基于ARIMA模型的中国“十三五”时期通货膨胀率波动趋势研究

发布时间：2018-01-31 03:20

  本文关键词： ARIMA模型 “十三五” 通货膨胀率 波动趋势　出处：《新疆社会科学》2017年05期 　论文类型：期刊论文

【摘要】：通货膨胀率是衡量一个国家或地区经济整体运行情况的重要经济指标,反映了总体价格水平的走势和经济增长的可持续性。文章选取我国1985~2015年通胀率数据,通过构建ARIMA模型实证分析了通胀率的基本走势,预测了"十三五"时期我国通胀率的趋势。研究结果显示:长期以来我国通胀率基本保持平稳走势,尽管期间存在一些波动,但整体水平均在合理和可控范围内;"十三五"时期我国通胀率将继续保持平稳态势,预计将达到3.0%左右的水平。
[Abstract]:The inflation rate is an important economic indicator to measure the overall economy of a country or region, reflects the sustainability of the overall price level and trend of economic growth. This paper selects China's 1985~2015 annual inflation data, by constructing a ARIMA model to analyze the basic trend of inflation forecast, "13th Five-Year" period of inflation in China the rate of trend. Research results show that: for a long time China's inflation rate remained stable trend, despite some fluctuations, but the overall level is in reasonable and controllable range; "13th Five-Year" period of China's inflation rate will continue to maintain a stable posture, is expected to reach a level of about 3%.

【作者单位】： 首都经济贸易大学统计学院博士后工作站;首都经济贸易大学统计学院;
【基金】：2017年度北京市自然科学基金项目“优化行业结构缓解特大城市病的模型方法研究”(9172003) 2017年度首都经济贸易大学青年教师科研启动基金项目“中国OFDI逆向技术溢出的产业结构升级效应研究”的阶段性研究成果
【分类号】：F822.5
【正文快照】： 通货膨胀率指货币超发部分与实际货币需求之比,衡量了国内消费者价格指数(CPI)的上升幅度,是宏观经济走势和金融市场发展趋势的重要指示器,对国内经济持续增长和居民生活水平的改善有深远影响。依据宏观经济学基本理论,通胀可划分为未预期和预期型两种,公众预期到的通货膨胀不

【相似文献】

相关期刊论文 前10条

1 向莹;王雅萍;;ARIMA模型在基金净值预测中的应用[J];内江科技;2009年11期

2 董小刚;李纯净;;基于ARIMA模型的上证指数预测实证分析[J];长春工业大学学报(自然科学版);2012年05期

3 陈蕾;;基于ARIMA模型对沪深300指数的实证分析研究[J];赤峰学院学报(自然科学版);2014年02期

4 郑尧天;杜子平;;ARIMA模型在同业拆借利率预测中的应用[J];太原师范学院学报(自然科学版);2007年01期

5 艾小伟;王有远;;基于ARIMA模型的深证成指收益率分析[J];统计与决策;2008年19期

6 金长江;;基于ARIMA模型的上证指数预报[J];中国商界(下半月);2010年04期

7 刘婧;于洪芹;;山东省城乡居民储蓄存款余额ARIMA预测模型[J];广东外语外贸大学学报;2010年04期

8 阳宗妤;彭清华;;基于ARIMA模型的人民币兑美元汇率进化研究[J];求索;2010年10期

9 倪建立;刘颖博;;中国金融机构信贷资金规模的预测分析——基于ARIMA模型[J];财经界(学术版);2010年12期

10 郑晓阳;仲崇雨;;ARIMA-GARCH随机收益鞅过程下幂型交换期权定价[J];哈尔滨工程大学学报;2011年03期

相关硕士学位论文 前10条

1 于婷;基于ARIMA模型的股价的研究[D];大连海事大学;2015年

2 陈天舒;基于ARIMA与GPR组合模型的人民币汇率预测[D];山东大学;2015年

3 袁磊;基于ARIMA-LSSVM混合模型的股指预测研究[D];哈尔滨工业大学;2015年

4 徐松娜;基于ARIMA-GARCH族模型对余额宝收益率特征的实证研究[D];青岛大学;2015年

5 赵佳宝;ARIMA结合BP神经网络对核心交易量预测的研究[D];东华大学;2016年

6 孙先强;时间序列模型在股票价格预测中的应用[D];云南大学;2016年

7 余天伦;基于Piotroski方法和ARIMA-SVR模型的股票投资策略研究[D];华南理工大学;2016年

8 闫芳;基于小波消噪的股票价格指数ARIMA模型拟合与预测[D];江西财经大学;2016年

9 张艳;基于ARIMA与GRNN组合模型对人民币汇率的预测[D];湖北工业大学;2017年

10 白营闪;基于ARIMA模型对沪深300指数的预测分析[D];华南理工大学;2010年

，

本文编号：1478043