【摘要】：通貨膨脹水平一直是社會關(guān)注的焦點,它既關(guān)系到普通民眾的自身財富,又關(guān)乎社會經(jīng)濟發(fā)展與穩(wěn)定。改革開放以來,我國通貨膨脹率波動比較明顯,大部分時期處于通脹和通縮交替發(fā)生階段。2014年以來,隨著我國經(jīng)濟進入新常態(tài),全球經(jīng)濟增長乏力,國際大宗商品價格大幅下跌,我國和全球經(jīng)濟又面臨陷入通貨緊縮的風(fēng)險。通貨膨脹率作為政府宏觀調(diào)控最為重要的參照指標(biāo)之一,其未來走勢將對我國宏觀政策產(chǎn)生重要影響,因此,對通脹率的預(yù)測就顯得尤為重要。我國最為常用的衡量通脹指標(biāo)為居民消費價格指數(shù),即CPI。本文在前人的基礎(chǔ)上,通過組合預(yù)報方法對我國CPI的走勢進行預(yù)測,以提高預(yù)測方法的準(zhǔn)確性。本文首先對我國改革開放30多年來六次通脹周期進行分析,得出六次通脹周期的成因,根據(jù)我國通脹原因的不同,將通脹階段分為加入WTO之前和之后兩個時期,并得出新時期影響我國通脹的因素。其次,我們利用小波分解的方法對1990年以來的CPI序列進行分解,得到一層近似數(shù)據(jù)和五層細(xì)節(jié)數(shù)據(jù),分別對六組數(shù)據(jù)進行時間序列建模并預(yù)測,重構(gòu)得到小波分解的時間序列預(yù)測值。再次我們結(jié)合對我國通脹影響因素分析,選取具有先行效應(yīng)的國際原油、鐵礦石、大豆等大宗商品價格變動率,制造業(yè)采購經(jīng)理人指數(shù)(PMI)、非制造業(yè)采購經(jīng)理人指數(shù)等經(jīng)濟先行指數(shù),M2增長率、工業(yè)增加值率、通脹預(yù)期等進行滯后項回歸建立CPI多變量滯后回歸預(yù)測模型,并用多元模型和小波模型結(jié)合組合預(yù)報得到較為精確的預(yù)測結(jié)果。通過本文研究,利用小波方法和多元回歸方法所得到的預(yù)測結(jié)果均比較好,而考慮到短期物價波動更容易受到外部影響,本文比較建議采用多元方法并結(jié)合小波方法進行組合預(yù)報。
[Abstract]:Inflation has always been the focus of social concern, it is not only related to the wealth of ordinary people, but also related to social and economic development and stability. Since the reform and opening up, the fluctuation of inflation rate in China has been obvious, and in most of the period, inflation and deflation have occurred alternately. Since 2014, as China's economy has entered the new normal, the global economic growth has been sluggish. The international commodity price falls sharply, our country and the global economy again face the risk of falling into deflation. As one of the most important reference indexes of government macro-control, inflation rate in the future will have an important impact on China's macro-policy. Therefore, it is particularly important to predict the inflation rate. The most commonly used measure of inflation in China is the consumer price index (CPI.). In this paper, the trend of CPI in China is forecasted by combined forecasting method on the basis of predecessors, in order to improve the accuracy of forecasting method. In this paper, the author first analyzes the six inflation cycles in the past 30 years of reform and opening up in China, and concludes the causes of the six inflation cycles. According to the different causes of inflation in China, the inflation stage is divided into two periods: before and after China's entry into WTO. And draws the new time influence our country inflation factor. Secondly, we use wavelet decomposition to decompose the CPI series since 1990, get one layer approximate data and five layer detail data, and model and predict the six groups of data in time series respectively. The time series prediction value of wavelet decomposition is obtained by reconstruction. Thirdly, we choose the international crude oil, iron ore, soybean and other commodities price volatility rate, manufacturing purchasing managers' index (PMI),). Non-manufacturing purchasing managers' index, M2 growth rate, industrial value added rate, inflation expectation and so on are used for lag regression to establish CPI multivariable lag regression model. The multivariate model and wavelet model are combined with the combined prediction to obtain more accurate prediction results. Through the research of this paper, the prediction results obtained by wavelet method and multivariate regression method are good, but considering that short-term price fluctuation is more susceptible to external influence, In this paper, multivariate method combined with wavelet method is suggested for combination prediction.
【學(xué)位授予單位】：首都經(jīng)濟貿(mào)易大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F822.5

【相似文獻】

相關(guān)期刊論文 前10條

1 王郁;;組合預(yù)測何以興起[J];預(yù)測;1989年04期

2 C.W.J.Granger;趙文奇;;二十年來的組合預(yù)測[J];預(yù)測;1991年03期

3 唐小我;;最優(yōu)組合預(yù)測的計算方法[J];管理現(xiàn)代化;1992年01期

4 馬永開,唐小我;兩種組合預(yù)測優(yōu)化模型的分析和比較[J];電子科技大學(xué)學(xué)報;1998年01期

5 曾勇,唐小我,陳珂;組合預(yù)測冗余方法判定的一個補充規(guī)則[J];電子科技大學(xué)學(xué)報;1998年02期

6 王碩,唐小我,周俊;組合預(yù)測軟科學(xué)方法研究[J];運籌與管理;1999年01期

7 陳華友;組合預(yù)測權(quán)系數(shù)確定的一種合作對策方法[J];預(yù)測;2003年01期

8 鄧雪;;最優(yōu)組合預(yù)測誤差平方和取值范圍的若干新結(jié)果[J];經(jīng)濟數(shù)學(xué);2006年01期

9 張疆涌;;綜合權(quán)組合預(yù)測[J];硅谷;2009年24期

10 劉延平;邵悅?cè)?李衛(wèi)東;;我國鐵路客運量的組合預(yù)測[J];物流技術(shù);2010年07期

相關(guān)會議論文 前9條

1 孫將平;葉志斌;季永青;;浙江省水路貨運量最優(yōu)組合預(yù)測[A];第六屆長三角科技論壇航運分論壇暨江蘇省航海學(xué)會2009年學(xué)術(shù)年會論文集[C];2009年

2 劉平;張莉;馬秀蘭;;烏魯木齊市農(nóng)、林、牧、漁業(yè)總產(chǎn)值的組合預(yù)測研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李國鋒;陳緒根;;山東省勞動力就業(yè)需求組合預(yù)測研究[A];21世紀(jì)數(shù)量經(jīng)濟學(xué)（第9卷）[C];2008年

4 田瑾;項靜恬;陳殿斌;;多種時間序列建模及組合預(yù)測的比較和改進[A];中國現(xiàn)場統(tǒng)計研究會第九屆學(xué)術(shù)年會論文集[C];1999年

5 李存金;;簡單平均法下的最優(yōu)組合預(yù)測問題研究[A];管理科學(xué)與系統(tǒng)科學(xué)進展——全國青年管理科學(xué)與系統(tǒng)科學(xué)論文集（第3卷）[C];1995年

6 劉茂余;于麗英;;一種組合預(yù)測新方法的研究[A];中國運籌學(xué)會第九屆學(xué)術(shù)交流會論文集[C];2008年

7 樊英;張秋菊;;工業(yè)增加值預(yù)測系統(tǒng)的分析設(shè)計[A];中國企業(yè)運籌學(xué)[C];2006年

8 吳登生;李建平;孫曉蕾;;考慮模型相關(guān)性的組合預(yù)測過程中單項模型篩選研究[A];中國系統(tǒng)工程學(xué)會第十八屆學(xué)術(shù)年會論文集——A02管理科學(xué)[C];2014年

9 吳文東;吳剛;魏一鳴;范英;;基于相關(guān)系數(shù)的鋼材需求量組合預(yù)測[A];第十屆中國管理科學(xué)學(xué)術(shù)年會論文集[C];2008年

相關(guān)博士學(xué)位論文 前6條

1 趙欣;小世界網(wǎng)絡(luò)理論及其在風(fēng)電功率短期預(yù)測中的應(yīng)用研究[D];北京交通大學(xué);2015年

2 劉啟浩;風(fēng)險值組合預(yù)測的理論與實證[D];北京工業(yè)大學(xué);2009年

3 蔣傳進;基于模型遴選規(guī)則的自適應(yīng)組合預(yù)測研究[D];東華大學(xué);2014年

4 郭曉君;灰色自憶性組合預(yù)測拓展模型及應(yīng)用研究[D];南京航空航天大學(xué);2015年

5 譚泗橋;支持向量回歸機的改進及其在植物保護中的應(yīng)用[D];湖南農(nóng)業(yè)大學(xué);2008年

6 王富強;風(fēng)電場短期風(fēng)速預(yù)測及模擬的理論與方法研究[D];華北電力大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王克楠;基于關(guān)聯(lián)特性分析的鐵路事故數(shù)據(jù)挖掘及預(yù)測、預(yù)警方法研究[D];北京交通大學(xué);2016年

2 馬斌;基于人工智能的短期風(fēng)電功率組合預(yù)測研究[D];西南交通大學(xué);2016年

3 沈達;我國通貨膨脹率的波動與組合預(yù)測研究[D];首都經(jīng)濟貿(mào)易大學(xué);2016年

4 楊冬強;風(fēng)力發(fā)電短期功率預(yù)測研究[D];鄭州大學(xué);2016年

5 安秋嫻;貴州省中期用電需求組合預(yù)測[D];華北電力大學(xué)(北京);2016年

6 葉晨;風(fēng)電功率組合預(yù)測研究[D];華北電力大學(xué)（北京）;2011年

7 丁詠梅;我國股票價格的組合預(yù)測[D];華中科技大學(xué);2005年

8 王慶慶;我國國內(nèi)石油供給的組合預(yù)測研究[D];浙江工商大學(xué);2006年

9 高放;組合預(yù)測研究及其在交通流量預(yù)測中的應(yīng)用[D];山東科技大學(xué);2008年

10 吉敏;支持向量回歸機在組合預(yù)測中的應(yīng)用研究[D];東華大學(xué);2011年

，

本文編號：2379324