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。     

ARIMA模型在居民消费价格指数预测中的应用研究

居民消费指数是监测和调控价格总水平、决策与分析宏观经济、核算国民经济的主要指标。文章将最近几年来的相关数据收集起来,运用相关函数构建了一个ARIMA模型,同时借助Eviews软件预测出相关参数。通过分析这个模型能够合理预测出我国居民消费价格指数。     

居民消费价格指数的时间序列分析

社会经济现象往往受许多因素的影响,且这些因素之间又保持着错综复杂的联系,因而,运用结构式的因果模型进行分析和预测往往比较困难,而根据其自身的变动规律建立动态模型即时间序列分析则是一种行之有效的方法。对此,介绍了平稳时间序列分析的思想及方法,并以1995-2006年全国居民消费价格指数统计资料为依据,建立其时间序列模型。     

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。     

遗传模拟支持向量机在居民消费价格指数预测中的应用

为了能够准确地对我国居民消费指数进行预测,本文深入研究了支持向量机在居民消费价格指数中的预测,首先阐述了最小二乘支持向量机的基本理论,接着提出了遗传模拟退火算法,最后进行实例研究,结果表明该方法具有较高的预测精度.     

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。     

基于北京、西安、呼和浩特三地房地产价格指数预测的实证分析

近年来,房地产价格的持续走高,带来了很多负面的影响,如人们认为价格是处于虚高状态,存在房地产泡沫等。为了更好地指导房地产价格水平以及为投资者提供可投资房地产的依据,对房地产价格的预测显得特别的重要。将三地的房地产价格指数作为研究对象,用理论和实际的资料数据以及计量方法来探讨鉴定,针对三地房地产市场的发展特点,研究三地房地产未来的走势。     

中国消费品零售总额序列的SARIMA模型及其预测技巧

研究中国消费品零售总额的SARIMA模型,发现用稀疏系数法处理其季节性所得模型,比常规方法（既做季节差分又做一阶差分）所得模型好;在用EViews做预测时,对预测对话框的＂Sample range forforecast＂的值应该设置为真实的预测范围,才能得到好的预测。     

中国货币供给的变动规律与趋势预测——基于SARIMA模型的实证研究

探讨货币供给规律和预测其变化趋势,是学术研究热点,受到宏观管理部门和各类微观主体的广泛关注.本文利用EViews对2000年1月至2013年9月中国广义货币供应量据M2变动规律进行实证研究.根据M2月度数据特点,通过模型识别、参数估计和诊断检验,建立了能描述货币供给变动规律SARIMA(2,2,1)(1,2,1)12模型,并试图对未来货币供应量据M2进行预测.实证发现:第一,货币供给增量DM2与前两期DM2呈正相关关系,与上两期随机事件冲击,上一年同月DM2和上一年同月对DM2随机冲击成负相关关系;第二,模型预测结果误差被控制在合理范围内,证明所发现模型是合适的,以此对短期M2变化趋势进行较为准确的预测;第三,未来半年中国M2仍然保持增长态势.     

我国居民消费价格指数问题分析及建议

居民消费价格统计调查的是社会产品和服务项目的最终价格,一方面同人民群众的生活密切相关,同时在整个国民经济价格体系中也具有重要的地位。它是进行经济分析和决策、价格总水平监测和调控及国民经济核算的重要指标。其变动率在一定程度上反映了通货膨胀或紧缩的程度。一般来讲,物价全面地、持续地上涨就被认为发生了通货膨胀。所以研究居民消费价格指数问题是非常有意义的,下文从问题分析及建议两方面进行了分析。     

影响我国居民消费价格指数变动的两大因素

本文以我国2002—2009年的经济数据为依据,通过建立回归模型,分析经济因素中食品类生产价格、房屋销售价格对我国居民消费价格的影响。并建立无约束性向量自回归模型,利用脉冲响应函数和方差分解方法分析食品类价格和房屋销售价格对居民消费价格冲击的传递效应,从而对居民消费价格的长期趋势进行初步探讨。     

中国房地产价格指数的灰色预测研究

以MATLAB为工具,选取房屋销售价格指数SI来反映房地产价格指数的整体性波动,建立我国房地产价格指数GM（1,1）灰色系统预测模型,并使用后验差检验方法进行精度等级检验,方差比=0．00524〈0．35,小误差概率=1,预测精度等级为好;运用该模型对1999--2007年数据进行预测,相对误差〈0．0382,并对2008、2009年我国房地产价格指数进行预测,结果分别为109．04和109．93。预测结果表明,中国房屋价格指数保持持续上升的趋势。     

居民消费价格指数的关联维数实证研究

关联维数是相对简单的一种提取分维的方法,可以从实验数据中计算分维,具有一定的可操作性。根据分形理论对北京市居民消费价格指数在"九五"及"十五"期间的变化情况进行了研究,观察其分形特征,计算其关联维数,为以后预测居民消费价格指数及判断经济形势奠定基础。     

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。     

中国居民消费价格指数波动的周期性及其驱动因素研究

准确把握物价波动的周期性及其驱动因素,是宏观经济决策的重要依据之一.本文采用经验模态分解(EMD)方法,对2001年1月-2008年6月我国居民消费价格指数(CPI)多尺度分析发现,中国CPI存在准3.9月、准8.4月、准16.4月、准45月四个波动周期和一个递增趋势.综合考虑影响价格变化的各种因素,对CPI不同周期性波动的内外驱动因素进行了偏最小二乘回归建模分析.本文力图通过对中国CPI波动的周期性及其驱动因素研究,为政府的宏观调控提供定量化参考依据.     

居民消费价格指数季节调整实证研究

文章首先对居民消费价格指数季节调整的原因、季节调整方法的发展过程和应用进行了说明,着重介绍了国际上最新流行的X-12-ARIMA和TRAMO/SEATS季节调整方法,然后用X-12-ARIMA方法对上海市居民消费价格指数序列进行季节调整、分析和预测,并结合使用TRAMO/SEATS方法解决中国与国外明显不同的春节假日因素的调整问题,最后提出我国季节调整面临的问题.     

居民消费价格指数连续7个月亮黄灯

国家统计局目前公布最近12个月的宏观经济景气指数预警信号图,其中居民消费价格指数连续7个月亮起了“黄灯”。     

关于投资价格指数预测方法的探讨

关于投资价格指数预测方法的探讨康晓岚，王康美连续几年来，全国固定资产投资价格水平与上年相比，上涨了２０％之多。如此高的涨幅，对固定资产投资估算乃至项目经济效益评价的影响是巨大的，许多工程概算一超再超，贷款计划再三突破，导致银行资金调度困难，投资强度不...