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。     

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。     

浙江省水产品冷链物流需求预测

根据浙江省农产品冷链物流的发展现状确定预测指标，从传统的GM(1,1)、新信息GM(1,1)、新陈代谢GM(1,1)选取合适的模型对2010—2019年浙江省水产品的冷链物流需求量进行趋势预测及精度检验。结果表明，新陈代谢GM(1,1)优于其他两种模型，利用该模型得到的预测结果对浙江省水产品冷链物流相关的建设投入具有可靠的参考价值。     

基于改进GM(1,1)的CPI灰色预测模型

根据我国2008年1至12月份的CPI数据,建立基于改进GM(1,1)的CPI灰色预测模型,并对2009年1月份CPI进行预测。     

我国社会消费品零售总额的预测分析——基于最小二乘法的改进GM(1,1)模型

我国社会消费品零售总额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最小二乘法的改进GM(1,1)模型,首先介绍了普通GM(1,1)模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM(1,1)模型;最后结合2007²011年我国社会消费品零售总额数据建立新的预测模型,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社会消费品零售总额,便于我国对未来社会消费品宏观调控。结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据。     

基于GM(1,1)宏观经济预测及相关对比分析

本文基于灰色系统理论,运用相同的国内宏观经济数据,进行了GM(1,1)模型的构建和选择,并与正交尺度网络模型以及BP模型、小波神经网络模型等预测结果进行了对比研究,结果表明,本文所建立的GM(1,1)模型在有效性方面具有一定的优势。最后,本文运用GM(1,1)模型对我国未来5年国内生产总值的发展情况进行了预测,结果表明,在宏观经济环境不变的情况下,未来5年我国国内生产总值能够实现翻番。     

我国人口可持续发展问题实证研究——基于GM(1,1)模型的建立与预测

本文阐明GM(1,1)模型的基本理论,收集2001年～2007年我国人口时间序列资料,建立人口数量GM(1,1)模型,分析原因,并对未来若干年人口发展趋势进行预测,提出适宜的政策建议。     

基于灰色理论的一手房成交量预测及其综合分析

房地产成交量受多种因素影响,既有宏观因素,又有微观因素;既有确定性因素又有不确定性因素.文中运用灰色理论原理,把广州市十区一手房成交量看作一个灰色系统,以2009年上半年作为时间数据系列,建立灰色GM(1,1)预测模型,利用Matlab软件对一手房成交量未来走势进行预测,并对所建模型进行残差检验,相对误差、精度、后验差比值均为一级.因此,可以运用所建模型对一手房成交量进行预测.从模型预测的结果看,成交量在未来呈上升趋势.     

小数据、大道理——价格指数尽显宏观经济态势

据国家统计局的数据显示,2012年我国全年居民消费价格比上年上涨2.6%,涨幅比上年回落2.8个百分点。但2012年12月份,CPI反弹相对比较多,环比增长0.8%,同比从2.0%增加到2.5%。有关数据预测,本轮CPI筑底基本完成,开始酝酿新的上升周期,预计2013年CPI进入上行周期初期。在当前政策环境不变的情况下,从2013年全年走势来看,CPI(居民消费价格指数)、PPI(生产者物价指数)、PPIRM(动力购进价格指数)将要高于2012年的水平,全年呈现出逐步走高的趋     

现阶段我国农产品价格变化及应对策略

2010年以来,我国的居民消费价格指数(CPI)不断上扬,并于2010年11月底达到了5.1%,其中农产品的价格上涨构成了推动CPI指数走高的重要因素。本文通过分析最近一段时间的农产品价格走势,探究了影响其走势的原因,并提出了相应的对策建议。     

灰色改进GM(1,1)模型在保定市FDI预测分析中的应用

FDI即外商直接投资,以保定市2000-2006年FDI数据为基础,运用灰色系统理论,建立了常规GM(1,1)模型和改进的GM(1,1)模型。改进的GM(1,1)模型优于常规GM(1,1)模型,其精度更高。应用改进的GM(1,1)模型预测了保定市2007-2010年FDI,并分析了预测结果。结果符合保定市的实际情况。     

基于加性模型与灰色预测的加权预测法对我国CPI的预测

C2GS2型加性DEA模型可预测有效输出,因而可用来研究数列变化的上界。本文通过采用C2GS2型加性DEA模型GM(1,1)模型、以及对数列变化下界的研究,用加权法对我国CPI进行预测,预测结果较为准确。     

物流量预测的灰色残差修正模型

采用残差修正GM(1,1)模型建立区域物流量灰色预测模型。通过对某区域物流量预测的实例分析,对比普通GM(1,1)和残差修正GM(1,1)模型的预测结果,证明残差修正GM(1,1)模型在预测物流量时精度高、结果可信。     

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。     

基于先行指数与VAR模型对2014年CPI的预测

本文首先分析了2013年我国CPI走势特征及其产生原因,并给出影响2014年物价水平的若干因素,在此基础上利用物价先行合成指数和向量自回归(VAR)模型对2014年各月CPI的值做出预测,结果显示,2014年CPI将呈现"先扬后抑"态势,全年涨幅约为2.4%。     

基于灰色模型与BP神经网络的青岛旅游需求预测模型

本文主要研究青岛市旅游需求预测的有关问题。本文首先对搜集的数据进行无量纲化处理,利用主成分分析得到影响旅游需求的主成分,以旅游人口建立GM(1,1)模型,进而将模型推广到GM(1,N)模型,并进行残差检验确保其可靠性;其次,对影响旅游需求的因素进行GM(1,1)灰度预测,并利用预测数据建立BP神经网络模型对GM(1,1)模型进行优化改进,最后,分析得到运用BP神经网络模型进行预测的结果更为准确。     

基于马尔科夫GM(1,1)模型的物流货运量预测研究与应用

物流货运量是衡量物流行业发展快慢的重要指标。针对不确定影响因素较多的物流货运量预测采用传统GM(1,1)模型预测,预测结果精准度较低。针对该问题,提出了基于马尔科夫原理的GM(1,1)模型,进行物流货运量预测研究与分析应用。根据马尔科夫GM(1,1)模型原理,以近几年的某地物流货运量为研究数据,通过实际应用研究结果可知,该方法预测效果较好,为研究物流发展提供参考。     

基于GM（1，1）模型对房地产投资额的预测研究——来自四川省成都市的经验证据

针对房地产开发投资额样本数据少、受各种因素影响具有不确定性的特点,运用灰色理论中应用最为广泛的GM（1,1）模型,以2004年以来成都房地产开发投资额的年统计数据为样本,对成都2009年的房地产开发投资额进行拟合。实证分析过程中通过弱化缓冲序列算子的作用．调整了样本数据的增长速度,实证结果表明GM（1,1）模型在房地产开发投资额预测方面精度较好。能够用该GM（1,1）模型对成都未来的房地产开发投资额进行预测分析,为政府、投资者、消费者的决策提供参考意见。     

天津市CPI的时间序列分析及预测

2007年7月至2008年这段时间,我国居民消费价格呈线性增长的态势,涨幅一直维持在5%以上,形成通胀压力.本文先分析了天津市CPI指数的现状以及天津市CPI变动的影响因素,然后根据相关数据运用最小二乘法和Eviews软件进行了模型分析,最后利用趋势外推法对天津市的CPI进行了预测.