基于季节模型和灰色预测模型的我国社会消费品零售总额对比研究

《基于季节模型和灰色预测模型的我国社会消费品零售总额对比研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、独创性声明本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人或集体已经发表或撰写过的研究成果，对本文的研究做出贡献的集体和个人均已在论文中作了明确的说明并表示了谢意。研究生签日期：翌!至：里笸：哆论文使用和授权说明本人完全了解云南大学有关保留、使用学位论文的规定，即：学校有权保留并向国家有关部门或机构送交学位论文和论文电子版；允许论文被查阅或借阅；学校可以公布论文的全部或部分内容，可以采用影印、缩印或其他复制手段保存论文

2、。(保密的论文在解密后应遵循此规定)研究生签名导师签名：兽盔一日期：砸亟!翌』：哆本人及导师同意将学位论文提交至清华大学“中国学术期刊(光盘版)电子杂志社”进行电子和网络出版，并编入CNKI系列数据库，传播本学位论文的全部或部分内容，同意按《中国优秀博硕士学位论文全文数据库出版章程》规定享受相关权益。研究生签名：——导师签名：日期：燃嗍摘要社会消费品零售总额是由社会商品供给和有支付能力的商品需求的规模所决定的，它是经济运行过程中研究社会零售商品购买力、社会生产、货币流通和物价的发展变化趋势的重要

3、资料，它反映了一定时期内居民生活水平的提高情况、社会商品购买力的实现程度以及零售市场的规模状况，是政府制定经济政策的重要依据之一。因此准确分析预测社会消费品零售总额具有重要的理论和实际意义。本文在时间序列分析理论以及灰色系统理论的基础上，依据1994～2012年社会消费品零售总额为历史数据，运用Eviews软件和Matlab软件，对数据进行分析和处理，在ARIMA模型的基础上考虑季节因素，建立季节性时间序列模型，并对模型进行检验，综合各种条件选择合适的ARIMA季节模型。由于影响社会消费品零售总

4、额因素中含有许多不确定因素，属于灰色系统，因此尝试建立了GM(1，1)灰色预测模型。用建立的两模型对2012年社会消费品零售总额进行预测，通过预测值与实际值的比较，计算两模型各自的平均相对误差，对它们的预测能力进行比较分析，选择预测精度较高的预测模型来预测我国本文综合两种模型的分析过程和分析结果，经比较可以看到ARIMA乘积季节模型预测平均相对误差为2．58％，平均绝对误差为449．08；而灰色GM(1，1)模型预测的平均相对误差为2．77％，平均绝对误差为479．21，精度为二级。由此可见两种

5、模型在本文中都取得了较好的预测效果，而ARIMA乘积季节模型在整体上预测结果更佳。因此选择ARIMA季节模型来预测我国2013年社会消费品零售总额。从预测结果可以看出预测值基本符合过去各月社会消费品零售总额的发展变化规律，相关部门可以据此采取相关的政策措施来合理调节消费供求余缺。本文详细介绍了时间序列的一些基本特征，建立模型时结合了ARIMA模型与乘积季节模型的内在联系，同时详细的介绍了GM(1，1)灰色预测模型的建模原理和建模方法，为时间序列在实际中的应用提供了可行的方法。由此关键词：时间序列

6、分析法：社会消费品零售总额；ARIMA季节模型：Thetotalretailsalesofconsumergoodsdependsoncommoditysupplyandcommoditydemand·It'sessentialforresearchesonpurchasingpowerforsocialretailgoods，socialproduction，currencycirculationandthetendencyofcommodityprices．Anditreflectsthei

7、mprovementlivingstandard，therealizationofpurchasingabilityandthescopeofretailmarket．Andit'soneofthemostimportantfoundationsofmakingeconomicpolicy．Therefore，analysingthetotalretailsalesofconsumergoodsisveryimportant．Basedonthetheoryoftimeseriesanalysi

8、s，greysystemtheoryandtotalretailsalesofsocialconsumergoodsfrom1994to2012，thepaperappliesEviewssoftwareandMatlabsoftwaretoanalyseandprocessthedata．OnthebasisoftheARIMAmodel，theauthortakesseasonafactorsintoconsideration，setsupseasonaltimeseries,andthen