CPI的SARIMA模型与X-12季节调整模型对比预测分析

基于SARIMA模型及X-12-ARIMA模型对我国1995年1月至2014年6月的居民消费价格指数月度数据进行预测分析。利用Eviews 6.0对CPI数据的变化趋势及季节性进行验证,结果表明X-12季节调整模型相对于SARIMA模型更有效,预测值与实际值的估计误差控制较好。     

基于SARIMA模型的我国通货膨胀问题研究

通货膨胀已经成为国内外学者及政府越来越关注的问题.本文在国内外学者对通货膨胀预测研究的基础上,根据我国2000年1月到2009年8月的CPI月度数据,运用SARIMA模型,对我国通货膨胀进行分析和短期预测.实证结果表明,运用SARIMA(1,1,12)模型为我国的通货膨胀提供了较好的预测.     

基于SARIMA模型的我国通货膨胀问题研究

通货膨胀已经成为国内外学者及政府越来越关注的问题。本文在国内外学者对通货膨胀预测研究的基础上，根据我国2000年1月到2009年8月的CPI月度数据，运用SARIMA模型，对我国通货膨胀进行分析和短期预测。实证结果表明，运用SARIMA（1，1，12）模型为我国的通货膨胀提供了较好的预测。     

基于SARIMA模型的中国CPI短期分析与测算

CPI一直是衡量通胀水平的重要变量,基于CPI月度同比数据具有明显的季节性时间序列这一特性,通过对其进行SARIMA模型的分析,结果表明SARIMA((10),1,(3))(1,1,1)12模型对我国CPI的预测精度较高,且我国在短期内CPI月度数值同比回落幅度较小。因此,在控制通货膨胀的过程中,要结合通胀性质进行政策干预。尤其要通过继续执行紧缩的货币政策,以及合理地调整拉动CPI上涨的重要物价因素进行控制。     

基于网络新闻的CPI预测混合模型构建研究

本文建立在基于计量经济学的模型——ARIMA模型的基础上,通过提取经济相关的信息对CPI波动的影响因素,对SARIMA模型无法解释的误差使用神经网络BPNN进行建模,用网络新闻信息来拟合时间序列得到残差,以修正CPI的拟合效果.考虑网络新闻中包含的主观信息与客观信息并对其进行情感分析与文本分析,建立TS-SARIMA混合模型用以预测CPI值.     

基于SARIMA模型的内蒙古居民消费价格指数的实证研究

居民消费价格指数(CPI)是宏观经济分析、决策,价格总水平监测、调控以及国民经济核算的重要指标。为分析内蒙古消费价格指数随时间推移的变化规律,利用1994—2013年内蒙古居民消费价格指数的月度数据,运用Eviews软件建立乘积季节模型SARIMA,并对其未来走势进行预测,为制定有效物价调控政策提供数量依据。     

基于时间序列趋势外推的CPI预测

CPI与人们的生活息息相关。随着近年来CPI的不断上涨,人们越来越关注它的未来增长趋势。基于此,文章提出了如何预测CPI的问题。以2001年1月至2009年12月我国CPI定基指数为样本,在分析其波动特征及差异的基础上,通过温特模型将其分解为季节和趋势波动。得出了我国CPI定基指数有一定的趋势和明显的季节特征的结论,并在此基础上对2010年和2011年的CPI作出预测。将预测值与实际值比较,预测值较为准确。     

俄罗斯经济发展形势的分析与预测

本文采用俄罗斯2002-2013年的季度数据作为样本,主要分析了季节性差分自回归模型——SARIMA模型在俄罗斯季度GDP预测中的应用,通过相应的分析最终得到了SARIMA(1,1,0)(1,1,0)4为俄罗斯季度GDP的最优预测模型.通过该模型对俄罗斯短期和长期经济发展形势进行了预测,得出俄罗斯未来四年的GDP年增长率在2.3％左右,长期的经济增长率在2.1％左右,经济形势依然不容乐观.     

我国社会消费品零售总额时间序列模型及预测

本文运用时间序列分析方法中的季节时间序列模型（SARIMA）,对我国社会消费品零售总额进行时间序列模型分析。分析结果显示,SARIMA模型较好地消除了时间序列的季节因素影响和趋势的变动,且通过模型对社会消费品零售总额做了预测,该模型可以提供较为准确的短期预测效果。     

基于SARIMA-GARCH模型的海南省月度CPI预测

稳定物价是政府市场调控的一个重要目标,因此把握CPI的宏观趋势具有一定的现实意义.本文依据海南省2000年1月至2015年12月月度CPI值,运用ARIMA季节模型进行拟合,考虑残差可能的ARCH效应,并对2016年1月至10月的CPI进行了预测.实证表明,ARIMA(2,1,2)(1,0,1)[12]模型能对海南省月度CPI起到较好的预测效果,对于政府政策制定调控市场具有一定的参考价值.     

对我国CPI与PPI关系研究——基于季节调整后的数据分析

选取1997年1月～2011年12月间我国月度CPI和PPI数据进行了定基处理和季节调整,然后在其基础上建立了VAR模型。该模型分析的结果表明CPI和PPI之间存在协整关系。格兰杰因果检验分析结果表明,在5%的显著性水平下,CPI与PPI互为格兰杰因果。方差分解的结果表明,CPI和PPI自己对自己的变化的贡献率比较大。     

基于ARIMA模型的内蒙古居民消费价格指数实证分析

消费价格指数(CPI)是以与居民生活有关的产品及劳务价格统计出来的物价变动宏观经济指标。运用EVIEWS软件,选择2005年1月至2012年12月内蒙古消费价格指数的月度数据,构建自回归求和移动平均ARIMA(p,d,q)时间序列模型,分析内蒙古消费价格指数随着时间推移的变化规律,同时对未来CPI的走势进行预测,为有效实施物价调控政策提供了数量依据。     

基于EEMD-BP模型的消费者价格指数预测

消费者价格指数反映了物价对人民生活的影响,是多种因素共同作用下最终的表现形式。EEMD方法是处理非平稳、非线性序列的有效工具,将其运用于CPI预测,可以从CPI时间序列自身出发揭示内在特征。本文以1994年1月至2021年9月期间的CPI为例,对其进行分解,并根据本征模函数的特征进行聚类重组,对重构后的序列波动特点进行解释,选择BP神经网络模型进行预测。研究表明：组合模型比单一模型具有更高的预测精度;经过EEMD方法分解的CPI组合预测模型比EMD方法分解的CPI组合预测模型具有更高的预测能力。     

CPI的市场增长机制及其影响因素研究

在开放经济条件假设下构建了一个了影响CPI的因素假设模型，并使用2003年1月到2011年12月的月度数据，运用计量回归模型检验了我国CPI的增长机制。结论表明，固定资产投资、外汇占款与CPI滞后因子等对我国CPI存在显著正影响。     

2009年广州CPI运行定量分析——基于改进的BP神经网络

当前，我国经济处于企稳回升的关键时期，支撑广州经济增长的因素有所增加，准确预见价格运行对经济决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点，本文在对BP神经网络模型改进的基础上，运用该模型对广州2001～2008年前5个月月度CPI同比和环比指数进行了训练，对2009年广州后7个月月度和全年CPI同比和环比指数进行了预测。预测显示，月度CPI同比指数均呈稳步下降态势；CPI环比指数在8月份由负转正，11月、12月又开始进入负区间。分析显示，除非国家和广州进一步加大扩大内需等措施力度，否则2009年全年CPI同比指数将处于负区间运行，预计徘徊在95左右。     

2009年中国CPI运行定量分析——基于改进的BP神经网络

当前,世界经济开始出现复苏的迹象,我国经济处于企稳回升的关键时期,准确预见价格运行趋势对宏观决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点,本文对BP神经网络模型进行了改进,并运用该模型对中国2001—2008年前5个月月度CPI指数进行了拟合的基础上,对2009年后7个月月度CPI指数和全年CPI指数进行了预测,预测显示2009年上半年我国CPI指数约为98．9,较上年同期下降1．1个百分点;月度CPI同比均呈稳步下降态势,除非世界经济形势进一步好转或国家加大扩大内需等措施力度,否则2009年后7个月CPI指数难以实现由负转正。     

宁夏银川市房屋销售价格指数未来走势的预测分析——基于ARIMA模型

本文选取了宁夏银川市2001年1月到2011年9月的房屋销售价格指数季度数据,建立ARIMA(p,d,q)时间序列模型,对未来一段时问的房屋销售价格指数进行了预测.实证分析结果表明,所选模型能较为精确地预测银川市房价走势情况,预测结果是比较合理和可靠的.     

基于改进的BP神经网络2009年广州CPI运行定量分析

当前,我国经济处于企稳回升的关键时期,支撑广州经济增长的因素有所增加,准确预见价格运行对经济决策具有十分重要的意义。鉴于BP神经网络模型具有很好地模拟非线性系统的优点,本文在对BP神经网络模型改进的基础上,运用谈模型对广州2001-2008年前5个月月度CPI同比和环比指数进行了训练,对2009年广州后7个月月度和全年CPI同比和环比指数进行了预测,预洲显示月度CPI同比指数均呈稳步下降态势;CPI环比指数在8月份由负转正,11月、12月又开始进入负区间。分析显示除非国家和广州进一步加大扩大内需等措施力度,否则2009年全年CPI同比指数将处于负区间运行,预计徘徊在95左右。     

ARMA预测模型和平滑ARMA预测模型的比较研究——基于贵州省1950-2011年的年度CPI环比数据

本文基于贵州省CPI(居民消费价格指数)1950至2011年的年度环比数据进行分析预测,并用Eviews6.0软件完成建模过程。通过对两个模型预测效果的比较,得出结论,平滑ARMA模型的预测效果并没有一般的ARMA模型好,但是平滑ARMA模型可用于对比较短的时间序列的预测,通过平滑方法可以增加样本个数,从而使得本来不能够进行ARMA预测的序列可以用ARMA模型来预测。     

贺州市CPI时间序列模型的建立及预测

本文选取了1985年至2015年的贺州市CPI数据,利用Evies6.0软件,建立时间序列模型,分析贺州市居民消费者价格指数随时间变化的规律,并对其进行了短期预测,结果表明：未来两年贺州市居民消费者价格指数仍然还会继续上涨。