基于時間序列和神經網絡的CPI組合預測研究.pdf

1、CPI是國際上最為流行的觀察通貨膨脹的指標,維持CPI的穩(wěn)定也是社會經濟的目標之一。提前預測CPI,不僅對我國經濟的發(fā)展趨勢具有一定的指向性,而且對通貨膨脹起到預警作用。本文應用時間序列模型和模糊神經網絡組合模型對我國CPI進行了預測研究,主要內容如下:
　　1.將我國月度CPI和PPI序列作為內生變量建立VAR模型,在穩(wěn)定模型的基礎上進行了CPl擬合和預測。實證結果表明,VAR模型的預測效果不是很好,有待進一步改進。
　　

2、2.在建立的VAR模型的基礎上,分析月度CPI和PPI的傳導關系,進行Granger因果關系檢驗、脈沖響應函數(shù)分析和Johansen協(xié)整檢驗。實證分析結果表明,我國月度 CPI與PPI之間存在著一定的因果關系和協(xié)整關系;月度CPI和PPI受到自身和對方的沖擊都存在時滯,CPI受到PPI的沖擊效應的時滯是16個月,PPI受到CPI的沖擊效應的時滯是12個月。
　　3.將我國月度PPI作為外生變量建立加外生變量的半參數(shù)自回歸模型。首先

3、,在已經平穩(wěn)化的數(shù)據的基礎上,進行模型滯后階數(shù)、帶寬的確定及模型參數(shù)的估計;然后,進行白噪聲檢驗;最后,進行月度CPI擬合和預測。實證結果表明,模型預測效果校VAR模型有了一定的提高。
　　4.采用VAR模型和加外生變量半參數(shù)自回歸模型對CPI,的預測值和擬合值,建立T-S模糊神經網絡組合模型。首先,進行數(shù)據的歸一化和模糊化處理;然后,根據模糊神經網絡的學習算法進行數(shù)據訓練,利用確定的隸屬度函數(shù)對網絡進行預測,對預測數(shù)據進行反歸一