基于X-12-ARIMA和SARIMA模型及其组合模型的CPI预测研究

发布时间：2017-04-23 01:07

  本文关键词：基于X-12-ARIMA和SARIMA模型及其组合模型的CPI预测研究，由笔耕文化传播整理发布。

【摘要】：时间序列数据是经济金融、交通运输和工程管理等领域常见的数据,这些领域的许多理论与实践问题对时间序列的分析提出了迫切的要求。实际的时间序列受到许多不同因素的影响,包含了反映序列自身周期波动及序列之间关系的重要信息,需要我们认真研究这些因素的作用。20世纪以来,不断有学者对时间序列进行专门分析,提出了多种模型,如SARIMA模型、X-12-ARIMA模型、BP神经网络模型和灰色预测模型等等,这些工作使时间序列的理论和应用进一步深入发展。 不同预测模型各有优劣,都反映了原始数据的部分信息。经典模型中的SARIMA模型是一般的ARIMA过程在季节时间序列模型中的推广,具有很强的线性建模能力,X-12-ARIMA模型是国际上广泛使用的基于过滤器的季节调整模型。为了进一步提高预测精度,充分发挥不同模型的优点,Bates等提出了组合模型的构想。本文将根据不同的思路去建立时间序列的组合预测模型。本文的工作具体包括： 首先,构建X-12-ARIMA(加法、乘法)与SARIMA模型,通过分析比较这三个模型,结果表明X-12-ARIMA加法模型的预测效果明显低于X-12-ARIMA乘法模型,相应的也低于SARIMA模型。 其次,本文提出了X-12-ARIMA乘法模型和SARIMA模型相结合的组合模型对四川省居民消费价格指数(CPI)进行最终预测。在此组合模型中,我们为了探究最优的权重系数,采用的是混沌粒子群算法,以平均绝对百分比误差(MAPE)为目标函数,借助于MATLAB软件,MAPE达到最小时,求解最优的权重系数。 最后,我们实证分析了四川省CPI时序,并对居民消费价格指数变化趋势进行预测,比较了单一模型与组合模型,结果表明X-12-ARIMA乘法模型和SARIMA模型相结合的组合模型不仅仅能够更好地反映数据的变化,还能够把各个单一模型的优势结合在一起。
【关键词】：SARIMA模型 X-12-ARIMA季节调整 消费价格指数(CPI) 预测
【学位授予单位】：西南石油大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：F726;F224
【目录】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-12
• 1.1 选题的背景及意义7
• 1.2 国内外的研究现状7-10
• 1.3 本文的研究内容10
• 1.4 本文的研究方法10-11
• 1.5 本文的创新点11
• 1.6 本章小结11-12
• 第2章 月度CPI序列分析理论12-17
• 2.1 时间序列分析的问题12
• 2.2 分析确定性时间序列以及随机性时间序列12
• 2.3 时间序列的概念和性质12-16
• 2.3.1 平稳性12-13
• 2.3.2 平稳时间序列的概述13
• 2.3.3 平稳时间序列的统计性质13-14
• 2.3.4 平稳性的检验14
• 2.3.5 纯随机性的检验14-16
• 2.4 本章小结16-17
• 第3章 X-12-ARIMA和SARIMA组合模型的建立17-28
• 3.1 时间序列的季节调整概述17-18
• 3.1.1 时间序列的季节调整定义17
• 3.1.2 时间序列的季节调整的意义和作用17-18
• 3.1.3 影响月度CPI序列变动的因素18
• 3.2 时间序列分解模型简介及其选择依据18-21
• 3.2.1 加法模型19-20
• 3.2.2 乘法模型20
• 3.2.3 加法模型和乘法模型选择的依据20-21
• 3.3 单一预测模型21-25
• 3.3.1 ARIMA模型的建立21-22
• 3.3.2 SARIMA模型的建立22-23
• 3.3.3 X-12-ARIMA方法的概述23-25
• 3.4 组合预测模型25-27
• 3.4.1 X-12-ARIMA和SARIMA的组合模型25-27
• 3.4.2 以最小MAPE为目标函数的组合预测模型27
• 3.5 本章小结27-28
• 第4章 混沌粒子群优化算法及评价预测效果的指标体系28-39
• 4.1 粒子群优化算法28-31
• 4.1.1 粒子群优化算法的改进30
• 4.1.2 粒子群优化算法的应用30-31
• 4.2 混沌粒子群优化算法31-37
• 4.2.1 混沌优化的基本思想31-33
• 4.2.2 混沌粒子群算法的MATLAB实现33
• 4.2.3 混沌粒子群优化算法在组合预测中的应用33-37
• 4.3 评价预测效果的指标体系37
• 4.4 本章小结37-39
• 第5章 基于组合模型的CPI预测研究39-52
• 5.1 选取数据及其初步分析39-40
• 5.2 SARIMA模型的CPI预测分析40-44
• 5.3 X-12-ARIMA加法模型的CPI预测分析44-47
• 5.4 X-12-ARIMA乘法模型的CPI预测分析47-49
• 5.5 组合模型的CPI预测分析49-50
• 5.6 X-12-ARIMA,SARIMA两个单一模型以及组合模型比较50
• 5.7 本章小结50-52
• 第6章 结论与展望52-54
• 6.1 结论52
• 6.2 展望52-54
• 致谢54-55
• 参考文献55-59
• 附录59-65
• 攻读硕士学位期间发表的论文及科研成果65

【参考文献】

中国期刊全文数据库 前10条

1 尹成远;赵桂玲;周稳海;;中国人身保险保费收入的实证分析与预测研究[J];保险研究;2008年01期

2 张鸣芳;中国季度GDP季节调整分析[J];财经研究;2005年07期

3 刘玉焕;;基于SARIMA模型的中国寿险保费时间序列趋势及突变点分析[J];财经论丛;2013年02期

4 耿娟娟;孙菊芳;;基于时间序列分析股票上证指数走势[J];管理观察;2014年29期

5 张立;;对我国CPI与PPI关系研究——基于季节调整后的数据分析[J];经济问题;2012年07期

6 朱威;钟惟剑;;ARMA模型在居民消费价格指数预测中的应用[J];金融经济;2008年16期

7 张云;高垒;;基于乘积季节模型的我国保费收入的预测研究[J];金融经济;2009年14期

8 赵志刚;常成;;自适应混沌粒子群优化算法[J];计算机工程;2011年15期

9 刘军民;高岳林;;混沌粒子群优化算法[J];计算机应用;2008年02期

10 郭志武;滕国召;蒲继红;;基于ARIMA模型的季节调整方法及研究进展[J];中国医院统计;2009年01期

中国博士学位论文全文数据库 前1条

1 杨凤芹;基于粒子群的优化方法研究[D];吉林大学;2009年

  本文关键词：基于X-12-ARIMA和SARIMA模型及其组合模型的CPI预测研究，，由笔耕文化传播整理发布。

本文编号：321585