

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、CPI是國際上最為流行的觀察通貨膨脹的指標(biāo),維持CPI的穩(wěn)定也是社會經(jīng)濟(jì)的目標(biāo)之一。提前預(yù)測CPI,不僅對我國經(jīng)濟(jì)的發(fā)展趨勢具有一定的指向性,而且對通貨膨脹起到預(yù)警作用。本文應(yīng)用時(shí)間序列模型和模糊神經(jīng)網(wǎng)絡(luò)組合模型對我國CPI進(jìn)行了預(yù)測研究,主要內(nèi)容如下:
1.將我國月度CPI和PPI序列作為內(nèi)生變量建立VAR模型,在穩(wěn)定模型的基礎(chǔ)上進(jìn)行了CPl擬合和預(yù)測。實(shí)證結(jié)果表明,VAR模型的預(yù)測效果不是很好,有待進(jìn)一步改進(jìn)。
2、2.在建立的VAR模型的基礎(chǔ)上,分析月度CPI和PPI的傳導(dǎo)關(guān)系,進(jìn)行Granger因果關(guān)系檢驗(yàn)、脈沖響應(yīng)函數(shù)分析和Johansen協(xié)整檢驗(yàn)。實(shí)證分析結(jié)果表明,我國月度 CPI與PPI之間存在著一定的因果關(guān)系和協(xié)整關(guān)系;月度CPI和PPI受到自身和對方的沖擊都存在時(shí)滯,CPI受到PPI的沖擊效應(yīng)的時(shí)滯是16個(gè)月,PPI受到CPI的沖擊效應(yīng)的時(shí)滯是12個(gè)月。
3.將我國月度PPI作為外生變量建立加外生變量的半?yún)?shù)自回歸模型。首先
3、,在已經(jīng)平穩(wěn)化的數(shù)據(jù)的基礎(chǔ)上,進(jìn)行模型滯后階數(shù)、帶寬的確定及模型參數(shù)的估計(jì);然后,進(jìn)行白噪聲檢驗(yàn);最后,進(jìn)行月度CPI擬合和預(yù)測。實(shí)證結(jié)果表明,模型預(yù)測效果校VAR模型有了一定的提高。
4.采用VAR模型和加外生變量半?yún)?shù)自回歸模型對CPI,的預(yù)測值和擬合值,建立T-S模糊神經(jīng)網(wǎng)絡(luò)組合模型。首先,進(jìn)行數(shù)據(jù)的歸一化和模糊化處理;然后,根據(jù)模糊神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法進(jìn)行數(shù)據(jù)訓(xùn)練,利用確定的隸屬度函數(shù)對網(wǎng)絡(luò)進(jìn)行預(yù)測,對預(yù)測數(shù)據(jù)進(jìn)行反歸一
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于混沌理論和神經(jīng)網(wǎng)絡(luò)組合模型的匯率時(shí)間序列預(yù)測.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測.pdf
- 基于時(shí)間序列、神經(jīng)網(wǎng)絡(luò)、灰色和組合預(yù)測對電離層TEC的預(yù)測研究.pdf
- 基于時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的股票指數(shù)預(yù)測研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的模糊時(shí)間序列預(yù)測.pdf
- 基于模糊神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測模型.pdf
- 基于遲滯神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測分析.pdf
- 基于卷積神經(jīng)網(wǎng)絡(luò)的外匯時(shí)間序列預(yù)測研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測模型研究.pdf
- 時(shí)間序列預(yù)測中的神經(jīng)網(wǎng)絡(luò)方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)理論的線性時(shí)間序列預(yù)測研究.pdf
- 基于BP神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測方法研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)的季節(jié)性時(shí)間序列預(yù)測方法研究.pdf
- 基于RBF神經(jīng)網(wǎng)絡(luò)的多因素時(shí)間序列預(yù)測模型研究.pdf
- 組合神經(jīng)網(wǎng)絡(luò)在時(shí)間序列中的應(yīng)用.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和小波變換的股票時(shí)間序列預(yù)測方法.pdf
- 基于回歸神經(jīng)網(wǎng)絡(luò)的滑坡位移時(shí)間序列預(yù)測研究.pdf
- 基于遺傳神經(jīng)網(wǎng)絡(luò)的MG時(shí)間序列預(yù)測方法研究.pdf
- 基于免疫RBF神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測模型研究.pdf
- 基于人工神經(jīng)網(wǎng)絡(luò)的時(shí)間序列預(yù)測與路由優(yōu)化.pdf
評論
0/150
提交評論