高维稳健预测模型及其在通货膨胀率中的应用
发布时间：2023-08-06 13:56
通货膨胀是作为衡量一国经济发展稳定性的重要指标,通货膨胀预测的预见性有助于中央等政府部门制定出有效的货币政策以稳定物价,也有助于金融机构和投资者更好地做出投资决策。未来通货膨胀率的准确预测对货币政策的制定和实施起着关键性作用,即央行可根据通胀预测值对未来的经济形势做出合理的预测,减少货币政策延迟导致的效果偏差,使宏观调控更加准确到位和货币政策的实施更加高效。通货膨胀预测模型种类繁多,其中自回归和因子模型等为常用预测模型,但预测过程中异常值,噪声,随机扰动项会对预测精度产生一定影响,模型假设需综合考虑某些实际宏观经济条件。文中采用混合与稳健统计建模方法提高了模型预测效果,通过计算均方误差与平均绝对误差,对预测效果进行了分析与比较。本文对预测模型的优化可分为两大类:首先,将最小二乘回归、因子模型和Lasso回归分别与随机森林模型进行混合,从而研究变量选择和回归预测过程对模型预测效果的影响;其次,对随机森林、Lasso及因子模型三个预测效果较好的模型进行稳健性优化。三个模型的稳健性优化方式分别为:随机森林是在预测过程中使用稳健性损失函数;Lasso是使用分位数回归进行预测,得到高维分位数La...
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究的背景
1.2 研究意义
1.3 国内外研究综述
1.3.1 国内外通货膨胀研究现状
1.3.2 国内外预测模型上研究现状
1.4 研究内容
1.4.1 主要内容
1.5 创新和不足
1.5.1 创新点
1.5.2 不足之处
2 通货膨胀预测和模型概述
2.1 通货膨胀预测概述
2.1.1 通货膨胀预测内涵
2.1.2 通货膨胀预测过程
2.1.3 通货膨胀度量指标
2.2 通货膨胀预测精度评估方法
3 传统预测模型理论介绍
3.1 基准预测模型
3.1.1 自回归(AR)和完全子回归(CSR)模型
3.1.2 因子模型(factor)
3.2 多元统计分析回归预测模型
3.2.1 Lasso 回归和自适应Lasso 回归模型
3.2.2 岭回归(RR)、弹性网和自适应弹性网
3.2.3 提升法、装袋法和随机森林
4 混合模型和稳健预测模型理论介绍
4.1 混合模型理论基础
4.1.1 随机森林与最小二乘成回归估计混合模型
4.1.2 自适应Lasso和随机森林混合模型
4.1.3 因子模型和随机森林混合模型
4.2 稳健模型概述
4.3 稳健随机森林模型理论基础
4.3.1 损失函数概述
4.3.2 Huber损失函数定义
4.3.3 Tukey双重损失函数定义
4.3.4 Huber和 Tukey双重随机森林模型的预测表达式和权重
4.3.5 Huber和 Tukey双重损失函数下回归预测
4.4 主成分估计因子模型
4.4.1 模型理论基础
4.4.2 近似因子模型稳健性
4.4.3 基本的预测步骤
4.5 高维分位数Lasso回归
4.5.1 Lasso回归稳健性分析
4.5.2 分位数回归定义
4.5.3 Lasso惩罚分位数回归
5 模型对通货膨胀预测实证分析
5.1 数据和变量选择
5.1.1 数据查询过程
5.1.2 数据点和变量选择
5.2 全国和江西省通货膨胀趋势分析
5.3 基准预测模型实证分析
5.3.1 自回归、完全子回归及因子模型预测误差分析
5.4 多元统计分析模型预测效果分析
5.4.1 岭回归、Lasso回归和弹性网等模型预测误差分析
5.4.2 随机森林、Bagging和 Boosting模型预测误差分析
5.5 基准预测模型与随机森林相结合的混合模型
5.6 稳健性预测模型
5.6.1 稳健随机森林模型
5.6.2 因子分析和Lasso回归的稳健模型
5.7 综合上述模型预测效果分析
6 结论及建议
6.1 结论
6.2 建议
参考文献
附录
致谢
本文编号：3839536
【文章页数】：57 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
1 绪论
1.1 研究背景与意义
1.1.1 研究的背景
1.2 研究意义
1.3 国内外研究综述
1.3.1 国内外通货膨胀研究现状
1.3.2 国内外预测模型上研究现状
1.4 研究内容
1.4.1 主要内容
1.5 创新和不足
1.5.1 创新点
1.5.2 不足之处
2 通货膨胀预测和模型概述
2.1 通货膨胀预测概述
2.1.1 通货膨胀预测内涵
2.1.2 通货膨胀预测过程
2.1.3 通货膨胀度量指标
2.2 通货膨胀预测精度评估方法
3 传统预测模型理论介绍
3.1 基准预测模型
3.1.1 自回归(AR)和完全子回归(CSR)模型
3.1.2 因子模型(factor)
3.2 多元统计分析回归预测模型
3.2.1 Lasso 回归和自适应Lasso 回归模型
3.2.2 岭回归(RR)、弹性网和自适应弹性网
3.2.3 提升法、装袋法和随机森林
4 混合模型和稳健预测模型理论介绍
4.1 混合模型理论基础
4.1.1 随机森林与最小二乘成回归估计混合模型
4.1.2 自适应Lasso和随机森林混合模型
4.1.3 因子模型和随机森林混合模型
4.2 稳健模型概述
4.3 稳健随机森林模型理论基础
4.3.1 损失函数概述
4.3.2 Huber损失函数定义
4.3.3 Tukey双重损失函数定义
4.3.4 Huber和 Tukey双重随机森林模型的预测表达式和权重
4.3.5 Huber和 Tukey双重损失函数下回归预测
4.4 主成分估计因子模型
4.4.1 模型理论基础
4.4.2 近似因子模型稳健性
4.4.3 基本的预测步骤
4.5 高维分位数Lasso回归
4.5.1 Lasso回归稳健性分析
4.5.2 分位数回归定义
4.5.3 Lasso惩罚分位数回归
5 模型对通货膨胀预测实证分析
5.1 数据和变量选择
5.1.1 数据查询过程
5.1.2 数据点和变量选择
5.2 全国和江西省通货膨胀趋势分析
5.3 基准预测模型实证分析
5.3.1 自回归、完全子回归及因子模型预测误差分析
5.4 多元统计分析模型预测效果分析
5.4.1 岭回归、Lasso回归和弹性网等模型预测误差分析
5.4.2 随机森林、Bagging和 Boosting模型预测误差分析
5.5 基准预测模型与随机森林相结合的混合模型
5.6 稳健性预测模型
5.6.1 稳健随机森林模型
5.6.2 因子分析和Lasso回归的稳健模型
5.7 综合上述模型预测效果分析
6 结论及建议
6.1 结论
6.2 建议
参考文献
附录
致谢
本文编号：3839536
本文链接：https://www.wllwen.com/jingjifazhanlunwen/3839536.html
