通貨膨脹是作為衡量一國(guó)經(jīng)濟(jì)發(fā)展穩(wěn)定性的重要指標(biāo),通貨膨脹預(yù)測(cè)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(jià),也有助于金融機(jī)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(cè)對(duì)貨幣政策的制定和實(shí)施起著關(guān)鍵性作用,即央行可根據(jù)通脹預(yù)測(cè)值對(duì)未來的經(jīng)濟(jì)形勢(shì)做出合理的預(yù)測(cè),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(shí)施更加高效。通貨膨脹預(yù)測(cè)模型種類繁多,其中自回歸和因子模型等為常用預(yù)測(cè)模型,但預(yù)測(cè)過程中異常值,噪聲,隨機(jī)擾動(dòng)項(xiàng)會(huì)對(duì)預(yù)測(cè)精度產(chǎn)生一定影響,模型假設(shè)需綜合考慮某些實(shí)際宏觀經(jīng)濟(jì)條件。文中采用混合與穩(wěn)健統(tǒng)計(jì)建模方法提高了模型預(yù)測(cè)效果,通過計(jì)算均方誤差與平均絕對(duì)誤差,對(duì)預(yù)測(cè)效果進(jìn)行了分析與比較。本文對(duì)預(yù)測(cè)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(jī)森林模型進(jìn)行混合,從而研究變量選擇和回歸預(yù)測(cè)過程對(duì)模型預(yù)測(cè)效果的影響;其次,對(duì)隨機(jī)森林、Lasso及因子模型三個(gè)預(yù)測(cè)效果較好的模型進(jìn)行穩(wěn)健性優(yōu)化。三個(gè)模型的穩(wěn)健性優(yōu)化方式分別為:隨機(jī)森林是在預(yù)測(cè)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(cè),得到高維分位數(shù)La...

【文章頁數(shù)】：57 頁

【學(xué)位級(jí)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(guó)內(nèi)外研究綜述
        1.3.1 國(guó)內(nèi)外通貨膨脹研究現(xiàn)狀
        1.3.2 國(guó)內(nèi)外預(yù)測(cè)模型上研究現(xiàn)狀
    1.4 研究?jī)?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(diǎn)
        1.5.2 不足之處
2 通貨膨脹預(yù)測(cè)和模型概述
    2.1 通貨膨脹預(yù)測(cè)概述
        2.1.1 通貨膨脹預(yù)測(cè)內(nèi)涵
        2.1.2 通貨膨脹預(yù)測(cè)過程
        2.1.3 通貨膨脹度量指標(biāo)
    2.2 通貨膨脹預(yù)測(cè)精度評(píng)估方法
3 傳統(tǒng)預(yù)測(cè)模型理論介紹
    3.1 基準(zhǔn)預(yù)測(cè)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(jì)分析回歸預(yù)測(cè)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(jī)森林
4 混合模型和穩(wěn)健預(yù)測(cè)模型理論介紹
    4.1 混合模型理論基礎(chǔ)
        4.1.1 隨機(jī)森林與最小二乘成回歸估計(jì)混合模型
        4.1.2 自適應(yīng)Lasso和隨機(jī)森林混合模型
        4.1.3 因子模型和隨機(jī)森林混合模型
    4.2 穩(wěn)健模型概述
    4.3 穩(wěn)健隨機(jī)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(jī)森林模型的預(yù)測(cè)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(cè)
    4.4 主成分估計(jì)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(cè)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(duì)通貨膨脹預(yù)測(cè)實(shí)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(diǎn)和變量選擇
    5.2 全國(guó)和江西省通貨膨脹趨勢(shì)分析
    5.3 基準(zhǔn)預(yù)測(cè)模型實(shí)證分析
        5.3.1 自回歸、完全子回歸及因子模型預(yù)測(cè)誤差分析
    5.4 多元統(tǒng)計(jì)分析模型預(yù)測(cè)效果分析
        5.4.1 嶺回歸、Lasso回歸和彈性網(wǎng)等模型預(yù)測(cè)誤差分析
        5.4.2 隨機(jī)森林、Bagging和 Boosting模型預(yù)測(cè)誤差分析
    5.5 基準(zhǔn)預(yù)測(cè)模型與隨機(jī)森林相結(jié)合的混合模型
    5.6 穩(wěn)健性預(yù)測(cè)模型
        5.6.1 穩(wěn)健隨機(jī)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(cè)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(hào)：3839536