【摘要】 本文為了能夠提出有效解決中國商品價(jià)格指數(shù)(CGPI)預(yù)測(cè)的模型,對(duì)多種預(yù)測(cè)模型進(jìn)行實(shí)際模擬計(jì)算。通過對(duì)多種模型進(jìn)行優(yōu)化和比較,最終得出了能夠有效預(yù)測(cè)中國商品價(jià)格指數(shù)的模型。同時(shí),成功得對(duì)初始的預(yù)測(cè)模型進(jìn)行了優(yōu)化,有效的提高了模型的預(yù)測(cè)精度。最終提出的預(yù)測(cè)模型不僅能應(yīng)用于CGPI的預(yù)測(cè),同時(shí)由于其改進(jìn)之后總能選取全局最優(yōu)參數(shù),并且避免了偶然誤差,因此可以對(duì)多種經(jīng)濟(jì)甚至其他領(lǐng)域的數(shù)據(jù)進(jìn)行高效和高精度的預(yù)測(cè)。企業(yè)商品交易價(jià)格指數(shù)是一個(gè)綜合衡量通貨膨脹和經(jīng)濟(jì)波動(dòng)的指標(biāo)。如果央行即中國人民銀行想及時(shí)和有效的建立和調(diào)整貨幣政策,那么對(duì)CGPI進(jìn)行精確的預(yù)測(cè)是至關(guān)重要的。毫無疑問,對(duì)CGPI進(jìn)行精確預(yù)測(cè)是一個(gè)很大的挑戰(zhàn),因?yàn)槭袌?chǎng)經(jīng)濟(jì)中存在大量的經(jīng)濟(jì)因素能對(duì)CGPI產(chǎn)生影響。在過去的數(shù)年中,指數(shù)平滑在很多實(shí)證領(lǐng)域得到了很好的應(yīng)用,特別是在經(jīng)濟(jì)預(yù)測(cè)領(lǐng)域。因此本文首先會(huì)使用指數(shù)平滑模型對(duì)CGPI進(jìn)行預(yù)測(cè)。然而,在預(yù)測(cè)過程中會(huì)發(fā)現(xiàn),指數(shù)平滑也存在著一些不足。相對(duì)于其他預(yù)測(cè)方法,指數(shù)平滑的在進(jìn)行預(yù)測(cè)的過程中所選取的參數(shù)對(duì)預(yù)測(cè)精度有較大影響,但是適當(dāng)?shù)膮?shù)有些難以選取。一般情況下都是人工根據(jù)經(jīng)驗(yàn)或者數(shù)據(jù)的性狀選取相對(duì)合適的參數(shù),但是這樣往往產(chǎn)生不小的偶然誤差。本文將使用三種人工智能算法對(duì)四種指數(shù)平滑方法進(jìn)行優(yōu)化,選取出最優(yōu)參數(shù),以期避免偶然誤差。同時(shí)本文將會(huì)使用從2007年1月至2011年9月的中國企業(yè)商品交易價(jià)格指數(shù)的數(shù)據(jù)對(duì)優(yōu)化的預(yù)測(cè)方法進(jìn)行驗(yàn)證。最后的驗(yàn)證結(jié)果顯示通過人工智能優(yōu)化過后的指數(shù)平滑方法相比于原始的指數(shù)平滑方法能很顯著的提高預(yù)測(cè)精度。 

第一章緒論

1.1 企業(yè)商品價(jià)格指數(shù)定義以及對(duì)其預(yù)測(cè)的意義
企業(yè)商品交易價(jià)格指數(shù)（CGPI)是反應(yīng)企業(yè)材料商品交易價(jià)格變動(dòng)的統(tǒng)汁指標(biāo)。企業(yè)商品交易價(jià)格指數(shù)由以下兒方面構(gòu)成：①價(jià)格調(diào)查CGPI代表商品樣本。供選擇代表商品791種，代表規(guī)格品1700個(gè)。調(diào)查對(duì)象原則上是商品流通中企業(yè)間糶中交易的價(jià)格，一般是第一次批發(fā)商品銷售價(jià)格，對(duì)于不通過批發(fā)壞節(jié)而直接銷售給用戶的商品，如專業(yè)設(shè)備等，則調(diào)查廠家的出場(chǎng)價(jià)格。②指數(shù)分類體系由于宏觀經(jīng)濟(jì)分析檢測(cè)的需要，CGPI被設(shè)計(jì)成了三種分類，即按國家標(biāo)準(zhǔn)行業(yè)、按用途、按生產(chǎn)過程分類。第一種分類稱為“基本分類”；第二、第三種分類，統(tǒng)稱為“特殊分類”③全數(shù)測(cè)算CGPI權(quán)重?cái)?shù)據(jù)的測(cè)算，是根據(jù)以下四種統(tǒng)計(jì)指林和調(diào)查資料來進(jìn)行的：投入產(chǎn)出表的總產(chǎn)出等指標(biāo)數(shù)椐；工業(yè)普杳的工業(yè)品銷售額數(shù)據(jù)；農(nóng)業(yè)統(tǒng)汁資料；調(diào)查咨洵資料。④企業(yè)商品交易價(jià)格指數(shù)編制方法可以采用以下編制方法：指數(shù)法處理原始價(jià)格數(shù)據(jù)、幾何平均公式逐層加權(quán)平均計(jì)算企業(yè)商品價(jià)格指數(shù)和直接計(jì)算月環(huán)比指數(shù)。我國中央銀行即中國人民銀行的CGPI綜合物價(jià)指數(shù)建立于1993年，是中央銀行一項(xiàng)雄本調(diào)查統(tǒng)計(jì)制度。在我國CGPI前身是國內(nèi)批發(fā)物價(jià)指數(shù)（WPI)，開始編制于1994年1月。CGPI是中央銀行分析、判斷和預(yù)測(cè)批發(fā)物價(jià)總水十:和變動(dòng)趨勢(shì)與經(jīng)濟(jì)運(yùn)行情況、研究金融宏觀對(duì)策里要手段之一。在商品調(diào)查范圍上，CGP涵蓋全社會(huì)物質(zhì)產(chǎn)品，覆蓋面廣，基本與經(jīng)濟(jì)總體指標(biāo)對(duì)應(yīng)，包括投資品與消費(fèi)品，能較準(zhǔn)確反映總供求關(guān)系和經(jīng)濟(jì)周期的變化，是反映全部物質(zhì)商品價(jià)格總水平變化的物價(jià)指數(shù)，也是我國中央銀行測(cè)度通貨膨脹的主要措標(biāo)之一。CGPI通常與GDP平減指數(shù)、居民消費(fèi)價(jià)格指數(shù)（CPI) —起作為一個(gè)國家物價(jià)統(tǒng)計(jì)體系中的綜合物價(jià)指數(shù)[2]。貨幣是交易的媒介，并且不只是消費(fèi)品的交易媒介，而也是投資品的交易媒介。所以，包含能夠包含投資品和消費(fèi)品的CGPI就成為了判斷貨幣供給量和貨幣值穩(wěn)定狀況的一個(gè)有效的綜合物價(jià)指數(shù)了。同時(shí)，CGPI是國家經(jīng)濟(jì)政策制定，企業(yè)戰(zhàn)略規(guī)劃和私人則務(wù)皆理的最重要指標(biāo)之一[1]。作為央行最基本的統(tǒng)計(jì)調(diào)查機(jī)制之一，CGP1對(duì)央行分析經(jīng)濟(jì)運(yùn)行狀況和制定宏觀經(jīng)濟(jì)政策具有至關(guān)重要的作用[2]。因此，精確的預(yù)測(cè)CGPI是一項(xiàng)很重要的工作。

1. 2預(yù)測(cè)初始模型的選取及對(duì)該模型的歷史回顧和文獻(xiàn)回溯

為了使得對(duì)數(shù)據(jù)預(yù)測(cè)能更加精確，很多學(xué)者提出和研究了不少預(yù)測(cè)模型，包括貝葉斯學(xué)習(xí)模型[3]、分層時(shí)間序列[4]、橋梁模型[5]和神經(jīng)網(wǎng)絡(luò)模型[6].因?yàn)镃GPI山很多能被動(dòng)態(tài)的市場(chǎng)經(jīng)濟(jì)因素影響的部分組成，所有預(yù)測(cè)CG P1需要相對(duì)精確和穩(wěn)健的模型。由于擁有很高的穩(wěn)健性和精確性[7-10],指數(shù)平滑模型被廣泛用干包括經(jīng)濟(jì)管理在內(nèi)的很多領(lǐng)域。這些領(lǐng)域都有一個(gè)共同特點(diǎn)是需要預(yù)測(cè)大量的總體數(shù)據(jù)，相對(duì)來說對(duì)單個(gè)個(gè)體的預(yù)測(cè)就不那么重要。當(dāng)Gardner出現(xiàn)后，很多學(xué)者汄?yàn)橹笖?shù)平滑模型將會(huì)被忽視，因?yàn)樗且粋�(gè)特殊情況ARIMA模型或者說沒有統(tǒng)計(jì)理忡的過程。但是之后得事實(shí)證明了指數(shù)平滑模型相對(duì)于統(tǒng)計(jì)模型來說足敁優(yōu)的模型，并H相比于A R TM A類耶來說應(yīng)用廣泛。指數(shù)平消模型山Robert G. Brown在進(jìn)行OR分析時(shí)提出。
本文將會(huì)檢測(cè)四種最新和多用的指數(shù)平滑模型：Holt模型、阻尼Holt模型、Pegels模型、阻尼Pegels模型[10-13]。指數(shù)平滑的穩(wěn)健性和精確性預(yù)測(cè)使得其被廣泛的加以使用。雖然Holt模型趨向于被作為趨勢(shì)序列的通用模型，但是它的線性預(yù)測(cè)方程會(huì)被批判在短期內(nèi)會(huì)過沖數(shù)據(jù)。Gardner和McKenzie解決了這個(gè)問題，他們通過將額外的參數(shù)包括在Holt模型中來阻尼目標(biāo)趨勢(shì)。實(shí)際計(jì)算表明阻尼模型能夠提高預(yù)測(cè)的精度。如果阻尼參數(shù)被允許大于1，那么模型仍然能夠產(chǎn)生平滑方程，這樣的方程通常對(duì)具有平滑趨勢(shì)的序列有很大用處。另外?種能夠替代的模型就是多元趨勢(shì)指數(shù)平滑模型，這個(gè)模型是有Pegels和Hyndman, Koehler、Snyder和Grose提出。它包括了通過平滑局部水平的連續(xù)率對(duì)局部增長(zhǎng)率建立模型，并且自然會(huì)產(chǎn)生一個(gè)由增長(zhǎng)率和水平構(gòu)成的預(yù)測(cè)方程。其中趨勢(shì)是以多元的形式建立模型的。但是相反的，所有的已經(jīng)建立的指數(shù)平滑模型都假設(shè)有一個(gè)不斷增加的趨勢(shì)。多元趨勢(shì)模型在學(xué)術(shù)中很少引起重視。Pegels提出越來越多的實(shí)際數(shù)據(jù)序列用于多元趨勢(shì)。忽略這是否是事實(shí)，但是看上去當(dāng)模型被應(yīng)用于不同類型的多元趨勢(shì)序列時(shí)，越是保守的Holt模型反而越是穩(wěn)健。在Gardner和McKenzie以及Taylor分別在初始的Holt模型和Pegels模型基礎(chǔ)上提出了相關(guān)的阻尼模型[10],即本文中所用的阻尼Holt模型和阻尼Pegels模型。

第二章方法論

2.1指數(shù)平滑模型指數(shù)
平滑模型是簡(jiǎn)單而可靠的預(yù)測(cè)方法[30]。本文引入四種常見且較近期的模型形勢(shì)：llolt模型、阻尼Holt模型、Pegels模型、阻尼Pegels模型[10, 11-13, 30] 。Gardner和Mckenzie認(rèn)為在自動(dòng)預(yù)測(cè)過程可能是個(gè)不對(duì)的選項(xiàng)。然而，Tas hman和kru k則認(rèn)為如果模型僅僅被應(yīng)用有很強(qiáng)的趨勢(shì)的模型，允許4>1可能是有價(jià)值的。這是因?yàn)槟Ｐ蛽碛幸粋�(gè)平滑預(yù)測(cè)方程，模型看上去能適用于具有平滑趨勢(shì)的數(shù)據(jù)序列。然而，我們能夠感受到的是如果這樣來處理一個(gè)局部下降的話就顯得很笨拙。同吋，如果過程是指數(shù)形式的，那么一個(gè)恰當(dāng)?shù)哪Ｐ途托枰惶岢鰜硖幚眍愃频臄?shù)據(jù)序列。例如：Pegels提出的Pegels模型。

第三章中國企業(yè)商品價(jià)格指數(shù)......... 20
第四章預(yù)測(cè)中國企業(yè)商品價(jià)格指數(shù)......... 21
4. 1指數(shù)平滑模型的預(yù)測(cè)結(jié)果......... 21
4.2比較原始平滑模型和優(yōu)化指數(shù)平滑模型......... 22
4.2.1 Holt模型和它對(duì)應(yīng)的優(yōu)化模型的數(shù)據(jù)......... 22
4.2.2阻尼Holt模型和它對(duì)應(yīng)的優(yōu)化模型......... 23
4.2.3 Pegds模型和它對(duì)應(yīng)的優(yōu)化模型......... 24
4.2.4阻尼Pogcls模型和它對(duì)應(yīng)......... 25
第五章總結(jié)與結(jié)論.........27

結(jié)論

十二個(gè)優(yōu)化模型都能夠被用于對(duì)CGPI的預(yù)測(cè)，并且我們能夠得到預(yù)測(cè)精度更高的預(yù)測(cè)結(jié)果。本文首先討論了四種指數(shù)平滑模型。計(jì)算結(jié)果顯示在使用最優(yōu)參數(shù)的情況下，這些指數(shù)平滑模型能夠很大的提高預(yù)測(cè)精度。因?yàn)檫@個(gè)原因，本文使用三個(gè)人工智能算法來優(yōu)化指數(shù)平滑模型的參數(shù)，這樣就產(chǎn)生了十二中優(yōu)化模型。然后本文簡(jiǎn)單的描述了中國企業(yè)商品價(jià)格指數(shù)，同時(shí)四種原始指數(shù)平滑模型和十二種優(yōu)化模型來預(yù)測(cè)中國企業(yè)商品價(jià)格指數(shù)。模擬計(jì)算結(jié)果顯示這些優(yōu)化模型有更高的預(yù)測(cè)精度相比較使用人工選取參數(shù)的原始指數(shù)平滑模型而言�？梢钥隙ǖ恼f，本文成果的提出了結(jié)合人工智能算法和指數(shù)平滑模型的預(yù)測(cè)模型。這十二種優(yōu)化模型都是優(yōu)秀的預(yù)測(cè)模型，其中用于預(yù)測(cè)CGPI最好的預(yù)測(cè)模型是PSO-Damped-Hoi L 模型。至此，本文的研究目的基本完成，主要成果如下：

1.雖然指數(shù)平滑模型經(jīng)常被使用并且已有對(duì)其進(jìn)行改進(jìn)的方法提出，但是本文首次提出使用人工智能算法對(duì)指數(shù)平滑模型進(jìn)行改進(jìn)。
2.由最終的計(jì)算結(jié)果可以看出，本文對(duì)指數(shù)平滑模型的改進(jìn)是成功的，很好的提高了預(yù)測(cè)的精度。
3.使用了較多的原始指數(shù)平滑方法和人工智能算法，這些方法相互組合模型的比較和使用對(duì)預(yù)測(cè)模型的選擇和預(yù)測(cè)精度的提高。
4.成功得將各模型應(yīng)用于實(shí)際CGPI數(shù)據(jù)，并且得出了最佳的預(yù)測(cè)結(jié)果。

參考文獻(xiàn)
 

• [1] 李少保.  基于涌現(xiàn)技術(shù)的MAS游戲研究[D]. 北京建筑工程學(xué)院 2012
• [2] 張亮.  基于matlab的電阻層析成像（ERT）與仿真平臺(tái)設(shè)計(jì)[D]. 中國石油大學(xué) 2007
• [3] 李瑞瑞.  人工智能算法在GTAW焊接中的應(yīng)用[D]. 華東理工大學(xué) 2013
• [4] 周燕.  人工智能算法在構(gòu)件檢索中的應(yīng)用[D]. 武漢理工大學(xué) 2011
• [5] 馮一博.  基于粒子群思想改進(jìn)支持向量機(jī)優(yōu)化算法的研究[D]. 哈爾濱理工大學(xué) 2013
• [6] 王帆.  基于優(yōu)化目標(biāo)可調(diào)控的免疫聚類算法的研究[D]. 太原理工大學(xué) 2010
• [7] 林力.  基于免疫算法的化工過程優(yōu)化[D]. 北京化工大學(xué) 2012
• [8] 胡江.  支持向量機(jī)在射頻功率器件建模中的應(yīng)用研究[D]. 哈爾濱工程大學(xué) 2011
• [9] 鄭芬.  福建省稅收數(shù)據(jù)預(yù)測(cè)及分析[D]. 吉林大學(xué) 2013
• [10] 王瀚韜.  電梯群控算法及評(píng)測(cè)系統(tǒng)的研究與設(shè)計(jì)[D]. 杭州電子科技大學(xué) 2013