【摘要】 本文為了能夠提出有效解決中國商品價格指數(shù)(CGPI)預(yù)測的模型,對多種預(yù)測模型進行實際模擬計算。通過對多種模型進行優(yōu)化和比較,最終得出了能夠有效預(yù)測中國商品價格指數(shù)的模型。同時,成功得對初始的預(yù)測模型進行了優(yōu)化,有效的提高了模型的預(yù)測精度。最終提出的預(yù)測模型不僅能應(yīng)用于CGPI的預(yù)測,同時由于其改進之后總能選取全局最優(yōu)參數(shù),并且避免了偶然誤差,因此可以對多種經(jīng)濟甚至其他領(lǐng)域的數(shù)據(jù)進行高效和高精度的預(yù)測。企業(yè)商品交易價格指數(shù)是一個綜合衡量通貨膨脹和經(jīng)濟波動的指標。如果央行即中國人民銀行想及時和有效的建立和調(diào)整貨幣政策,那么對CGPI進行精確的預(yù)測是至關(guān)重要的。毫無疑問,對CGPI進行精確預(yù)測是一個很大的挑戰(zhàn),因為市場經(jīng)濟中存在大量的經(jīng)濟因素能對CGPI產(chǎn)生影響。在過去的數(shù)年中,指數(shù)平滑在很多實證領(lǐng)域得到了很好的應(yīng)用,特別是在經(jīng)濟預(yù)測領(lǐng)域。因此本文首先會使用指數(shù)平滑模型對CGPI進行預(yù)測。然而,在預(yù)測過程中會發(fā)現(xiàn),指數(shù)平滑也存在著一些不足。相對于其他預(yù)測方法,指數(shù)平滑的在進行預(yù)測的過程中所選取的參數(shù)對預(yù)測精度有較大影響,但是適當?shù)膮?shù)有些難以選取。一般情況下都是人工根據(jù)經(jīng)驗或者數(shù)據(jù)的性狀選取相對合適的參數(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四種指數(shù)平滑方法進行優(yōu)化,選取出最優(yōu)參數(shù),以期避免偶然誤差。同時本文將會使用從2007年1月至2011年9月的中國企業(yè)商品交易價格指數(shù)的數(shù)據(jù)對優(yōu)化的預(yù)測方法進行驗證。最后的驗證結(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)測精度。 

第一章緒論

1.1 企業(yè)商品價格指數(shù)定義以及對其預(yù)測的意義
企業(yè)商品交易價格指數(shù)（CGPI)是反應(yīng)企業(yè)材料商品交易價格變動的統(tǒng)汁指標。企業(yè)商品交易價格指數(shù)由以下兒方面構(gòu)成：①價格調(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。調(diào)查對象原則上是商品流通中企業(yè)間糶中交易的價格，一般是第一次批發(fā)商品銷售價格，對于不通過批發(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)查廠家的出場價格。②指數(shù)分類體系由于宏觀經(jīng)濟分析檢測的需要，CGPI被設(shè)計成了三種分類，即按國家標準行業(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)測算CGPI權(quán)重數(shù)據(jù)的測算，是根據(jù)以下四種統(tǒng)計指林和調(diào)查資料來進行的：投入產(chǎn)出表的總產(chǎn)出等指標數(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)法處理原始價格數(shù)據(jù)、幾何平均公式逐層加權(quán)平均計算企業(yè)商品價格指數(shù)和直接計算月環(huán)比指數(shù)。我國中央銀行即中國人民銀行的CGPI綜合物價指數(shù)建立于1993年，是中央銀行一項雄本調(diào)查統(tǒng)計制度。在我國CGPI前身是國內(nèi)批發(fā)物價指數(shù)（WPI)，開始編制于1994年1月。CGPI是中央銀行分析、判斷和預(yù)測批發(fā)物價總水十:和變動趨勢與經(jīng)濟運行情況、研究金融宏觀對策里要手段之一。在商品調(diào)查范圍上，CGP涵蓋全社會物質(zhì)產(chǎn)品，覆蓋面廣，基本與經(jīng)濟總體指標對應(yīng)，包括投資品與消費品，能較準確反映總供求關(guān)系和經(jīng)濟周期的變化，是反映全部物質(zhì)商品價格總水平變化的物價指數(shù)，也是我國中央銀行測度通貨膨脹的主要措標之一。CGPI通常與GDP平減指數(shù)、居民消費價格指數(shù)（CPI) —起作為一個國家物價統(tǒng)計體系中的綜合物價指數(shù)[2]。貨幣是交易的媒介，并且不只是消費品的交易媒介，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)定狀況的一個有效的綜合物價指數(shù)了。同時，CGPI是國家經(jīng)濟政策制定，企業(yè)戰(zhàn)略規(guī)劃和私人則務(wù)皆理的最重要指標之一[1]。作為央行最基本的統(tǒng)計調(diào)查機制之一，CGP1對央行分析經(jīng)濟運行狀況和制定宏觀經(jīng)濟政策具有至關(guān)重要的作用[2]。因此，精確的預(yù)測CGPI是一項很重要的工作。

1. 2預(yù)測初始模型的選取及對該模型的歷史回顧和文獻回溯

為了使得對數(shù)據(jù)預(yù)測能更加精確，很多學者提出和研究了不少預(yù)測模型，包括貝葉斯學習模型[3]、分層時間序列[4]、橋梁模型[5]和神經(jīng)網(wǎng)絡(luò)模型[6].因為CGPI山很多能被動態(tài)的市場經(jīng)濟因素影響的部分組成，所有預(yù)測CG P1需要相對精確和穩(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)濟管理在內(nèi)的很多領(lǐng)域。這些領(lǐng)域都有一個共同特點是需要預(yù)測大量的總體數(shù)據(jù)，相對來說對單個個體的預(yù)測就不那么重要。當Gardner出現(xiàn)后，很多學者汄為指數(shù)平滑模型將會被忽視，因為它是一個特殊情況ARIMA模型或者說沒有統(tǒng)計理忡的過程。但是之后得事實證明了指數(shù)平滑模型相對于統(tǒng)計模型來說足敁優(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在進行OR分析時提出。
本文將會檢測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)測使得其被廣泛的加以使用。雖然Holt模型趨向于被作為趨勢序列的通用模型，但是它的線性預(yù)測方程會被批判在短期內(nèi)會過沖數(shù)據(jù)。Gardner和McKenzie解決了這個問題，他們通過將額外的參數(shù)包括在Holt模型中來阻尼目標趨勢。實際計算表明阻尼模型能夠提高預(yù)測的精度。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，這樣的方程通常對具有平滑趨勢的序列有很大用處。另外?種能夠替代的模型就是多元趨勢指數(shù)平滑模型，這個模型是有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)率對局部增長率建立模型，并且自然會產(chǎn)生一個由增長率和水平構(gòu)成的預(yù)測方程。其中趨勢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)有一個不斷增加的趨勢。多元趨勢模型在學術(shù)中很少引起重視。Pegels提出越來越多的實際數(shù)據(jù)序列用于多元趨勢。忽略這是否是事實，但是看上去當模型被應(yīng)用于不同類型的多元趨勢序列時，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)
平滑模型是簡單而可靠的預(yù)測方法[30]。本文引入四種常見且較近期的模型形勢：llolt模型、阻尼Holt模型、Pegels模型、阻尼Pegels模型[10, 11-13, 30] 。Gardner和Mckenzie認為在自動預(yù)測過程可能是個不對的選項。然而，Tas hman和kru k則認為如果模型僅僅被應(yīng)用有很強的趨勢的模型，允許4>1可能是有價值的。這是因為模型擁有一個平滑預(yù)測方程，模型看上去能適用于具有平滑趨勢的數(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，那么一個恰當?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)商品價格指數(shù)......... 20
第四章預(yù)測中國企業(yè)商品價格指數(shù)......... 21
4. 1指數(shù)平滑模型的預(yù)測結(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模型和它對應(yīng)的優(yōu)化模型......... 23
4.2.3 Pegds模型和它對應(yīng)的優(yōu)化模型......... 24
4.2.4阻尼Pogcls模型和它對應(yīng)......... 25
第五章總結(jié)與結(jié)論.........27

結(jié)論

十二個優(yōu)化模型都能夠被用于對CGPI的預(yù)測，并且我們能夠得到預(yù)測精度更高的預(yù)測結(jié)果。本文首先討論了四種指數(shù)平滑模型。計算結(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)測精度。因為這個原因，本文使用三個人工智能算法來優(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。然后本文簡單的描述了中國企業(yè)商品價格指數(shù)，同時四種原始指數(shù)平滑模型和十二種優(yōu)化模型來預(yù)測中國企業(yè)商品價格指數(shù)。模擬計算結(jié)果顯示這些優(yōu)化模型有更高的預(yù)測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。可以肯定的說，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)測模型。這十二種優(yōu)化模型都是優(yōu)秀的預(yù)測模型，其中用于預(yù)測CGPI最好的預(yù)測模型是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其進行改進的方法提出，但是本文首次提出使用人工智能算法對指數(shù)平滑模型進行改進。
2.由最終的計算結(jié)果可以看出，本文對指數(shù)平滑模型的改進是成功的，很好的提高了預(yù)測的精度。
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預(yù)測模型的選擇和預(yù)測精度的提高。
4.成功得將各模型應(yīng)用于實際CGPI數(shù)據(jù)，并且得出了最佳的預(yù)測結(jié)果。

參考文獻
 

• [1] 李少保.  基于涌現(xiàn)技術(shù)的MAS游戲研究[D]. 北京建筑工程學院 2012
• [2] 張亮.  基于matlab的電阻層析成像（ERT）與仿真平臺設(shè)計[D]. 中國石油大學 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 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 2011
• [5] 馮一博.  基于粒子群思想改進支持向量機優(yōu)化算法的研究[D]. 哈爾濱理工大學 2013
• [6] 王帆.  基于優(yōu)化目標可調(diào)控的免疫聚類算法的研究[D]. 太原理工大學 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 2012
• [8] 胡江.  支持向量機在射頻功率器件建模中的應(yīng)用研究[D]. 哈爾濱工程大學 2011
• [9] 鄭芬.  福建省稅收數(shù)據(jù)預(yù)測及分析[D]. 吉林大學 2013
• [10] 王瀚韜.  電梯群控算法及評測系統(tǒng)的研究與設(shè)計[D]. 杭州電子科技大學 2013