H市居民消费价格指数的统计分析与预测.docx

摘要:本文针对居民消费价格指数的重要性进行研究，根据不同的思路去建立时间序列的组合预测模型，对近10年的居民消费价格指数数据尽心研究。工作包括:首先,构建X-12-ARIMA(乘法和加法)以及ARIMA模型,通过对比和论证这些不同模型之间的差异 ,结论可得X-12-ARIMA的加法模型的准确性不如它的乘法模型，同时也不如SARIMA模型。接着，本文提出了基于X-12-ARIMA加法和乘法结核的方法，以此对徐州市居民消费价格指数做出最终的分析和预测。在这个通过结合两种方法的模型中，为了找到比较好的权重参数，运用了具有量子行为的粒子群算法，并使用平均绝对误差作为目标函数，通过MATLAB，使得目标函数达到最小，并以此求的权重系数。最后，实证分析了徐州市的消费物价指数，并对居民消费价格指数走势进行预测，并将单一模型和组合模型进行比较。结果表明，X-12-ARIMA乘法模型和SARIMA模型相结合的方法，不仅能更好地反映数据的变化，而且对每一个模型的优势。

关键词： CPI；ARIMA；数据分析；居民价格消费指数

目录

摘要

Abstract

1 绪论-1

1.1 论文的研究背景-1

1.1.1 居民消费价格指数的概念介绍-2

1.1.2 居民消费价格指数的计算公式-2

1.2 研究目的-3

1.3 研究的思路和内容-3

2 ARIMA模型理论概述-4

2.1 ARIMA模型理论以及方法概述-4

2.1.1 时间序列模型的含义-4

2.1.2 随机时间序列模型-4

2.1.3 非平稳时间序列-4

2.1.5 随机平稳时间序列中样本的数字特征-5

2.2 时间序列模型的建立过程-6

2.2.1 数据的平稳性预处理-6

2.2.2 模型的识别-7

2.2.3 模型参数的估计-8

2.2.4 模型的定阶-8

2.2.5 模型的检验-8

3 ARIMA模型在居民消费价格指数中的定量分析-11

3.1 数据的预处理-11

3.1.1 序列的直方图及相关统计量-11

3.1.2 序列与正态分布之间的Q-Q图-11

3.2 相关分析-12

3.3 对序列作描述性统计 -14

3.4 关于序列的相关分析-15

3.5 模型识别及参数估计-16

3.6 模型建立及初步定阶-17

3.7 适应性检验-19

3.8 模型预测值与真实值对比-20

3.9 对未来三个月CPI的预测-21

4 徐州居民消费价格指数短期走势的定性分析-22

4.1 2016年物价水平仍然大致可控-22

4.2 政策建议-23

结论-24

致谢-25

参考文献-26