居民消費價格指數(shù)（CPI）是反映居民家庭購買商品價格水平以及服務(wù)價格水平的統(tǒng)計指標(biāo),對衡量通貨膨脹或緊縮具有重要參考價值,它不僅關(guān)系到宏觀經(jīng)濟政策的制定,也關(guān)系到居民的吃穿住行。貴州屬于西部開發(fā)地區(qū),經(jīng)濟文化水平相對落后,它的居民消費價格水平有著異于全國的地域性特殊波動特征。因此研究貴州CPI的運行狀況具有十分重要的意義。本文首先根據(jù)相關(guān)經(jīng)濟學(xué)理論和前人對CPI影響因素的研究成果,采用定性理論選取了N個（實驗中選18個）宏觀經(jīng)濟指標(biāo)作為影響貴州CPI波動的候選指標(biāo)。通過建立CPI的影響因素選取模型,得出影響貴州CPI波動的主要因素為:工業(yè)生產(chǎn)者購進格指數(shù)、商品零售價格指數(shù)、農(nóng)業(yè)生產(chǎn)資料價格指數(shù)、社會消費品零售總額、固定資產(chǎn)投資和外匯儲備,并將這些影響因素與CPI建立VAR動態(tài)關(guān)系模型。通過實證研究得出商品零售價格指數(shù)對CPI的影響最大,且與CPI具有長期相同變化趨勢的結(jié)論。其次,對貴州CPI未來走勢進行預(yù)測分析。通過查閱相關(guān)文獻,我們了解到經(jīng)典時間序列分析方法通常要求其分析的數(shù)據(jù)具有平穩(wěn)性或正態(tài)性等特征,例如ARMA模型要求數(shù)據(jù)具有平穩(wěn)性、白噪聲具有正態(tài)性,時間序列回歸分析方法要求數(shù)據(jù)... 

【文章來源】：貴州民族大學(xué)貴州省

【文章頁數(shù)】：66 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景及意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 國內(nèi)外對CPI的研究現(xiàn)狀
        1.2.2 基于神經(jīng)網(wǎng)絡(luò)在時間序列預(yù)測方法的研究現(xiàn)狀
        1.2.3 目前主要存在的問題及研究熱點
    1.3 主要研究內(nèi)容及框架
        1.3.1 主要研究內(nèi)容
        1.3.2 論文結(jié)構(gòu)
    1.4 小結(jié)
2 相關(guān)理論準(zhǔn)備
    2.1 CPI的定義及意義
    2.2 時間序列分析模型
        2.2.1 求和自回歸移動平均模型簡介
        2.2.2 向量自回歸模型簡介
    2.3 神經(jīng)網(wǎng)絡(luò)模型
        2.3.1 BP神經(jīng)網(wǎng)絡(luò)簡介
        2.3.2 模糊神經(jīng)網(wǎng)絡(luò)
    2.4 小結(jié)
3 CPI影響因素動態(tài)關(guān)系研究
    3.1 候選指標(biāo)的選取
    3.2 數(shù)據(jù)來源及處理
    3.3 CPI的影響因素選取方法
        3.3.1 最大信息系數(shù)
        3.3.2 逐步回歸分析
    3.4 影響因素動態(tài)關(guān)系研究
        3.4.1 影響因素的特征及波動趨勢
        3.4.2 各因素序列的單位根檢驗
        3.4.3 VAR模型的建立
        3.4.4 Granger因果檢驗
        3.4.5 脈沖響應(yīng)分析
        3.4.6 方差分解分析
    3.5 小結(jié)
4 基于改進深度置信網(wǎng)絡(luò)的CPI預(yù)測模型
    4.1 深度置信網(wǎng)絡(luò)模型
        4.1.1 受限波爾茲曼機簡介
        4.1.2 回聲狀態(tài)網(wǎng)絡(luò)簡介
    4.2 改進的深度置信網(wǎng)絡(luò)模型
        4.2.1 改進的深度置信網(wǎng)絡(luò)結(jié)構(gòu)
伯努利受限波爾茲曼機">        4.2.2 高斯_伯努利受限波爾茲曼機
        4.2.3 梯度修正方法
        4.2.4 回歸層權(quán)值調(diào)整策略
ESN模型的實現(xiàn)過程">        4.2.5 GBDBN_ESN模型的實現(xiàn)過程
    4.3 實證分析
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 實驗結(jié)果分析
    4.4 模型比較分析
        4.4.1 單變量CPI預(yù)測結(jié)果對比分析
        4.4.2 多變量CPI預(yù)測結(jié)果對比分析
    4.5 小結(jié)
5 結(jié)論、政策建議與展望
    5.1 主要結(jié)論
    5.2 政策建議
    5.3 展望
參考文獻
致謝
在校期間科研成果


【參考文獻】：
期刊論文
[1]基于ARIMA模型的居民消費價格指數(shù)走勢實證分析與預(yù)測——以重慶市為例[J]. 倪穎,年靖宇.  貴州商學(xué)院學(xué)報. 2018(02)
[2]一種改進的深度置信網(wǎng)絡(luò)在交通流預(yù)測中的應(yīng)用[J]. 趙庶旭,崔方.  計算機應(yīng)用研究. 2019(03)
[3]深度置信網(wǎng)絡(luò)模型及應(yīng)用研究綜述[J]. 劉方園,王水花,張煜東.  計算機工程與應(yīng)用. 2018(01)
[4]基于ARIMA模型與GM（1,1）模型的居民消費價格指數(shù)預(yù)測對比分析[J]. 潘靜,張穎,劉璐.  統(tǒng)計與決策. 2017(20)
[5]泛函深度神經(jīng)網(wǎng)絡(luò)及其在金融時間序列預(yù)測中的應(yīng)用[J]. 馬超,侯天誠,徐瑾輝,張振華,藍斌.  徐州工程學(xué)院學(xué)報(自然科學(xué)版). 2017(02)
[6]基于SARIMA模型的安徽省CPI預(yù)測[J]. 敖希琴,龔玉杰,汪金婷,鄭陽.  蚌埠學(xué)院學(xué)報. 2017(03)
[7]基于改進并行回火算法的RBM網(wǎng)絡(luò)訓(xùn)練研究[J]. 李飛,高曉光,萬開方.  自動化學(xué)報. 2017(05)
[8]基于主成分分析的PSO-BP算法在GDP和CPI預(yù)測中的應(yīng)用[J]. 王永杰,白艷萍.  重慶理工大學(xué)學(xué)報(自然科學(xué)). 2017(04)
[9]我國通貨膨脹影響因素的實證分析[J]. 鄧留保,尤志強.  安陽工學(xué)院學(xué)報. 2017(02)
[10]基于DBN的金融時序數(shù)據(jù)建模與決策[J]. 曾志平,蕭海東,張新鵬.  計算機技術(shù)與發(fā)展. 2017(04)

博士論文
[1]我國CPI預(yù)測數(shù)量研究[D]. 陳玉海.中南大學(xué) 2009

碩士論文
[1]我國CPI波動及外部影響因素研究[D]. 孟婷婷.首都經(jīng)濟貿(mào)易大學(xué) 2017
[2]我國CPI波動規(guī)律及影響因素研究[D]. 丁雪.天津工業(yè)大學(xué) 2016
[3]時間序列分析在CPI中的應(yīng)用研究[D]. 孔威.延邊大學(xué) 2014
[4]基于函數(shù)型數(shù)據(jù)分析的CPI影響因素分析[D]. 譚智慧.天津大學(xué) 2012
[5]基于DBN的匯率預(yù)測研究[D]. 晁靜.南京大學(xué) 2012
[6]CPI指數(shù)序列的分析及預(yù)測[D]. 榮文靜.成都理工大學(xué) 2011
[7]基于支持向量機的CPI走勢與影響因素分析[D]. 黃一民.浙江工商大學(xué) 2008



本文編號：3148841