隨著中國經(jīng)濟(jì)的高速發(fā)展,人民生活水平的不斷提高,國際化進(jìn)程的不斷加快,我們在經(jīng)濟(jì)領(lǐng)域的發(fā)展越來越快,人均GDP也在不斷提升。居民價格消費指數(shù),簡稱CPI,是用來分析我國市場價格基本走勢的一個重要指標(biāo),也是國家宏觀調(diào)控的一個重要依據(jù)。國家可以根據(jù)CPI的變動來進(jìn)行貨幣政策和財政政策的一系列調(diào)整,從而來保證市場的穩(wěn)定和居民的幸福生活。因此,本文著重利用組合模型來對江西省的CPI進(jìn)行預(yù)測。隨著人工智能的普及以及各種算法的不斷推廣,越來越多的預(yù)測模型得到了很大程度的提升,對于不同的研究問題,也具有了針對性的模型來進(jìn)行預(yù)測,比如對于CPI的預(yù)測,其中就有ARIMA模型、SVM模型和BP神經(jīng)網(wǎng)絡(luò)模型等。由于CPI數(shù)據(jù)是一個具有多方面影響因素制約的一個指標(biāo),因此,本文認(rèn)為,單一的預(yù)測模型不能夠很好地將序列值所包含的信息完全擬合出來。為了縮小預(yù)測的誤差,提升模型的精度,本文提出了組合預(yù)測模型以及組合系數(shù)法,從序列值本身帶有的信息特點出發(fā),找到合適的模型,以便于更好地對江西省的CPI進(jìn)行預(yù)測。本文首先介紹了時間序列理論的相關(guān)知識,為下文打下了理論基礎(chǔ)。然后,根據(jù)江西省CPI數(shù)據(jù)具有的線性與非線性特點,提... 

【文章來源】：江西財經(jīng)大學(xué)江西省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第1章 緒論
    1.1 研究背景
    1.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 國內(nèi)研究現(xiàn)狀
        1.3.2 國外研究現(xiàn)狀
        1.3.3 文獻(xiàn)評述
    1.4 本文創(chuàng)新之處
    1.5 主要研究內(nèi)容
第2章 時間序列理論
    2.1 時間序列定義
    2.2 平穩(wěn)時間序列
    2.3 平穩(wěn)時間序列性質(zhì)
        2.3.1 自相關(guān)函數(shù)性質(zhì)
        2.3.2 平穩(wěn)性檢驗
        2.3.3 白噪聲檢驗
    2.4 平穩(wěn)時間序列模型
        2.4.1 AR模型
        2.4.2 MA模型
        2.4.3 ARMA模型
        2.4.4 ARIMA模型
        2.4.5 SARIMA模型
    2.5 平穩(wěn)時間序列建模
        2.5.1 ARMA模型的ACF和 PACF
        2.5.2 模型定階
        2.5.3 參數(shù)估計
        2.5.4 模型檢驗
        2.5.5 模型優(yōu)化
    2.6 非平穩(wěn)模型平穩(wěn)化處理
    2.7 非平穩(wěn)序列確定性分析
    2.8 本章小結(jié)
第3章 預(yù)測模型與組合模型建模與評比
    3.1 SARIMA模型
    3.2 SVM模型
        3.2.1 SVM模型理論概述
        3.2.2 SVM模型建立
    3.3 BP神經(jīng)網(wǎng)絡(luò)模型
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)基本原理
        3.3.2 BP神經(jīng)網(wǎng)絡(luò)計算步驟
    3.4 組合模型的構(gòu)建
        3.4.1 組合模型理論
        3.4.2 組合模型權(quán)重選擇
        3.4.3 組合模型構(gòu)建
        3.4.4 組合預(yù)測模型比較評估
    3.5 本章小結(jié)
第4章 時間序列組合模型預(yù)測分析
    4.1 SARIMA模型預(yù)測分析
        4.1.1 數(shù)據(jù)選取
        4.1.2 序列平穩(wěn)性檢驗
        4.1.3 SARIMA模型建立
        4.1.4 模型參數(shù)估計及殘差的白噪聲檢驗
        4.1.5 SARIMA模型預(yù)測結(jié)果評估
    4.2 SVM模型預(yù)測分析
        4.2.1 SVM模型建模步驟
        4.2.2 SVM模型預(yù)測結(jié)果與數(shù)據(jù)分析
    4.3 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測分析
        4.3.1 數(shù)據(jù)預(yù)處理
        4.3.2 BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測結(jié)果及數(shù)據(jù)分析
    4.4 組合模型預(yù)測分析
        4.4.1 組合預(yù)測模型
        4.4.2 SARIMA-SVM組合模型預(yù)測分析
        4.4.3 SARIMA-BP神經(jīng)網(wǎng)絡(luò)組合模型預(yù)測分析
        4.4.4 幾種模型的對比效果
    4.5 本章小結(jié)
第5章 研究結(jié)論及展望
    5.1 研究結(jié)論
    5.2 研究展望
參考文獻(xiàn)
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于ARIMA模型對江西省CPI的時間序列分析與預(yù)測[J]. 戴玉泉.  科學(xué)技術(shù)創(chuàng)新. 2019(35)
[2]基于SARIMA-SVR組合模型的空氣質(zhì)量指數(shù)預(yù)測[J]. 鄭洋洋,白艷萍,續(xù)婷.  河北工業(yè)科技. 2019(06)
[3]基于XGBoost和LSTM加權(quán)組合模型在銷售預(yù)測的應(yīng)用[J]. 馮晨,陳志德.  計算機系統(tǒng)應(yīng)用. 2019(10)
[4]基于ARIMA-SVM模型的鄭州市CPI預(yù)測研究[J]. 梁曉瑩.  洛陽理工學(xué)院學(xué)報(社會科學(xué)版). 2019(04)
[5]基于回歸與ARMA組合模型的安康市農(nóng)業(yè)發(fā)展預(yù)測研究[J]. 劉鐵.  湖北農(nóng)業(yè)科學(xué). 2019(15)
[6]基于時間序列模型對四川省第三產(chǎn)業(yè)增加值的預(yù)測及分析[J]. 田也,郭金雨,蒲千倩,羅慶華,劉曉紅.  中國科技信息. 2019(10)
[7]基于WNN-SVM的水文時間序列預(yù)測方法研究[J]. 余洋,萬定生.  計算機技術(shù)與發(fā)展. 2019(09)
[8]基于網(wǎng)絡(luò)搜索指數(shù)和EMD-ARIMA-BP組合模型的游客量預(yù)測——以張家界為例[J]. 陸利軍.  吉首大學(xué)學(xué)報(社會科學(xué)版). 2019(01)
[9]基于GM-ARMA組合模型的PM2.5濃度預(yù)測——以揚州市為例[J]. 徐輝軍,張林男.  南通職業(yè)大學(xué)學(xué)報. 2018(04)
[10]利用網(wǎng)絡(luò)搜索大數(shù)據(jù)實現(xiàn)對CPI的短期預(yù)報及拐點預(yù)測——基于混頻抽樣數(shù)據(jù)模型的實證研究[J]. 劉寬斌,張濤.  當(dāng)代財經(jīng). 2018(11)

博士論文
[1]互聯(lián)網(wǎng)環(huán)境下基于消費者搜索的旅游需求預(yù)測研究[D]. 張斌儒.對外經(jīng)濟(jì)貿(mào)易大學(xué) 2017
[2]城市住房價格PSO-LSSVR預(yù)測模型研究[D]. 劉蓉.重慶大學(xué) 2014

碩士論文
[1]基于ARIMA-GARCH和SVR組合模型的股指預(yù)測研究[D]. 王運豪.東北師范大學(xué) 2019
[2]基于長時間序列夜光遙感數(shù)據(jù)的黑龍江省GDP預(yù)測模型研究[D]. 謝天.哈爾濱工業(yè)大學(xué) 2018
[3]WTI原油期貨價格波動分析[D]. 耿倪.吉林財經(jīng)大學(xué) 2018
[4]時間序列分析的研究與應(yīng)用[D]. 董亮亮.天津科技大學(xué) 2018
[5]基于支持向量機的股票價格預(yù)測及投資策略研究[D]. 徐茜茜.西北大學(xué) 2018
[6]組合預(yù)測模型在CPI預(yù)測中的應(yīng)用[D]. 朱文燕.暨南大學(xué) 2017
[7]基于LS-SVM的半圓拱形巷道無線信道建模與預(yù)測[D]. 郗茜.西安科技大學(xué) 2017
[8]ARMA/GARCH模型參數(shù)估計的神經(jīng)網(wǎng)絡(luò)方法[D]. 張珞偲祚.中國地質(zhì)大學(xué)(北京) 2017
[9]鐵路數(shù)據(jù)網(wǎng)網(wǎng)絡(luò)資源管理中的網(wǎng)絡(luò)流量趨勢研究[D]. 張治鵬.北京交通大學(xué) 2017
[10]關(guān)于全國農(nóng)村人均消費支出的統(tǒng)計研究[D]. 王義茗.曲阜師范大學(xué) 2016



本文編號：3157645