基于MCMC的贝叶斯时间序列CPI预测模型

发布时间：2018-09-18 19:09

【摘要】：文章首先对时间序列自回归(AR)模型进行贝叶斯分析,并基于居民消费价格指数(CPI)建立贝叶斯时间序列预测模型。接着,构造基于Gibbs抽样的MCMC数值计算对模型进行仿真分析,对ARI模型和BARI模型的预测准确性进行比较。探讨了一种基于专家先验信息下对CPI预测结果的进一步贝叶斯推断方法。
[Abstract]:In this paper, the time series autoregressive (AR) model is first analyzed by Bayesian analysis, and the Bayesian time series prediction model is established based on the consumer price index (CPI). Then, MCMC numerical calculation based on Gibbs sampling is constructed to simulate the model, and the prediction accuracy of ARI model and BARI model is compared. A further Bayesian inference method for CPI prediction results based on expert priori information is discussed.
【作者单位】： 华南农业大学理学院数学系;
【基金】：国家自然科学基金资助项目(11171117) 广东省自然科学基金资助项目(S2011010002371)
【分类号】：F714.1;F224

【参考文献】

相关期刊论文 前6条

1 李习平;;基于GM(1,1)理论的中国居民消费价格指数预测模型研究[J];全国商情(经济理论研究);2009年04期

2 王黎明;李光明;;中国CPI时间序列预测模型[J];大众商务;2010年04期

3 谢佳利;杨善朝;梁鑫;;我国CPI时间序列预测模型的比较及实证检验[J];统计与决策;2008年09期

4 周美英;;基于ARIMA模型的湖北省CPI时间序列分析及预测[J];时代金融;2011年15期

5 施发启;贝叶斯方法论在经济预测中的应用[J];预测;1994年04期

6 杨凌云;王凡彬;潘瑞;梁杰;;CPI指数预测的统计回归模型[J];重庆文理学院学报(自然科学版);2010年01期

【共引文献】

相关期刊论文 前10条

1 姚芳;李越;肖春来;;基于时间序列模型的全国30家电台收视率分析[J];数学的实践与认识;2011年13期

2 王黎明;李光明;;中国CPI时间序列预测模型[J];大众商务;2010年04期

3 陆明希;严广乐;;基于神经网络灰色Verhulst算法的CPI预测模型[J];统计与决策;2009年17期

4 陈升;李星野;;基于小波分解自回归模型的CPI预测[J];统计与决策;2012年01期

5 邵明振;陈磊;宋雯彦;;我国月度居民消费价格指数的预测方法与应用[J];统计与决策;2012年14期

6 陈俞宗;;论CPI指数的政策调控与市场调节[J];商业时代;2013年04期

7 张丽;牛惠芳;;基于SARIMA模型的居民消费价格指数预测分析[J];数理统计与管理;2013年01期

8 李璇;黄冬冬;;基于ARIMA模型的CPI实证分析及预测[J];沈阳大学学报(社会科学版);2013年03期

9 陈继光;;基于ANFIS模型的CPI经济数据预测[J];统计与决策;2013年18期

10 石春娟;;基于小波分解和ANFIS模型的CPI统计数据预测[J];数学的实践与认识;2014年08期

相关会议论文 前1条

1 邵明振;陈磊;宋雯彦;;中国月度居民消费价格指数预测——基于时间序列的BP神经网络和ARMA模型对比分析[A];21世纪数量经济学（第12卷）[C];2011年

相关博士学位论文 前3条

1 高梓贺;基于多Agent系统的LEO卫星网络路由算法研究[D];哈尔滨工业大学;2011年

2 张晋昕;医学时间序列分析及其预测应用相关问题的研究[D];第四军医大学;2000年

3 冯岑;区域丝绸化纤面料价格指数系统构建及市场预测模型研究[D];苏州大学;2012年

相关硕士学位论文 前10条

1 任洁;中国居民消费价格指数波动的实证研究[D];昆明理工大学;2008年

2 荣文静;CPI指数序列的分析及预测[D];成都理工大学;2011年

3 郑静;居民基本生活费用价格指数的编制及应用[D];哈尔滨商业大学;2011年

4 李召辉;基于小波分析的CPI实证研究及预测[D];西南财经大学;2011年

5 邹银煌;贝叶斯原理与方法及其在医药新产品市场风险中的应用[D];暨南大学;2004年

6 姚恩营;基于智能算法的预测方法分析与研究[D];青岛理工大学;2009年

7 张玉换;居民消费价格指数的混沌学分析和预测[D];吉林大学;2012年

8 于婷婷;基于组合算法的预测方法分析与研究[D];青岛理工大学;2012年

9 文慧娜;我国居民消费价格指数预警系统构建和预测分析[D];首都经济贸易大学;2012年

10 门小琳;组合预测方法在我国CPI预测中的应用[D];南京财经大学;2012年

【二级参考文献】

相关期刊论文 前4条

1 陈娟,余灼萍;我国居民消费价格指数的短期预测[J];统计与决策;2005年04期

2 马海涛;陈琳;路正南;;基于灰色理论的中国房地产价格指数预测[J];统计与决策;2007年19期

3 谢佳利;杨善朝;梁鑫;;我国CPI时间序列预测模型的比较及实证检验[J];统计与决策;2008年09期

4 单化玉;周艳丽;;湖北省CPI时间序列分析及预测[J];时代金融;2010年09期

【相似文献】

相关期刊论文 前6条

1 张世英,朱辉,张喜彬;协整系统的贝叶斯推断[J];系统工程学报;1997年03期

2 朱新玲;黎鹏;;贝叶斯推断在抽样审计中的应用研究[J];统计教育;2005年12期

3 张世英,朱辉;季节协整系统的贝叶斯推断[J];系统工程学报;1998年04期

4 卢安文;任玉珑;唐浩阳;;基于贝叶斯推断的操作风险度量模型研究[J];系统工程学报;2009年03期

5 朱洪亮;陈莹;石韵青;刘匡民;;基于贝叶斯推断的证券投资基金绩效分析[J];管理学报;2012年07期

6 袁靖;孙爱玲;;中国货币政策冲击预期效应的实证研究——基于贝叶斯推断的BVAR、BSVAR、BVECM和BDSGE模型[J];金融教学与研究;2014年03期

相关博士学位论文 前1条

1 朱慧明;现代经济管理中的线性贝叶斯推断理论与多总体贝叶斯分类识别方法研究[D];南京理工大学;2003年

，

本文编号：2248832