發(fā)布時(shí)間：2017-04-23 01:07

  本文關(guān)鍵詞：基于X-12-ARIMA和SARIMA模型及其組合模型的CPI預(yù)測(cè)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：時(shí)間序列數(shù)據(jù)是經(jīng)濟(jì)金融、交通運(yùn)輸和工程管理等領(lǐng)域常見(jiàn)的數(shù)據(jù),這些領(lǐng)域的許多理論與實(shí)踐問(wèn)題對(duì)時(shí)間序列的分析提出了迫切的要求。實(shí)際的時(shí)間序列受到許多不同因素的影響,包含了反映序列自身周期波動(dòng)及序列之間關(guān)系的重要信息,需要我們認(rèn)真研究這些因素的作用。20世紀(jì)以來(lái),不斷有學(xué)者對(duì)時(shí)間序列進(jìn)行專門分析,提出了多種模型,如SARIMA模型、X-12-ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和灰色預(yù)測(cè)模型等等,這些工作使時(shí)間序列的理論和應(yīng)用進(jìn)一步深入發(fā)展。 不同預(yù)測(cè)模型各有優(yōu)劣,都反映了原始數(shù)據(jù)的部分信息。經(jīng)典模型中的SARIMA模型是一般的ARIMA過(guò)程在季節(jié)時(shí)間序列模型中的推廣,具有很強(qiáng)的線性建模能力,X-12-ARIMA模型是國(guó)際上廣泛使用的基于過(guò)濾器的季節(jié)調(diào)整模型。為了進(jìn)一步提高預(yù)測(cè)精度,充分發(fā)揮不同模型的優(yōu)點(diǎn),Bates等提出了組合模型的構(gòu)想。本文將根據(jù)不同的思路去建立時(shí)間序列的組合預(yù)測(cè)模型。本文的工作具體包括： 首先,構(gòu)建X-12-ARIMA(加法、乘法)與SARIMA模型,通過(guò)分析比較這三個(gè)模型,結(jié)果表明X-12-ARIMA加法模型的預(yù)測(cè)效果明顯低于X-12-ARIMA乘法模型,相應(yīng)的也低于SARIMA模型。 其次,本文提出了X-12-ARIMA乘法模型和SARIMA模型相結(jié)合的組合模型對(duì)四川省居民消費(fèi)價(jià)格指數(shù)(CPI)進(jìn)行最終預(yù)測(cè)。在此組合模型中,我們?yōu)榱颂骄孔顑?yōu)的權(quán)重系數(shù),采用的是混沌粒子群算法,以平均絕對(duì)百分比誤差(MAPE)為目標(biāo)函數(shù),借助于MATLAB軟件,MAPE達(dá)到最小時(shí),求解最優(yōu)的權(quán)重系數(shù)。 最后,我們實(shí)證分析了四川省CPI時(shí)序,并對(duì)居民消費(fèi)價(jià)格指數(shù)變化趨勢(shì)進(jìn)行預(yù)測(cè),比較了單一模型與組合模型,結(jié)果表明X-12-ARIMA乘法模型和SARIMA模型相結(jié)合的組合模型不僅僅能夠更好地反映數(shù)據(jù)的變化,還能夠把各個(gè)單一模型的優(yōu)勢(shì)結(jié)合在一起。
【關(guān)鍵詞】：SARIMA模型 X-12-ARIMA季節(jié)調(diào)整 消費(fèi)價(jià)格指數(shù)(CPI) 預(yù)測(cè)
【學(xué)位授予單位】：西南石油大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F726;F224
【目錄】：

• 摘要3-4
• Abstract4-7
• 第1章 引言7-12
• 1.1 選題的背景及意義7
• 1.2 國(guó)內(nèi)外的研究現(xiàn)狀7-10
• 1.3 本文的研究?jī)?nèi)容10
• 1.4 本文的研究方法10-11
• 1.5 本文的創(chuàng)新點(diǎn)11
• 1.6 本章小結(jié)11-12
• 第2章 月度CPI序列分析理論12-17
• 2.1 時(shí)間序列分析的問(wèn)題12
• 2.2 分析確定性時(shí)間序列以及隨機(jī)性時(shí)間序列12
• 2.3 時(shí)間序列的概念和性質(zhì)12-16
• 2.3.1 平穩(wěn)性12-13
• 2.3.2 平穩(wěn)時(shí)間序列的概述13
• 2.3.3 平穩(wěn)時(shí)間序列的統(tǒng)計(jì)性質(zhì)13-14
• 2.3.4 平穩(wěn)性的檢驗(yàn)14
• 2.3.5 純隨機(jī)性的檢驗(yàn)14-16
• 2.4 本章小結(jié)16-17
• 第3章 X-12-ARIMA和SARIMA組合模型的建立17-28
• 3.1 時(shí)間序列的季節(jié)調(diào)整概述17-18
• 3.1.1 時(shí)間序列的季節(jié)調(diào)整定義17
• 3.1.2 時(shí)間序列的季節(jié)調(diào)整的意義和作用17-18
• 3.1.3 影響月度CPI序列變動(dòng)的因素18
• 3.2 時(shí)間序列分解模型簡(jiǎn)介及其選擇依據(jù)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選擇的依據(jù)20-21
• 3.3 單一預(yù)測(cè)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 組合預(yù)測(cè)模型25-27
• 3.4.1 X-12-ARIMA和SARIMA的組合模型25-27
• 3.4.2 以最小MAPE為目標(biāo)函數(shù)的組合預(yù)測(cè)模型27
• 3.5 本章小結(jié)27-28
• 第4章 混沌粒子群優(yōu)化算法及評(píng)價(jià)預(yù)測(cè)效果的指標(biāo)體系28-39
• 4.1 粒子群優(yōu)化算法28-31
• 4.1.1 粒子群優(yōu)化算法的改進(jìn)30
• 4.1.2 粒子群優(yōu)化算法的應(yīng)用30-31
• 4.2 混沌粒子群優(yōu)化算法31-37
• 4.2.1 混沌優(yōu)化的基本思想31-33
• 4.2.2 混沌粒子群算法的MATLAB實(shí)現(xiàn)33
• 4.2.3 混沌粒子群優(yōu)化算法在組合預(yù)測(cè)中的應(yīng)用33-37
• 4.3 評(píng)價(jià)預(yù)測(cè)效果的指標(biāo)體系37
• 4.4 本章小結(jié)37-39
• 第5章 基于組合模型的CPI預(yù)測(cè)研究39-52
• 5.1 選取數(shù)據(jù)及其初步分析39-40
• 5.2 SARIMA模型的CPI預(yù)測(cè)分析40-44
• 5.3 X-12-ARIMA加法模型的CPI預(yù)測(cè)分析44-47
• 5.4 X-12-ARIMA乘法模型的CPI預(yù)測(cè)分析47-49
• 5.5 組合模型的CPI預(yù)測(cè)分析49-50
• 5.6 X-12-ARIMA,SARIMA兩個(gè)單一模型以及組合模型比較50
• 5.7 本章小結(jié)50-52
• 第6章 結(jié)論與展望52-54
• 6.1 結(jié)論52
• 6.2 展望52-54
• 致謝54-55
• 參考文獻(xiàn)55-59
• 附錄59-65
• 攻讀碩士學(xué)位期間發(fā)表的論文及科研成果65

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 尹成遠(yuǎn);趙桂玲;周穩(wěn)海;;中國(guó)人身保險(xiǎn)保費(fèi)收入的實(shí)證分析與預(yù)測(cè)研究[J];保險(xiǎn)研究;2008年01期

2 張鳴芳;中國(guó)季度GDP季節(jié)調(diào)整分析[J];財(cái)經(jīng)研究;2005年07期

3 劉玉煥;;基于SARIMA模型的中國(guó)壽險(xiǎn)保費(fèi)時(shí)間序列趨勢(shì)及突變點(diǎn)分析[J];財(cái)經(jīng)論叢;2013年02期

4 耿娟娟;孫菊芳;;基于時(shí)間序列分析股票上證指數(shù)走勢(shì)[J];管理觀察;2014年29期

5 張立;;對(duì)我國(guó)CPI與PPI關(guān)系研究——基于季節(jié)調(diào)整后的數(shù)據(jù)分析[J];經(jīng)濟(jì)問(wèn)題;2012年07期

6 朱威;鐘惟劍;;ARMA模型在居民消費(fèi)價(jià)格指數(shù)預(yù)測(cè)中的應(yīng)用[J];金融經(jīng)濟(jì);2008年16期

7 張?jiān)?高壘;;基于乘積季節(jié)模型的我國(guó)保費(fèi)收入的預(yù)測(cè)研究[J];金融經(jīng)濟(jì);2009年14期

8 趙志剛;常成;;自適應(yīng)混沌粒子群優(yōu)化算法[J];計(jì)算機(jī)工程;2011年15期

9 劉軍民;高岳林;;混沌粒子群優(yōu)化算法[J];計(jì)算機(jī)應(yīng)用;2008年02期

10 郭志武;滕國(guó)召;蒲繼紅;;基于ARIMA模型的季節(jié)調(diào)整方法及研究進(jìn)展[J];中國(guó)醫(yī)院統(tǒng)計(jì);2009年01期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 楊鳳芹;基于粒子群的優(yōu)化方法研究[D];吉林大學(xué);2009年

  本文關(guān)鍵詞：基于X-12-ARIMA和SARIMA模型及其組合模型的CPI預(yù)測(cè)研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：321585