中国CPI时间序列预测模型

本文利用中国1990-2008年的月度CPI数据,建立自回归移动平均结合模型(ARIMA)对2009年1-5月的CPI进行了预测,结果表明,ARIMA(1,1,2)是描述我国CPI变化趋势相对较优的时间序列模型。     

ARIMA与BP神经网络混合模型在广西GDP预测中的应用

为改进单纯使用ARIMA模型或BP神经网络模型对GDP预测的效果,笔者以1978—2008年的广西GDP为样本,首先建立ARIMA模型,得到拟合误差序列及2009—2015年的广西GDP的初始预测值,再对误差序列构建BP神经网络并得到2009—2015年的误差预测值,最后,用误差预测值对初始预测值进行修正,得到修正后的2009—2015年广西GDP的预测值。结果表明,ARIMA与BP神经网络混合模型的预测结果显著优于单一模型的预测。     

基于结构性断点检验 ARIMA模型的短期通货膨胀预测

运用Gregory C.Chow早期提出的断点检验方法对我国2000年1月份至2016年4月份的CPI同比增长率数据进行断点检验,首先确定2002年10月份与2009年2月份为两个结构性断点,并据以对全样本分三个区间分别建立ARIMA模型,然后将2016年5、6、7月份最终的预测结果与实际值进行对比,发现由2002年10月份到2016年4月份所建立的ARIMA模型有着较高的预测精确度,该模型适用于短期通货膨胀预测,能为管理通胀预期提供依据.     

ARIMA模型在安徽省GDP预测中的研究与应用

中国省区经济是国民经济的重要组成部分,是一个相对独立的研究对象。文章简要介绍了求和自回归移动平均模型ARIMA（p,d,q）及其建模方法,通过分析1978～2008年安徽省GDP相关数据,运用Eviews统计软件和ARIMA建模方法,将ARIMA模型应用于安徽省GDP数据的分析与预测,发现该模型的预测效果比较显著,与实际情况较符合。     

基于小波与ARIMA的黄骅市降水和气温的分析研究

为探究黄骅市降水和气温的变化特征及演化趋势,基于1956—2020年黄骅市降水和气温资料,运用Mann-Kendall检验、累积距平、小波分析的方法,研究黄骅市降水和气温的演变特征与周期性规律,并基于1956—2015年的数据建立ARIMA模型,对该市2016—2020年的降水量、温度进行了拟合与对比分析。结果表明:1956—2020年,黄骅市多年平均降水量588.6 mm,多年平均温度12.7℃。1956—2020年黄骅市气温显著上升,降水量呈下降趋势。在55年的时间尺度上,气温和降水的小波方差均存在一个明显的峰值,且二者在该时间尺度上对应的周期均为37年。年均温度与月降水量的最优模型分别为ARIMA(0, 1, 2)、ARIMA(1, 0, 0),实测与模拟值相对误差不超过22%。     

中国宏观经济不确定性的时变冲击效应

提取大量宏观经济变量的不确定性成分,合成中国宏观经济不确定性（EU)指标,运用TVP-VAR-SV模型实证分析中国宏观经济不确定性对中国宏观经济的时变影响效应。结果显示：中国宏观经济不确定性具有反周期性特征,其高不确定性时期主要体现在1997年亚洲金融危机后期（1998Q4—1991Q1)、2008年全球金融危机（2008Q1—2009Q1)以及2015—2016年经济下行（2015Q3—2017Q1)三个时期。中国宏观经济不确定性具有明显的时变冲击效应,且中国宏观经济不确定性对利率、CPI和GDP产生了负向冲击效应,引起利率、CPI和GDP的下降,这与“不确定性是经济衰退的重要驱动因素”的观点相一致。     

ARIMA模型在零售业预测研究中的适应性分析——以江阴市为例

ARIMA模型预测研究是通过估计诊断序列对象统计量位置参数信息,揭示经济现象所蕴含的经济规律的重要方法。文章采用江阴市1978—2014年时间序列数据,对江阴市社会消费品零售总额相关统计量进行适应性分析,结果显示:ARIMA模型在零售业预测研究中提供了较为准确的模拟结果,具有较强的适应性,能较好应用于消费市场发展研究分析。     

资讯

CPI权重明年进预调窗口期各地统计部门着手准备
　　由于2015年我国居民消费价格调查将进入新一轮定基,各地统计部门正在为CPI （居民消费价格指数）调查基期轮换实施前期准备,以便在2016年使用CPI新权重。     

基于组合预测模型的我国入境旅游收入预测研究

以国家旅游局官方网站公布的2000-2012年入境旅游收入为原始数据,选取ARIMA模型、GM（1,1）灰色预测模型以及回归分析预测模型分别对原始数据进行定量分析。鉴于单项预测模型的局限性,基于误差平方和最小方法构建组合预测模型,并辅以实例进行分析和验证,构造出精度最高的A-G-R模型作为组合预测模型。     

通货膨胀衡量指标的实证研究与改进

2003年至2007年，中国经济增长迅速，与此同时，通货膨胀水平也日益提高。本文以该轮通货膨胀为研究背景，研究结果发现，居民消费价格指数（CPI）仍然是符合中国国情的通货膨胀衡量指标。本文首先通过实证研究分析现有价格指数之间的相关性，确定了CPI的先行指标，以便更好的预测CPI的走势；其次在分析CPI缺陷的基础上对其统计口径进行修正，加入资产价格（准确地说是房地产价格），从而提高CPI作为通货膨胀衡量指标的合理性和科学性，为货币政策的制定提供依据。     

中国M2/GDP变动指数与消费价格指数的关系

M2/GDP变动指数反映金融深化程度的变动情况，消费价格指数（CPI）反映物价水平的变动情况，二者之间具有对等关系。根据交易方程式的理论基础，构建VAR模型，选取1990—2015年的数据，可实证分析中国M2/GDP变动指数与消费价格指数的关系。研究结果表明，二者存在协整关系以及长期稳定关系。在现有数据基础上进行相关变量的预测，对货币政策有所启示。     

基于RBF神经网络的中国CPI预测研究

文章将RBF神经网络模型引入到CPI预测领域,运用2001年1月至2010年4月间的国家统计局数据,通过Markway4.0建立CPI预测的数据网络模型。计算结果证明,RBF数据网络模型应用于CPI预测具有较高的精度和良好的泛化能力。     

基于多种模型的福建省入境游客量预测

准确的旅游需求预测可以为政府和产业部门的旅游决策提供重要信息。根据福建省1985-2010年的26年入境游客量统计数据,利用移动平均、指数平滑、GM（1,1）、ARIMA（1,1,1）和GM-ARIMA 5种模型对未来5年入境游客量进行尝试性预测。通过对拟合过程的比较,发现以上5种模型均适用于福建省入境游客量的预测,但以GM-ARIMA组合模型拟合效果最佳,二次移动平均模型拟合效果最差。预测结果表明,至2015年福建省入境游客量大约可达520～580万人次。另外,研究结果支持目前国际上普遍认同的组合模型可以有效提高预测精度的观点。     

国际大宗商品期货价格与中国物价变动的关系研究——基于CRB指数的实证分析

利用格兰杰因果检验对国际大宗商品期货（CRB）与我国的居民消费价格指数（CPI）、工业品出厂价格指数（PPI）及原材料、燃料、动力购进价格指数（RPI）的引导关系进行分析，发现CRB对RPI、CRB对PPI、RPI对PPI的传导关系通过了因果检验，传导关系明显，其中CRB不仅影响RPI，也直接影响PPI，在滞后1到6期的传导关系均为显著，RPI与PPI则表现为双向相互引导关系。而CRB对CPI的传导和PPI对CPI的传导未通过因果检验，传导关系不显著。在此基础上建立了预测月度PPI指数的模型，发现期货价格指数可以作为通货膨胀预警和宏观经济监测的先行指标。     

ARIMA模型在省级全社会固定资产投资预测中的应用

ARIMA模型较好地解决了非平稳时间序列的建模问题,并且在时间序列的短期预测方面有很好的表现,借助于EViews等统计软件,可以方便地将ARIMA模型用于时间序列问题的研究和预测。利用河南省1989至2006年的全社会固定资产投资总额数据,运用计量经济学软件EViews,基于时间序列分析方法建立相应的ARIMA模型,进行预测分析,为各级政府和企事业单位相关的管理决策,提供数量化的参考信息。     

基于GM(1,1)理论的中国居民消费价格指数预测模型研究

本文首先介绍消费者物价指数的概念,在此基础上介绍GM(1,1)的基本内容,从而构建中国居民物价指数灰色预测模型,继而利用2004年-2007年我国每年的CPI指数原始数据进行验证模型的可靠性,同时预测2008年的CPI将会下降的结论.模型预测结果良好,能够较真实的反映我国CPI的变化趋势.     

小本发家的投资捷径

受食品价格上涨等因素影响,2007年11月份的全国居民消费价格指数（CPI）同比上涨6．9％,再创11年来新高。几乎是一路走高的CPI,因此成为了时下的热门话题。一个抽象的CPI数字背后,是物价水平的涨跌互现,也是人们对财富渴望的考量。随着生活压力的不断加大,就业形势的日益严峻,投资创业理所当然成为复制成功、克隆财富的不二选择。     

小本发家的投资捷径

受食品价格上涨等因素影响,2007年11月份的全国居民消费价格指数（CPI）同比上涨6．9％,再创11年来新高。几乎是一路走高的CPI,因此成为了时下的热门话题。一个抽象的CPI数字背后,是物价水平的涨跌互现,也是人们对财富渴望的考量。随着生活压力的不断加大,就业形势的日益严峻,投资创业理所当然成为复制成功、克隆财富的不二选择。     

北京市基于 CP I的通货膨胀分析与预测

本文基于居民消费价格指数（CPI）,首先对通货膨胀的影响因素进行了因子分析,结果表明：衣、食、住等日常基本消费、发展享受型消费与交通和通信消费的上涨是形成通货膨胀的主要原因。然后运用 A RI‐MA模型,对北京市通货膨胀进行了预测,结果表明：ARMA（3,1）模型为北京市通货膨胀提供了较好的预测。     

资讯

7月CPI同比上涨2．3％
　　8月9日,国家统计局公布数据显示：7月份全国 CPI同比上涨2．3％,与6月增幅持平。
　　交通银行首席经济学家连平（微博）表示,2014年CPI翘尾因素高点出现在5、6两月,从8月份开始翘尾因素逐月回落,且下半年累计翘尾因素明显小于上半年,预计 CPI同比也将出现趋势性变化,整体小幅下行的可能性较大。