通貨膨脹是作為衡量一國經(jīng)濟(jì)發(fā)展穩(wěn)定性的重要指標(biāo),通貨膨脹預(yù)測的預(yù)見性有助于中央等政府部門制定出有效的貨幣政策以穩(wěn)定物價,也有助于金融機構(gòu)和投資者更好地做出投資決策。未來通貨膨脹率的準(zhǔn)確預(yù)測對貨幣政策的制定和實施起著關(guān)鍵性作用,即央行可根據(jù)通脹預(yù)測值對未來的經(jīng)濟(jì)形勢做出合理的預(yù)測,減少貨幣政策延遲導(dǎo)致的效果偏差,使宏觀調(diào)控更加準(zhǔn)確到位和貨幣政策的實施更加高效。通貨膨脹預(yù)測模型種類繁多,其中自回歸和因子模型等為常用預(yù)測模型,但預(yù)測過程中異常值,噪聲,隨機擾動項會對預(yù)測精度產(chǎn)生一定影響,模型假設(shè)需綜合考慮某些實際宏觀經(jīng)濟(jì)條件。文中采用混合與穩(wěn)健統(tǒng)計建模方法提高了模型預(yù)測效果,通過計算均方誤差與平均絕對誤差,對預(yù)測效果進(jìn)行了分析與比較。本文對預(yù)測模型的優(yōu)化可分為兩大類:首先,將最小二乘回歸、因子模型和Lasso回歸分別與隨機森林模型進(jìn)行混合,從而研究變量選擇和回歸預(yù)測過程對模型預(yù)測效果的影響;其次,對隨機森林、Lasso及因子模型三個預(yù)測效果較好的模型進(jìn)行穩(wěn)健性優(yōu)化。三個模型的穩(wěn)健性優(yōu)化方式分別為:隨機森林是在預(yù)測過程中使用穩(wěn)健性損失函數(shù);Lasso是使用分位數(shù)回歸進(jìn)行預(yù)測,得到高維分位數(shù)La...

【文章頁數(shù)】：57 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 研究的背景
    1.2 研究意義
    1.3 國內(nèi)外研究綜述
        1.3.1 國內(nèi)外通貨膨脹研究現(xiàn)狀
        1.3.2 國內(nèi)外預(yù)測模型上研究現(xiàn)狀
    1.4 研究內(nèi)容
        1.4.1 主要內(nèi)容
    1.5 創(chuàng)新和不足
        1.5.1 創(chuàng)新點
        1.5.2 不足之處
2 通貨膨脹預(yù)測和模型概述
    2.1 通貨膨脹預(yù)測概述
        2.1.1 通貨膨脹預(yù)測內(nèi)涵
        2.1.2 通貨膨脹預(yù)測過程
        2.1.3 通貨膨脹度量指標(biāo)
    2.2 通貨膨脹預(yù)測精度評估方法
3 傳統(tǒng)預(yù)測模型理論介紹
    3.1 基準(zhǔn)預(yù)測模型
        3.1.1 自回歸(AR)和完全子回歸(CSR)模型
        3.1.2 因子模型(factor)
    3.2 多元統(tǒng)計分析回歸預(yù)測模型
        3.2.1 Lasso 回歸和自適應(yīng)Lasso 回歸模型
        3.2.2 嶺回歸(RR)、彈性網(wǎng)和自適應(yīng)彈性網(wǎng)
        3.2.3 提升法、裝袋法和隨機森林
4 混合模型和穩(wěn)健預(yù)測模型理論介紹
    4.1 混合模型理論基礎(chǔ)
        4.1.1 隨機森林與最小二乘成回歸估計混合模型
        4.1.2 自適應(yīng)Lasso和隨機森林混合模型
        4.1.3 因子模型和隨機森林混合模型
    4.2 穩(wěn)健模型概述
    4.3 穩(wěn)健隨機森林模型理論基礎(chǔ)
        4.3.1 損失函數(shù)概述
        4.3.2 Huber損失函數(shù)定義
        4.3.3 Tukey雙重?fù)p失函數(shù)定義
        4.3.4 Huber和 Tukey雙重隨機森林模型的預(yù)測表達(dá)式和權(quán)重
        4.3.5 Huber和 Tukey雙重?fù)p失函數(shù)下回歸預(yù)測
    4.4 主成分估計因子模型
        4.4.1 模型理論基礎(chǔ)
        4.4.2 近似因子模型穩(wěn)健性
        4.4.3 基本的預(yù)測步驟
    4.5 高維分位數(shù)Lasso回歸
        4.5.1 Lasso回歸穩(wěn)健性分析
        4.5.2 分位數(shù)回歸定義
        4.5.3 Lasso懲罰分位數(shù)回歸
5 模型對通貨膨脹預(yù)測實證分析
    5.1 數(shù)據(jù)和變量選擇
        5.1.1 數(shù)據(jù)查詢過程
        5.1.2 數(shù)據(jù)點和變量選擇
    5.2 全國和江西省通貨膨脹趨勢分析
    5.3 基準(zhǔn)預(yù)測模型實證分析
        5.3.1 自回歸、完全子回歸及因子模型預(yù)測誤差分析
    5.4 多元統(tǒng)計分析模型預(yù)測效果分析
        5.4.1 嶺回歸、Lasso回歸和彈性網(wǎng)等模型預(yù)測誤差分析
        5.4.2 隨機森林、Bagging和 Boosting模型預(yù)測誤差分析
    5.5 基準(zhǔn)預(yù)測模型與隨機森林相結(jié)合的混合模型
    5.6 穩(wěn)健性預(yù)測模型
        5.6.1 穩(wěn)健隨機森林模型
        5.6.2 因子分析和Lasso回歸的穩(wěn)健模型
    5.7 綜合上述模型預(yù)測效果分析
6 結(jié)論及建議
    6.1 結(jié)論
    6.2 建議
參考文獻(xiàn)
附錄
致謝



本文編號：3839536