我国物价总水平波动路径研究

利用时间序列分析方法研究了PPI和CPI的结构突变特征,并通过建立时间序列模型刻画了我国物价水平(CPI)的波动路径。结果表明,CPI序列在2003年7月、2007年5月以及2008年7月三个时间点上存在结构突变现象,从而将CPI的运行过程分为四个阶段。另外,PPI的结构突变时点一般较CPI滞后1-2个月,这说明CPI触发了PPI的上涨,而PPI又会给予CPI以上涨支撑。最后,分别对以上四个子样本区的CPI序列波动性进行了建模研究,结果表明1997年1月至2003年6月间的CPI波动具有条件异方差性,可由GARCH(1,1)模型来描述。而其他阶段的CPI波动均可由AR(1)模型描述。     

我国农产品批发价格指数与CPI协整关系分析

应用时间序列分析方法对我国2005年1月到2010年12月的CPI与农产品批发价格指数之间的关系进行计量分析,结果表明,我国农产品批发价格指数与CPI之间存在着长期稳定的均衡关系,农产品批发价格指数对CPI的长期弹性为0.436,短期弹性为0.1626,误差修正系数为-0.8844;农产品批发价格指数对CPI的作用当期比滞后期大,当期农产品批发价格指数增长1个百分点,CPI将平均增长0.165个百分点,CPI具有明显的滞后效应,滞后一期的CPI增长1个百分点,当期的CPI将平均增长0.815个百分点。因此,抑制农产品价格的大幅上涨是控制CPI上涨的最有效的途径。政府部门应采取有效措施从根本上保障农产品的稳定供给,对农产品价格的干预和调控应及时有效。     

CPI指数对我国宏观经济走势的影响

基于CPI指数与宏观经济走势关系的理论基础,侧重于从实证角度,运用时间序列分析工具来解析CPI指数与宏观经济走势之间的关系。研究结果表明,我国CPI指数与宏观经济走势之间存在着长期相关关系,长期来看CPI指数可以作为一个重要指标来预判宏观经济走势,决定财政政策;在短期来看,CPI指数属于滞后指标,只能用来反映之前的宏观经济状况。因此基于CPI指数的正确性及它对宏观经济的反应程度,采取合理的货币政策和经济政策的建议。     

金融危机前后中国通胀惯性特征及货币政策研究

通货膨胀惯性衡量了通胀指标受到冲击偏离均值后返回均值的时间,与货币政策的制定密切相关。文章选取2000年1月至2011年9月的月度CPI、RPI、PPI数据,应用Yule-Walker方法和Stationary Block-Bootstrap方法估计了通胀惯性系数,同时应用EFP(Empirical fluctuation processes)方法和BP未知断点检验法研究了我国通胀指数序列的结构变化点和通胀惯性系数的结构变化点,讨论了金融危机前后通胀惯性特征的变化规律。计量结果表明,我国通胀惯性总体上维持在0.8左右,尤其是金融危机以来,通胀惯性一直在0.85至0.9之间徘徊,这表明货币政策的滞后期在一年以上。文章得出结论:市场预期的缓慢调整和央行信誉度的偏弱是我国通胀惯性高的主要原因。当前央行货币政策的重点应放在稳定物价上,并要提高通胀的预测能力,及时灵活地调整货币政策的重心。     

基于CPI分类权重优化视角的我国核心通货膨胀率测算

针对我国CPI统计中所存在的权重偏误等问题,以自有住房支出估计和CPI分类权重测度为研究突破口,根据国外官方统计部门和央行机构普遍采用的剔除法和截尾平均法测算了我国的核心通货膨胀率。结果显示,测算结果较好地反映了一般价格水平的长期变化情况,具有相对的稳定性;剔除法的测算结果整体上优于截尾平均法;在剔除法的应用中,分类项目的进一步细化有助于获得稳定性更强、“削峰平谷”效果更好的核心通货膨胀率序列;通过对剔除法的测算结果来看,核心通货膨胀序列较好地契合了我国货币政策窗口期。     

PPI与CPI关系的实证研究

文章选取1996年1月~2011年2月间我国月度CPI和PPI数据进行了实证分析。结果表明CPI和PPI间存在长期均衡关系,即协整关系,且CPI与PPI呈正相关关系,而且系数较大,表明PPI对CPI具有显著影响。格兰杰因果检验表明,CPI与PPI间具有相互促进作用。但从短期来看,CPI的变动受自身的影响较大,且与PPI呈负相关关系。     

PPI与CPI关系的实证研究

文章选取1996年1月～2011年2月间我国月度CPI和PPI数据进行了实证分析。结果表明CPI和PPI间存在长期均衡关系,即协整关系,且CPI与PPI呈正相关关系,而且系数较大,表明PPI对CPI具有显著影响。格兰杰因果检验表明,CPI与PPI间具有相互促进作用。但从短期来看,CPI的变动受自身的影响较大,且与PPI呈负相关关系。     

一种应用BP神经网络的混沌短期电力负荷预报方法

文章结合混沌理论及BP神经网络方法,提出了一种非线性时间序列预测算法。该方法基于相空间重构理论,将单维电力负荷时间序列映射到高维相空间中,并采用BP神经网络作为高维相空间拟合工具,通过算例的验证,证明了该方法具有较高的预测精度。     

对我国当前通货膨胀问题的思考

自2009年11月CPI指标由负转正以来至今,CPI同比增长已超过23个月,特别是进入2011年以来,CPI更是以平均5%的增长速度快速增长。CPI指标的持续增长不但说明我国通货膨胀在持续恶化,更增加了人们对我国未来经济通胀的预期。如何正确分析我国通货膨胀的原因,找出应对对策,保持我国经济健康、快速发展是我们亟待解决的问题之一。     

基于MS-VaR模型的我国货币供应量对通货膨胀因素的实证分析

促进经济增长、抑制通货膨胀是我国宏观调控最主要和重要的目标。而通货膨胀产生的原因往往又跟货币供应量有关。货币政策会影响货币供应量,流通中的货币供应量过多会导致经济过热引发通货膨胀,这会导致货币贬值,阻碍经济发展。本文运用我国2011年1月-2019年6月的环比月度时间序列数据,建立MA-VaR模型对我国宏观货币供应量(M1、M2)和通货膨胀指数(CPI、PPI)之间的动态相互作用关系进行了实证分析,得出MSIAH(2)-VaR(1)模型实证结果表明模型存在显著的两区制,货币供应量对通货膨胀均有正向影响。     

基于BP神经网络的房地产上市公司财务危机预警

本文通过对国内外公司财务危机预警相关文献的梳理,并且结合中国房地产行业的特点,提出了构建基于BP神经网络的我国房地产上市公司的财务危机预警模型。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

线性振动的神经网络建模

本文利用人工神经网络对两自由度线性振动系统进行了神经网络建模,并通过所建立的神经网络模型对该系统进行了预测。分别利用MATLAB和BP网络作为平台和训练工具。以两自由度悬臂梁的受迫振动为例,将一段时间内的激励力作为网络的输入参数,对应于该段时间内由振动产生的挠度作为网络的输出参数,然后利用BP网络进行训练。将网络模型预测结果与精确解进行对比,误差甚小。该结果表明:所建立的神经网络模型合理、有效,可利用其对该类问题进行预测并应用于工程实践中。     

基于BP神经网络的时间序列预测研究

建立了基于BP网络的时间序列预测模型,将模型应用于实际算例,设计了模型的网络结构、初始权值和偏差,结果验证了模型的有效性。     

第三产业产值比重预测的BP神经网络模型

宏观经济政策的制定要参照各次产业的发展水平,所以对产业发展水平进行评估和预测就显得十分必要。通过运用改进BP算法神经网络的建模方法对我国第三产业产值比重进行分析,最后建立了单隐层的BP神经网络模型。结果表明基于改进BP算法的神经网络模型预测精度高,收敛速度快,具有良好的泛化能力,模型的通用性和实用性强。     

改进BP神经网络的研究及应用

人工神经网络具有强大的非线性映射能力,已经被应用于模式识别、智能控制、图像处理以及时间序列分析等各种领域。本文针对BP算法的不足,提出了BP算法的启发式改进,通过对遗传神经网络模型及其算法进行分析和研究,针对遗传算法的主要缺陷介绍了一种常用的改进类型。     

基于人工神经网络的PPI预测模型

将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。     

基于BP神经网络的茶叶物流金融模式仿真优化

针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。     

基于BP神经网络的ETC系统客户的流失分析研究

文章应用神经网络数据分析技术研究ETC系统客户流失的状况,详细研究了如何建立ETC系统客户流失基本模型。通过对客户的基本数据进行神经网络预测,可以发现描述流失客户基本特征的属性值集合以及对应的是否流失的结论。文章给出的是改进的神经网络的预测方法,可提高BP神经网络的收敛速度,增强网络的泛化能力,获得了很好的效果。     

Elman网络在短期负荷预测中的应用

文章介绍的Elman神经网络的短期负荷预测模型,具有模型简单、运算效率高的特点,并具有较好的全局最优性能,从而很好地克服了传统BP算法容易陷入局部极小点的缺陷。文章还比较了Elman网络和BP网络结构的建模效果。通过仿真实验证明了Elman神经网络具有动态特性好、逼近速度快、精度高等特点,是一种实用、可靠的负荷预测方法。