居民消费价格指数预测的分解模型研究——以武汉市时间序列数据为例

居民消费价格指数是进行宏观经济分析与决策的重要经济指标。作为经济时间序列,居民消费价格指数的变化受到长期趋势、周期性循环要素、季节因子和不规则要素这四个因素的影响。本文选取武汉市2003年1月至2009年11月居民消费价格指数的月度数据,对其进行季节调整后,再通过HP滤波方法得到长期变动趋势序列,并用时间序列混合分解模型进行拟合与预测。     

郑州居民消费价格指数基于ARMA模型的构建

本文利用近年来河南省郑州市居民消费价格指数(CPI)的月度数据,根据时间序列的平稳性特点判断模型平稳性,建立了拟合度较高的ARMA模型,并运用Eviews软件估计出其参数,建立模型并进行检验,根据所建立的模型,对郑州居民消费价格指数进行了简单的预测和分析。     

基于ARMA模型的居民消费价格指数预测分析

居民消费价格指数(CPI)是反映通货膨胀程度的重要指标,也是国民经济核算中的缩减指标。运用时间序列ARMA模型,以近年来的月度数据为分析对象,用Eviews软件来拟合模型,预测2008年底至2009年第一季度我国居民消费价格指数,以使人们更好地预期未来经济。     

基于ARMA模型的我国居民消费价格指数预测

居民消费价格指数(CPI)是用于反映居民家庭一般购买的商品和服务物价变动情况的宏观经济指标,对展示经济运行的平稳性,表现经济发展的质量和效益有重要意义。因此本文建立了一个ARMA模型,选取我国2001年1月到2015年12月的CPI环比月度数据作为样本,运用R3.4.3软件对居民消费价格指数时间序列的自相关系数与偏相关系数进行统计,进行模型定价并估计出其参数,并对2016年1月至5月的居民消费价格指数进行预测。实证结果显示MA(2)模型能较好地拟合商品指数的动态路径,模型的预测值与实际观测值非常接近,表明ARMA模型在居民消费价格指数的预测中效果较好。通过ARMA模型合理预测我国的居民消费价格指数,能够对未来经济发展有初步的了解,为国家有关政策的制定提供理论支持。     

基于ARIMA模型的居民消费价格指数的预测方法研究

本文根据时间序列相关知识，利用2000年1月到2010年12月的居民消费价格指数历史数据建立了一个ARIMA预测模型，分析2011年的居民消费价格指数的短期走势，对未来的政策提出了相关建议。     

北京居民消费价格指数波动规律的多维度分析

本文以北京市居民消费价格指数为分析样本,运用统计和计量的相关数据处理方法,对2003年以来北京市居民消费价格指数的波动规律进行多维度的分析。从价格指数序列自身波动情况来看,北京市居民消费价格指数具有季节性、周期性特征;从长期趋势看,指数整体呈现增长趋势;从价格指数的分类构成来看,食品价格指数、居住类指数波动大,在整个CPI构成中变动最大。     

通货膨胀和M1增长率关系的误差修正模型分析

运用时间序列经济计量技术对我国1991-2012年居民消费价格指数和货币发行增长率的关系进行实证研究发现：我国的居民消费价格指数和货币发行增长率存在格兰杰因;我国的M1增长率和通货膨胀之间存在长期均衡的协整关系短期动态调整机制。     

广义货币供应量对居民消费价格指数滞后效应分析

本文采用2000年1月-2011年10月的月度数据,针对我国广义货币供应量M2对居民消费价格指数CPI的影响进行了实证分析。首先对CPI和M2的时间序列数据进行ADF检验、协整检验,然后通过建立分布滞后模型得出M2对CPI的影响具有9个月左右的滞后。     

广义货币供应量对居民消费价格指数的滞后效应分析

本文采用1999年1月至2008年4月的月度数据,针对中国广义货币供应量M2对居民消费价格指数的影响进行了实证分析。首先对CPI和M2的时间序列数据进行ADF检验、协整检验,然后通过建立分布滞后模型得出M2对CPI的影响具有六个月左右的滞后。     

我国居民消费价格指数时间序列研究

2011年以来,我国的居民消费价格指数不断创新高,国内通胀压力很大,这主要是因为2008年底以来执行的投资拉动经济的方针,使得信贷投放大量增加,流动性过剩导致。对居民消费价格月环比指数(上月=100)时间序列进行研究,使用AR(P)模型进行实证分析。结果说明了本期居民消费价格月环比指数受前4期居民消费价格月环比指数的影响,并且受上一期的影响最大。这反映出通胀预期对居民消费价格的推动作用,要控制居民消费价格,一定要改变居民的通胀预期。     

我国居民消费价格指数的分析和预测

本文介绍了居民消费价格指数的概念以及在我国物价体系中的重要作用,并根据1951年到2003年53年我国居民消费价格指数的统计资料,对我国的居民消费价格指数进行预测和分析。     

我国居民消费价格指数的混沌特性分析及预测研究

根据我国居民消费价格指数的非线性特征,建立了基于混沌理论的消费者价格指数神经网络模型,同时运用所建模型对我国居民消费价格指数进行估计和预测。计算结果表明,该模型能够很好地解决居民消费价格指数估计和预测这一问题,预测精度较传统的方法要高,具有一定的应用价值。     

我国居民消费价格指数的预测分析——基于残差修正的改进GM(1,1)模型

我国居民消费价格指数受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此本文提出了基于残差修正的改进GM(1,1)模型。首先,本文介绍了改进GM(1,1)模型的建立方法与步骤;接着结合2007²011年我国居民消费价格指数建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年我国居民消费价格指数,便于对我国未来居民消费价格指数的宏观调控。结果表明,该预测方法是可行的,为相关预测提供了理论依据。     

北京市居民消费价格指数波动的驱动因素定量分析

本文以北京市居民消费价格指数为分析样本,运用投入产出价格影响模型和向量自回归模型,分析不同种类影响因素的作用机理和产生的效应,从而找出北京市居民消费价格指数波动的主要驱动因素。从农产品价格上涨、居民居住成本上涨、资源能源类产品价格上涨、劳动力成本上涨和其他因素等驱动居民消费价格指数波动的原因,分析各个驱动因素的价格波动情况及其对居民消费价格指数的影响。     

基于遗传算法的我国居民消费价格指数短期灰色预测研究

针对传统灰色GM(1,1)预测模型存在精度差的问题,提出采用遗传算法对其进行改进。利用改进的GM(1,1)模型,根据2006年1月至2008年3月共27个月我国居民消费价格指数的统计资料,对2008年1-3月消费价格指数进行了预测,与实际消费价格指数和传统GM(1,1)的计算结果进行比较研究,结果表明改进的模型预测精度高,预测结果好,最后对未来三个月居民消费价格指数进行了预测并进行了分析。     

我国农产品价格指数短期预测——基于时间序列分解的分析

对农产品价格指数作出准确预测,是政府合理制定宏观经济政策的前提。本文对我国2003年1月至2011年5月农产品价格指数序列进行季节调整后,运用时间序列分解模型对农产品价格指数进行了短期预测。本文预测结果显示,短期内我国农产品价格指数仍呈上升趋势。     

人民币汇率变动对我国居民消费者价格指数的影响

本文基于2000-2013年的月度数据，通过构建国内物价影响因素模型，以单位根检验、回归分析、脉冲相应、方差分解等计量方法，主要分析人民币汇率对居民消费价格指数的影响。分析表明；人民币汇率与居民消费价格指数存在反向关系，且人民币汇率在较短期内对居民消费价格指数有较大的冲击且有一定的持续性。     

主要农产品价格对CPI的贡献分析——基于VAR和VEC模型的实证分析

通过应用VAR和VEC模型分析、脉冲响应函数方法（IRF）及方差分解、Granger检验等方法,考察1985年至2008年我国农产品价格与居民消费价格指数之间的关系,认为农产品价格波动对居民消费价格指数的影响不太明显。     

1991年～2004年GDP增长率与居民消费价格指数的关联性分析

笔者从银行存款利率、失业率、居民消费支出三个因素分析了1991年～2004年中国GDP增长率与居民消费价格指数的关联性,认为在居民消费支出的影响下,居民消费价格指数与GDP增长率成正相关;在利率的影响下,居民消费价格指数与GDP增长率成负相关;在失业率的影响下居民消费价格指数与GDP增长率成负相关。     

国际石油价格波动对我国居民消费价格指数的影响

运用2016年1月~2017年11月的月度数据,构建了国际石油价格波动对我国居民消费价格指数影响的VAR模型,并进一步依据ADF单位根检验、误差修正模型以及脉冲响应函数等数据验证方法,对国际石油价格波动如何影响我国居民消费价格指数展开实证研究。结果表明,国际石油价格的上下波动会对我国居民消费价格指数产生十分明显的影响,但这一影响被局限在某一些特定范围内,且这一显著影响在具体的每一个不同类别的居民消费价格指数上又会出现较大差异。