基于最优非负可变加权系数组合预测法的CPI预测研究.pdf

《基于最优非负可变加权系数组合预测法的CPI预测研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第6期福建教育学院学报N0．62013年12月FUJIANJIA0YUXUEYUANXUEBAODeeember，2013基于最优非负可变加权系数组合预测法的CPI预测研究邹建岚曾智(1．福建工程学院，福建福州350108；2．兴业国际信托有限公司，中国上海200120)摘要：准确的物价预测是稳定物价的前提之一，及时根据预测结果制定有针对性的宏观经济措施，对维持经济系统的有效运行、保证居民的生活稳定有着重要的意义。文章分别采用回归预测法、ARMA时间序列预测法、VAR模型预测法和BP神经网络预测法四种单项预测方法和最优非负

2、可变加权系数组合预测法对我国物价走势进行预测，并将预测值进行对比分析，得出最优非负可变加权系数组合预测方法能够综合各单项预测方法的信息，有效提高预测精度，该模型可以用作我国物价走势预测的模型的结论。关键词：CP!预测；组合预测法；宏观调控；加权系数中图分类号：F812文献标识码：A文章编号：1673—9884(2013)06—00113—04传统的物价预测方法有定性预测方法和定量预文对单项预测的实证研究，是基于前人研究的成果，测方法两种，多数用单项预测的方法对物价做预测，因此，将真接采用相关文献的因素。同时，为了研究对少部

3、分用定性定量相结合的方法。定性预测方法过多象的可比性，各个预测方法中采用的CPI数据周期将依赖于预测者的经验做出直觉推断，与预测者的知识保持一致。背景和主观经验相关性较大，预测的误差也大；定量(二)基于回归分析的预测法实证研究预测方法建立数理模型，客观性科学性较强，但是利王东川在其论文中，从货币角度、成本推动角度、用的信息不全面、不系统，预测精度也有待提高。针对需求拉动角度等几个方面考虑它们对消费价格指数传统的物价预测方法的缺陷与不足，本文采用基于最的影响，选取了广义货币供给量M2，房地产价格指优非负可变加权系数的组合预测

4、方法对我国物价走数，社会零售商品总额，固定资产投资总额，进出口总势做出预测，该方法不仅可以综合各单项预测方法的额五个因素，建立起消费价格指数的回归模型，通过信息，还可以根据不同时点上的预测精度的不同给预逐步回归分析得到，广义货币供给量M2，房地产价格测值赋于不同的权值，能够有效提高预测精度。物价指数，进出口总额是影响消费者价格指数的主要指数是反映不同时期商品价格变动的动态相对数，本因素。文选取与经济生活联系最紧密的是消费者价格指数文章将按照王东在其论文中最终采用的参数建(ConsumerPriceIndex，CPI)作为物

5、价指数。立多元回归预测模型进行CPI预测，具体构建的要素一、物价走势的单项预测实证研究及相关符号如表1所示：表1多元回归分析符号说明表(一)数据来源和指标的选择符号说明通过查询19992011年的wind统计数据库，得YCPT到了我国1999年1月到2011年l2月的156个CPIX1广义货币供给量M2数据，在这156个数据中，1999年1月到2010年12X2房产产价指数月这144个数据，将作为训练数据，2011年1月到12X3进出口总额月这l2个数据作为测试数据。为了使数据可比，设定查阅中国统计年鉴，收集1999年1月

6、至2010年上一年同月数据为100。l2月以上影响因素的数据。对四个因素数据进行单不同的模型，所选取的指标是有差别的。由于本位根检查，会发现四列数据的原始数据不平稳，而这收稿日期：2013-07～29作者简介：邹建岚(1975一)，女，福建长乐人，福建工程学院讲师，硕士。2013年第6期福建教育学院学报114四个数据的一阶差分数据都是平稳的，也即四个数据4，，⋯，A，B是待估参数矩阵。都是一阶单整，这也说明了四个数据序列可能存在着选取样本区间为1999年1月至2010年l2月的协整关系，运用EVIEWS软件，得到CPI的回

7、归表达月度数据。选取原材料、燃料和动力购进价指数式为：(PPIRM)代表原材料的变动幅度、工业品出厂价格指Y=128．09—0．334X1+0．097X2+0．002X3数(PPI)代表工业品价格变动幅度、货币和准货币的如表2的回归结果显示，模型拟合程度较好，单同期增长率(M2)表示货币供给指标。即从成本推动，位根检验平稳，并通过方程显著性F检验和系数的显上下游产业链变动及货币供给这三个角度来选取著性检验。说明了变量间确实存在长期稳定的“均衡”指标。关系。观察CPI，PPIRM，PPI，M2的走势图可知，CPI，表2多元回

8、归预测结果PPIRM，PPI的走势基本一致，呈正相关性，而M2的日期20l1．12011．220l1．320l1．42011．520l1．6指标变化要高出其它指标约2O个百份点，并且有反CPI预测值l06．393l04．586l06．799l06．993l07．1l2106764日期20l1．7201】