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。     

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。     

居民消费价格指数的实时监测——基于季节调整的方法

本文首先阐述了对居民消费价格指数进行季节调整的必要性,简要介绍了X-12-ARIMA季节调整的原理,对中国月度CPI进行了季节调整,继而比较了月环比CPI与同比CPI的灵敏性,结果表明经过季节调整所得到的月环比CPI更适合用于宏观经济的实时监测,在对经济转折点的判断上比同比CPI领先2到6个月。最后对月度CPI进行了短期预测,认为近期内我国不会发生大的通货膨胀。     

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.     

我国CPI近期波动，睛况分析及其走势预测

2008年下半年开始,我国CPI增幅大幅度下降,甚至在2009年2月出现了负增长。文章围绕CPI是否会进一步走低,以及经济形势的未来发展为主要研究目的,通过理论研究和实证分析对此轮物价波动做出其一定理论价值和现实意义的阐述。通过对我国2007年6月份至2009年2月份的居民消费价格指数进行统计预测．预计在未来的一段时期内,CPI都会出现负增长．但期间也不可避免要出现一些波动。     

我国CPI近期波动情况分析及其走势预测

2008年下半年开始,我国CPI增幅大幅度下降,甚至在2009年2月出现了负增长。文章围绕CPI是否会进一步走低,以及经济形势的未来发展为主要研究目的,通过理论研究和实证分析对此轮物价波动做出其一定理论价值和现实意义的阐述。通过对我国2007年6月份至2009年2月份的居民消费价格指数进行统计预测．预计在未来的一段时期内,CPI都会出现负增长．但期间也不可避免要出现一些波动。     

黄金价格决定因素研究

利用1986—2009年的月度数据,通过协整分析、向量误差修正模型和脉冲响应等方法对黄金价格的决定因素进行了研究,结果显示美元指数和道琼斯指数对金价有正向拉动作用,国际油价和美国CPI对金价有反向抑制作用。     

人民币汇率波动对我国价格水平的传递效应——基于2004—2010年数据的实证检验

文章构建了VAR模型,利用2004年1月至2010年6月的月度数据估计了人民币名义有效汇率变动对我国进口价格指数和国内一般价格水平的传递效应,发现汇率变动对进口价格的影响较大,对国内价格的影响较小。另外,文章还针对城市和农村CPI以及7类主要的CPI行业分类指数进行了汇率传递系数的检验。     

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。     

我国粮食价格与CPI关系研究

本文利用1998年1月-2010年10月的月度CPI数据和粮食批发价格指数对粮食价格和CPI的关系进行了定性和定量分析。实证结果表明,两者之间存在长期和短期关系,从长期来看,粮食价格每上涨1%会使CPI上涨0.336%;从短期来看,粮价对CPI有滞后1期的影响,CPI对粮价有滞后3期的影响。综合考虑影响粮食价格的国际效应、供给效应、市场预期效应和政策效应,未来几个月我国粮价将有所上涨,但涨幅不会很大。     

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。     

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。     

我国核心通货膨胀的SVAR模型测算与效果实证

本文首先改进Quah和Vahey[1]方法,构建包含产出、货币供应量、CPI与食品CPI的四元SVAR模型,然后施加六个长期约束测算我国1998—2013年的月度核心通货膨胀,并与剔除法核心通货膨胀做了效果比较。结果发现,剔除法核心CPI的消减波动性能力稍好,而SVAR方法核心CPI的趋势追踪能力和预测能力较强。     

基于LM算法的石油期货价格预测研究

石油价格的走势一直是世界各国所研究和关注的焦点,石油期货是世界石油交易的一种重要方式,准确预测石油期货价格的走势,对于政府宏观政策取向和相关企业经营决策具有重要意义。本文利用BP神经网络的自适应学习能力,建立基于LM算法的石油期货价格预测模型,并使用MATLAB7．0编程实现,针对纽约商业交易所的石油期货价格数据进行了训练和测试。研究结果表明,将基于LM算法的BP神经网络模型应用于石油期货价格预测中,运算速度快,预测精度高,具有推广应用的价值。     

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BP神经网络技术的GDP预测方法

在一般的经济预测中,通常采用回归分析方法建立模型对GDP进行拟合,但由于经济系统的复杂性,许多回归模型尤其是线性回归模型难以达到要求的精度。本文采用BP神经网络方法建模,利用其自学习和非线性的突出特点,对GDP进行研究,并得到了对2009年我GDP较为满意的预测结果。     

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。     

关于通货膨胀现象的若干思考

一、我国目前是否出现通货膨胀 2003年我国CPI同比增长值由负转正，9月开始迅速上升，12月达到3．2％；2004．年1月，我国CPI同比增长继续保持3．2％，环比增长达1．1％。2003年9月末CGPI(企业商品价格指数)增长2．17％，12月末上升为6．31％，2004年1月末为6．7％，该指数连续13个月呈上升趋势。此外，2004．年1月末农产     

ARIMA乘积季节模型在全社会用电量预测中的应用

电力需求是经济发展的晴雨表。电力需求的预测对电力部门及相关经济部门的工作具有重要意义。全社会用电量是反映电力需求的一个重要指标。本文通过分析我国2007年7月-2012年6月全社会用电量的月度数据,建立时间序列ARIMA乘积季节模型,并对未来6个月的全社会用电量进行了预测,希望能对有关部门起到一定的参考作用。