大数据时代的数量经济模型研究——以BP神经网络的中国CPI预测为例

大数据时代的来临,掀起了大数据与传统学科融合发展的热潮,探寻“大数据+数量经济学模型”的发展之路势在必行.本文运用文献计量分析,对大数据时代较有代表性的定量研究方法和模型进行分类梳理,并基于BP神经网络模型结合36个指标数据对中国居民消费价格指数(CPI)进行多元变量预测.研究表明,BP神经网络的预测结果最优.因此,未...     

我国CPI波动的源泉及其走势预测——基于结构模型的实证研究

基于2000年1月至2009年12月的月度数据,采用结构模型实证分析了我国CPI波动的源泉,研究发现:我国CPI的波动是多种因素综合影响的结果,关键因素是货币因素、外部输入性成本推动因素,货币因素对CPI影响的时滞非常明显。同时,对我国CPI走势进行了预测,得出:如果仅从货币因素和外部输入性成本推动因素来看,我国面临高通胀威胁;但在统计意义上,房地产等资产领域的分流作用极大降低了通货膨胀的压力。文末,基于实证结果讨论了相应的政策启示。     

基于VAR模型的CPI影响因素分析及预测

2009年末的宏观经济分析明确要求做好通胀预期管理.我国是否会经历新的一轮CPI的大幅上涨又成为了各界关注的焦点.本文运用VAR模型,分析各因素对CPI的影响,得出CPI对自身反应较为敏感,原料、燃料和动力购进价格指数对CPI的影响较弱,工业产品出厂价格指数以及货币供给增长率对CPI的影响也较弱,但有3个月的时滞.对未来36个月的CPI进行定量预测,得出未来两年我国不会出现大规模通货膨胀.对此,应理顺价格关系,严控非理性投资,加强对通胀预期的管理.     

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。     

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。     

基于神经网络集成的电信客户流失预测建模及应用

针对客户关系管理中对企业利润影响最大的客户流失问题的核心内容-客户流失预测,利用数据挖掘技术,提出一种基于神经网络集成算法的客户流失预测模型,并将实用的神经网络集成算法应用到电信客户的实际数据中,取得了很好的效果,并对结果进行了深入的分析与讨论.     

基于神经网络集成的电信客户流失预测建模及应用

针对客户关系管理中对企业利润影响最大的客户流失问题的核心内容——客户流失预测,利用数据挖掘技术,提出一种基于神经网络集成算法的客户流失预测模型,并将实用的神经网络集成算法应用到电信客户的实际数据中,取得了很好的效果,并对结果进行了深入的分析与讨论。     

基于SOM神经网络的聚类方法研究

聚类分析是由若干个模式组成的,它在数据挖掘中的地位越来越重要。通过数据挖掘聚类分析,可以及时了解各地区经济实力等重要的信息,对各级政府政策制定上及宏观调控上都具有非常重要的现实意义。     

基于BP神经网络的中国居民消费价格指数预测

本文采用归一化数据处理方法,建立了基于BP神经网络的中国居民消费价格指数预测的数学模型.经检验,该模型的预测值与历史值的系统总误差只有0.035%,并利用该模型对2010年中国居民消费价格指数走势进行预测,提出了相应的政策建议.     

基于人民币汇率的CPI变动实证分析

汇率和物价是开放经济体中最核心的经济变量之一，同时也是关系密切的两个经济变量，二者的变化都会对一国的经济发展产生重要的影响。2007年人民币汇率和CPI同时上涨，人民币对外升值和对内贬值的情况同时出现，在深入分析这一状况的基础上提出对策建议。     

广西CPI波动偏高的原因分析

统计数据表明,广西CPI波动大于全国的平均波动水平。从时间序列角度分析,1978年以来,影响广西年度CPI定基指数的具体因素主要有广西固定资产投资总额、广西各项存款年末余额、广西进出口差额、广西存货增加额和政府消费等五个变量,这五个变量可以解释广西CPI定基指数的95.6%的变差。1990—2009年的20年间,广西的CPI波动幅度大于全国的主要原因有两个:一是固定资产投资的波动幅度大于全国平均水平,二是存货增加的波动幅度大于全国平均水平。     

我国CPI持续上涨情况下加息可能性分析

今年以来,CPI的持续上涨,在8月份创下近22各月以来的新高,引发各界对央行加息可能性的热议,本文正是在分析CPI持续上涨因素的情况下,探究央行加息问题。     

基于神经网络的我国虚拟经济投资方向定量研究

闲散资金注入实体经济的融资渠道,构成了虚拟经济投资的主体方向。运用神经网络模型,可以将资金注入的过程进行数学描述,并解释虚拟经济内部资金回流过程的作用机理。实际中可以将过多的闲散资金引导到直接融资链上,这有利于虚拟经济与实体经济的协调发展。     

基于 BP 神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP 神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5-8-1结构的BP神经网络预测模型,借助M atlab工具对城市可持续发展指标进行了分析预测。结果表明,BP 神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

基于BP神经网络的资源型城市可持续发展指标预测

资源型城市可持续发展预测系统受到社会、经济、环境等各种因素的影响,采用传统方法对其预测比较困难。鉴于BP神经网络在非线性领域预测中的广泛应用,文章以包头市为研究对象,构建一个5—8—1结构的BP神经网络预测模型,借助Matlab工具对城市可持续发展指标进行了分析预测。结果表明,BP神经网络预测结果与实际数据的相对误差较小,精度较高。运用此模型预测包头市未来五年可持续发展水平是波动上升的。最后根据预测结果提出资源型城市可持续发展的建议。     

房地产价格、CPI与居民消费需求增长——基于VEC模型的实证分析

本文利用VEC模型,分析了房地产价格、CPI与居民消费需求增长的长期均衡关系及格兰杰因果关系,并利用脉冲响应函数,深入分析了房地产价格对居民消费需求及CPI的影响机理。得出如下结论：房地产价格上涨的财富效应大于替代效应、房地产价格与物价水平存在相互促进的关系、房价上升对物价水平产生的影响先负后正、物价上涨不利于扩大居民消费需求、居民消费需求的增长对物价水平的上升无明显影响等结论。最后,根据分析结果,简要提出了相关政策建议。     

基于BP神经网络的商品流通规模预警研究

现阶段,通过运用一系列的统计指标和科学方法对商品流通规模进行预警研究,并通过预警系统及时预报警情,为有关部门实施有效调控提供参考,已经成为国民经济持续、稳定和协调发展的必要条件之一。由于影响商品流通规模预警指标的因素具有多样性和复杂性的特点,通过神经网络的方法能较好地描述各个预警指标之间的关系而不需要确定的函数形式,从而可以克服许多传统的经济预警方法对非线性数据的拟合和预测的准确度不高的问题,因此,可以将BP神经网络方法引入商品流通规模预警研究中。     

基于递归对角神经网络自适应均衡算法的研究

阐述了神经网络自适应均衡算法的基本原理,提出了一种基于递归对角神经网络的自适应均衡算法,推导了算法的迭代公式,进行了计算机仿真。结果表明,随着传输信号信噪比的增加,稳态剩余误差减小,误码率降低。     

基于VEC模型的物价对产险保费增长的影响研究

物价对产险需求有两种效应：货币收入效应和保险价值效应。对CPI与产险保费增长关系的分析发现：CPI与保费增速存在一阶长期协整关系,当短期波动偏离长期均衡时,将以9.40%的调整力度把非均衡状态拉回到均衡状态;CPI对保费增长表现为负向冲击,反映货币收入效应大于保险价值效应,而保费增长对自身是一个正的响应;在对保费增速波动的贡献率方面,CPI对保费增长波动的影响不大。