------------------------------------------------------------范文最新推荐------------------------------------------------------ then simply introduces the theory of knowledge of time series. Because the CPI is a strong seasonal and the trend of time series data, this article USES the seasonal time series multiplication model of China's consumer price index has carried on the empirical analysis and prediction, draw relevant conclusions and recommendations. 时间序列分析在很久以前就开始一直被专家和学者 广泛地运用于与数量有关的分析当中，它主要被用于 对事物数量随时间的推进而发生变化的规律进行描述 与探索。时间序列分析从静态的角度来说是在数量上 对某种现象的变动规律进行揭露，且在动态的角度来 说则是对某种现象和其他现象之间所蕴含的数量上的 内在关系及其发展变动的规律性进行刻画，而最终的 目的是认知和观察世界。 ?研究意义 3 / 20 居民消费价格指数CPI作为一种常用的总体价格水平指标，用来度量消费者在购买商品和劳务时的花费。价格稳定对于一个国家来说至关重要，一个稳健运行的市场系统要求价格能够准确、迅速地传送稀缺资源的信息，并且通过价格机制来调节资源配臵。居民消费价格指数还是衡量通货膨胀的重要指标，我们对我国CPI的波动变化特性及将来的发展态势进行研究，对CPI发展的动态特性进行有效地掌握，有助于我们采取一系列具有针对性的措施，将物价水平稳定地维持在一定的合理水平内，从而有利于经济的平稳发展。 我们运用时间序列模型可以对未来可能发生的行为进行预测，对未来有可能出现的现象进行控制，为了达到利用及改造客观事物的目的，我们还可以对系统进行修正或者重新 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 。长期以来，我们对居民消费价格指数的研究都会经常应用到时间序列模型，并对其加以预测与分析。 三、我国居民消费价格指数介绍 ?居民消费价格指数CPI概述 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 1.CPI指数的概念 CPI体现的是居民在日常生活中用于购买并消费的一系列具有代 表 关于同志近三年现实表现材料材料类招标技术评分表图表与交易pdf视力表打印pdf用图表说话 pdf 作用的商品及服务项目的价格水平的波动情况及变动的趋势的相对数，是综合汇总了城镇居民和农村居民的消费价格指数所得到的一个总体结果。在我国，我们通常称CPI为居民消费价格指数，它是消费者价格指数,consumer price index,的英文简称。在1994年以前，我们国家都是采用生活费用价格指数的，但从这一年起我们国家就取消了生活费用价格指数的编录 制度 关于办公室下班关闭电源制度矿山事故隐患举报和奖励制度制度下载人事管理制度doc盘点制度下载 ，开启了使用CPI的新时代。就现在而言，由于指标的汇总层次性和它们所对比的基期有区别，我国居民消费指数CPI的编制主要有这么一些的指标，它们分别为具有代表性的规格品的平均价格及价格个体指数，每个月度的环比及同比指数、各基本分类的价格指数和各个类别的价格环比指数，以及经过汇总后的定基价格指数、进行累计后的同比指数和基期为上一年最后一个月价格的指数。 5 / 20 第三，CPI指数作用于货币流量的指数化调整。CPI一般被我们利用于对税收、租金、工资、利息等之类的货币流量的调整，对按现价计算的货币收入或者支出进行缩减，根据一部分或者全部的服务价格和补偿消费品或者生活费用的变化来衡量收入和消费实际的真实情况。另外，CPI它还可以用来调整某一些货币资金和负债的资本价值，或是用来做住户在日常生活中的消费与支出购买力的平价换算。 3.CPI指数的经济意义 CPI的调研是以社会中的产品及服务项目这两者的最后价格为对象展开的调研，是对经济运行进行分析和对价格总水平进行决策的一个分量十足的重要指标，它的变动率在很大程度上是能够直接反映我国通货膨胀或者通货紧缩程度的。CPI指数已经被全世界各国广泛地应用于对国家的通货膨胀程度进行判断，不仅如此，CPI指数在我国的国民经济的宏观调控之中，已经是能够反映我国国民经济的运行情况和市场的经济状态是否景气的不可或缺的“晴雨表”，它一直以来都在我们整一个国家的国民经济价格体系中占据着举足轻重的地位。 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ ? CPI指数的编制简介 本文中我们将对CPI指数的编制进行了简单的介绍，CPI指数的编制整体来说分为确定落实产品篮子、采集价格数据、收集权重资料、选取编制方法、对CPI的编制进行一定的调整这几个环节。 1.确定产品篮子 在确定产品篮子的过程中，全国CPI的统计包括了全国各个地区的城乡居民的日常生活消费中的大类八个,分别为衣食住行中的衣着、食品、居住、交通与通信，医疗与个人用品、烟酒及用品、家庭设备用品与维修服务，以及娱乐教育文化用品和服务这八个大的类别,、中类39个、基本类262个、商品和服务项目600余种。但是，由于国际惯例中房产是不纳入CPI统计的，所以在我国CPI编制中，我们是采用使用成本法对居住类自有的住房进行编制的，即是用该住房估计的租金来体现居住当中的自有住房的费用。 7 / 20 4.选取编制方法 目前来说，我国CPI指数每个月的编制有两种口径:一种是以上一年的同期作为基期的同比CPI，它反映的是以一年为周期的价格变化,另一种是以上一个月作为基期的环比CPI，它可以迅速地反映短时间内突发的价格变动。CPI编制过程中的计算方法总的来说有下面有两种，其中一种就是简易的几何平均法，而另外一种是加权算术平均法。在这当中，我们主要利用简易的几何平均法对具有代表性的规格品作几何平均，从而计算基本分类指数，另外我们再通过加权算术平均法中的逐级加总从而来获得中类、大类指数和总指数。 5.对CPI的编制进行调整 因为我国居民消费的变化是具有多个方面的，所以在编制的过程中应定期对产品篮子中具有代表性的规格品以及收集价格变动数据的渠道进行调整，为此我们一般以五年一大调、一年一小调作为原则对其中涉 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 及到的权重系数进行调整，同时也会对指数的计算公式进行相应的变换，以达到适应实际的经济情况的目的。 ? CPI指数的影响因素 CPI具有在一定范围内上下波动的规律，这从表面的层次来看，有可能是由商品价格的上涨或下跌所导致的，可实际并不是这么简单，在这表面现象里面其实蕴藏了许多更深层次的影响因素。对CPI指数影响较为明显的因素有货币供应量、进出口需求、消费需求、固定资产投资、贷款余额、出口总额、社会消费品零售总额等。 其中，货币的供应量对CPI变化的影响比较显著，因为它们两者之间存在着一种稳定的均衡关系。在短时间内，CPI一般不会立刻跟着货币供应量的增加而上升，可是在经过一定时间的传导时滞之后，由于超出限量的流动性被释放了出来则会使得物价上升。在长期内，货币因素对CPI指数具有明显的影响作用，并且经济系统也存在着反向调节机制，这种方向相反 9 / 20 的修正作用正是使CPI指数在整个系统里不会长时间地偏离平衡的位臵的原因，另外由于协整方程会对CPI的偏离产生一定的制约，则使得CPI指数在未来一期能够自动得到修正。 2、自回归移动平均模型,ARMA, 若假定时间序列的一部分是自回归，而另一部分则是移动平均，则我们可得到一个比较普遍的时间序列模型，其为自回归移动平均模型，方程如下所示: 参数c为常数,自回归模型中的变量系数表示为 ，其中 ,而自回归模型的阶数为p,移动平均模型中的变量系数表示为 ，并且其中 ,自回归模型的阶数则为q, 表示均值为0、并且方差是 的具有白噪声性质的序列。综合以上所说的内容，符合我们所描述的形式和方程的平稳序列被称为自回归移动平均模型，我们一般将它记作ARMA(p,q)。 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 3、自回归移动平均求和模型,ARIMA, 前面我们所描述的几种模型都是建立在平稳的基础之上的时间序列模型，那么如果我们所分析研究的时间序列中存在着非平稳性，这样的话我们就应该在建立模型的过程中先对序列进行差分处理，这样我们就将序列平稳化了，其中d就是我们进行差分的阶数，之后我们再利用上面第2点中所说到的ARMA(p,q)作为我们分析的模型用来进行识别，通过这样的方式所得到的模型被我们称为自回归移动平均求和模型，它的简写形式我们一般记为ARIMA(p,d,q)。 ?季节性时间序列简介 1.季节性时间序列的概念 在一个时间序列当中，如果出现了当它经过S个时间间隔以后表现出来一种相像性质的情况，那么就说明这个序列是有一定周期特性的，由此我们就可以称这个序列是季节时间序列了。在这当中，我们所称周 11 / 20 期点是在一个周期内所包含的时间点，那么它的周期长度就是S。 周期性作为季节时间序列的一个重要的代表特性，也就是说，季节时间序列会随着它所具有的不一样长短的周期而表现出它自身不一样的周期变化。季节资料以一年的四个季度为一个周期，月份资料以一年的12个月为一个周期，但是有些时间序列可能在同一时间内含有若干个种长度不同的周期。 ? ARIMA时间序列模型的建模步骤 一般情况下，我们对收集到的样本数据建立时间序列模型进行ARIMA分析的过程主要有以下几个步骤:对所选取的数据进行数据处理、模型分析识别过程、模型的相关检验及对数据进行预测分析。 1.数据的预处理 ARIMA时间序列模型建立的基础是平稳性，从所收 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 集的数据中选取所要分析的数据中，我们并未得知数据自身的平稳性，因此需要对数据先进行时间序列的平稳性检验。通常被我们用来检测平稳性的方法有:绘制时间序列的散点图、通过自相关系数及偏自相关系数进行判断、进行ADF单位根检验。如果时间序列显现为不平稳，该时间序列存在上升或下降等某种较为明显的变化趋势，我们则要对数据进行一阶或多阶的差分处理，到该时间序列呈现平稳性为止，再继续下一步骤。 2.模型识别与建立的过程 利用统计软件的相关算法对时间序列数据进行差分化处理，再而每一次差分化后，对处理后的序列进行平稳性检验。如果原始的时间序列是平稳序列，则d=0，如果原始数列并非平稳序列，则需要对原始数列进行一阶差分、二阶差分以及对数差分等差分处理，直到数据转化为平稳性为止。最后，根据实际情况我们可以选择采用残差方差图定阶法或AIC、BIC准则定阶法等方法来进行函数阶数的确定，从而进一步对p和q的数值进行确定，以建立相应适当的模型。 13 / 20 3.模型的参数估计与检验 通过进行上面提及的步骤从而确定出时间序列模型的阶数以后，我们便要对得出的模型作参数估计，并检验时间序列模型的残差是否符合白噪声，以此检查模拟识别的ARIMA时间序列模型是否与我们选取的数据很好地拟合，同时检验该时间序列是否具有统计的意义。如果通过了相关的这一系列检验，我们就可用该时间模型进行数据的预测与分析了。 图5.2全国CPI月度数据进行1阶差分后的序列时序图 ?模型的识别与建立 我们运用R语言统计软件对经过一阶差分之后的我国居民消费价格指数的时间序列作出样本的自相关系 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 数与偏相关系数图形，如图5.3所示。 图5.3全国CPI经过1阶差分后序列的ACF与PACF图 从上图5.3我们能够知道，当滞后的期数为12时，我们可以看到我国CPI时间序列的自相关系数与偏相关系数都表现出了明显的差异，这就可以说明这个序列是有季节特性的，而且它的季节周期为12个月。我们继续对经过一阶差分之后的时间序列进行一阶12步的季节差分，并做出时间序列的样本自相关系数与偏相关系数图形，如图5.4所示。 从图5.4我们可以看出，在CPI指数的ACF图中表示了延迟12阶的ACF是明显地比2倍的标准误差范围要大的，这就表明了在我们对我国居民消费价格指数时间序列进行季节差分之后我们所得到的时间序列中仍然隐含着十分显著的季节效应。我们还可以看到延迟1阶、2阶的时间序列的ACF同时也比2倍标准 15 / 20 差大，这就表明经过季节差分之后的CPI指数时间序列还是有短时间内的相关关系。根据已经进行季节差分后的时间序列的自相关与偏相关的性质特征，我们试着进行ARMA模型的识别，但却显示这样进行拟合所得出的残差均不能通过白噪声的检验，而且得出的结果也都不理想。 图5.4 全国CPI经过季节差分后序列的ACF与PACF图 因此，我们考虑到我国居民消费价格指数时间序列不仅具有季节效应而且具有短时间内的相关性，而季节效应及短时间内的相关性它们两者又具有十分繁杂的联系，于是就可以假定季节效应与短时间内的相关性两者间是具有一种相乘关系的，由此可以决定选择乘法季节模型作来进行识别。 延迟阶数统计量 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 检验结果显示的P值很大，则说明接受关于残差为白噪声的原假设，也表明了误差项不相关，模型通过残差白噪声检验。 图5.5全国CPI时间序列模型的标准化残差图 如图5.5所示，我们可以看到标准残差在0上下波动，但无明显趋势，所以我们认为该模型较适当。 图5.6全国CPI指数模型的标准残差ACF图 如图5.6我们能够知道，模型ARIMA 拟合之后的标准残差相关系数图显示模型拟合的效果比较好，我们可以看到标准残差相关系数都在范围内上下波动，表示不存在短期的自相关性。 17 / 20 图5.7全国CPI指数模型的残差标准化直方图 图5.8全国CPI指数模型的残差标准分位数图 从上图中我们可以看到，残差的分位数图成一条直线，则残差服从正态分布，它的性质与白噪音正态性相似。我们从正态性Shapiro-Wilk检验得到，它的统计量为0.9938，p值为0.6503，故说明了它为正态性显著。 故综合以上分析，我们可以得出，对于我国CPI月度数据我们采用季节乘法模型ARIMA 的拟合效果较好，则认为该模型可应用于对我们国家将来的CPI进行短时间内的预测。 ?时间序列的预测与分析 通过运用上面所描述的模型ARIMA 对2016年的1 ---------------------------------------------------------------范文最新推荐------------------------------------------------------ 月--12月的我国CPI指数的发展变化趋势进行预测，得出结果如图5.9所示。从预测图中我们可以看出，在2016年里，我国居民消费价格指数处于上下波动，但整体相对于2015年还是下降了。 图5.9我国CPI指数2016年变化趋势预测图 根据预测图可知，2016年CPI在1月份上升至高值后，2月份直降到低点。但从2月起居民消费价格指数CPI开始有所回升，其原因主要是季节因素主导的。冬春交际，寒潮与季节效应等等的季节因素，使CPI有回升的态势。其中主要推动CPI上涨的莫过于鲜菜价格，鲜果、猪肉等等的过春节必备食品也较为突出的上涨，从而促进了CPI的回升。另外，寒假、春节期间，如相关用工成本提高的服务也及交通旅游人流量的增加，在此期间出现一定程度上的价格上升，也促使了CPI的回升。全国居民消费价格指数的回升在5月到达一个小峰值之后有所回落，但在1月和9月出现全年高值，在此之后较大幅度地下降。 19 / 20 2、我们应该通过运用价格手段合理化促进农民增收，并且我们应该对农产品进行供给管理。CPI的长期趋势主要受粮油食品等商品的生产成本的影响，运用价格手段合理地促进农民收入增加，进一步完善对农场品供给的管理,而CPI的短期趋势则主要受猪肉和蔬菜等居民生活中的重要商品的影响，因此对此类商品价格的控制也尤为重要。当市场上出现因供给紧张而导致价格大涨的情况时，我们应该主要以市场调节为主，并辅以政府采取适当地抛售部分储备从而抑制市场价格的大幅上涨。与此同时，我们应与农民协调安排今夕产销 计划 项目进度计划表范例计划下载计划下载计划下载课程教学计划下载 的商量与策划，提高农民产销组织化的程度，从而防止农民因价格上涨而盲目扩大生产规模。遇到供给过剩而导致价格大降的情况，政府则应及时出手收购以发挥政府的调节作用，维持价格和供给的稳定 基于ARIMA模型的中国CPI指数预测研究(9):