PPI变化对CPI的影响研究

工业生产者出厂价格指数(PPI)变化对居民消费价格指数(CPI)的影响是关系物价调控目标的重要问题.本文使用河北省价格统计资料,采用VAR模型,利用GRANGER因果关系、脉冲响应函数和方差分解方法,分析了PPI与CPI之间,以及PPI中的生产资料价格与生活资料价格和CPI之间的动态联系,寻找出了PPI变动对CPI影响的一些规律性变化.研究结果表明:河北省PPI与CPI之间的传导关系是部分和间接的,PPI的变动会拉动CPI发生同向变化;为此,应高度重视PPI对CPI的传导作用,加强对PPI指标的监测,提高对物价变动的预判能力,控制PPI对CH的传导渠道,实现对抑制通胀的有效管理.     

PPI、企业商品价格指数、M2与CPI之间关系研究

本文运用格兰杰因果检验和协整理论研究了工业出厂品价格指数PPI、企业商品价格指数、货币供应量M2与消费价格指数CPI之间的关系。协整分析表明PPI、企业商品价格指数、M2对CPI存在着长期稳定的均衡关系。格兰杰因果检验表明我国企业商品价格指数是消费价格指数的格兰杰原因,更适于作为分析消费价格指数的前导指标。     

基于在线大数据的iCPI与CPI关系的研究

本文对清华大学iCPI项目组发布的基于在线大数据的居民消费价格指数iCPI与国家统计局发布的CPI的相互关系进行分析.运用时间序列模型研究了iCPI和CPI的短期和长期的统计相关性,并且运用混频数据抽样模型研究了iCPI所具有的实时和高频发布的特征对CPI实时预报和预测的作用.研究发现,iCPI和CPI在长期走势和短期变动方面都存在较大的差异,同时iCPI能够对CPI实时预报和预测提供有用信息.研究创新包括深入挖掘了iCPI的统计性质,提出改进iCPI编制的建议,以及利用iCPI改进CPI编制的政策建议.本研究为将iCPI与CPI相结合构建全面准确反映居民消费整体价格变动的新型价格指数提供参考.     

基于VAR模型的居民消费价格指数传导机制研究

2007年初以来,我国经历了新一轮居民消费价格指数(CPI)的大幅上涨,环比指数在2008年2月达到了近十年的最高点108.7%,CPI走势及其传导机制已成为各界对经济关注的焦点。本文选取了5个与CPI相关的指标,运用VAR模型,分析其对CPI的传导机制,得出CPI对自身反应较为敏感,原材料、燃料和动力购进价格指数及PPI对CPI的传导效应不明显,固定资产投资价格指数、货币供应增长率对CPI的冲击较大,外汇储备增长率对CPI的直接影响较小但间接作用不可忽视。对此,应严格控制固定资产投资的非理性因素,继续实行稳健的货币政策,同时改革价格体制、理顺价格关系也势在必行。     

中国CPI与PPI:因果关系和传导机制

适当把握CPI与PPI之间的关系对于监测和治理通胀至关重要.然而现有的文献研究大多依赖于特定的模型假设、样本区间和参变量选择,对于二者在理论上的因果关系并没有获得实证研究的充分、一致支持,由此引发了CPI与PPI“倒挂”的疑难问题.运用谱分解的非参数频域分析方法,对近16年来中国CPI与PPI之间的Granger因果关系进行检验,结果表明:在短期内,既存在CPI向PPI的传导关系,也存在PPI向CPI的传导关系(两种传导关系的时滞有所不同);但就长期考察,PPI向CPI的传导仍然占据主导地位;而在中期内,它们之间可能互为因果关系.因此,对于我国通胀的治理,既需要在短期内管住CPI,进而稳定PPI和整个价格体系;也需要在中长期内管住PPI,充分重视PPI对CPI的传导和预警作用,稳定PPI进而控制CPI和整个商品市场的通胀水平.     

亚太市场煤炭价格波动对我国一般价格水平的影响

本文围绕亚太市场煤炭价格波动对我国一般价格水平(CPI)是否存在影响这个问题进行研究.格兰杰因果检验表明,亚太市场煤炭价格波动能够影响我国一般价格水平,这种影响通过两种渠道进行传导,既可以通过生活资料直接影响CPI,也可以通过工业产业链影响PPI进而间接地影响CPI水平.此外,本文运用SVAR模型对该种影响进行了脉冲分析和方差分解研究,结果表明亚太市场煤炭价格的冲击对PPI和CPI分别存在4期的滞后时间;亚太市场煤炭价格的变动通过直接效应对CPI的影响稍大,间接效应相对较小.     

基于模糊卷积神经网络的大数据分类挖掘技术

关联规则约束下云服务组合大数据挖掘容易出现邻阶干扰,数据挖掘的聚类性和抗干扰性不佳。为提高云服务组合大数据挖掘能力,提出一种基于模糊卷积神经网络的大数据分类挖掘技术。采用连续模板匹配技术进行大数据的分布式数据结构分析,结合匹配相关检测方法进行云服务组合大数据的信息融合处理,对高维融合数据进行频繁项检测和关联规则特征提取;对提取的云服务组合大数据的关联规则采用模糊卷积神经网络分类器进行属性分类,结合特征压缩方法对分类输出的云服务组合大数据进行降维处理;采用模糊聚类方法实现对云服务组合大数据的分类挖掘。仿真结果表明:采用该方法进行云服务组合大数据挖掘的聚类性能较好,在挖掘精度和抗干扰性能表现方面具有优势。     

基于Nutch爬虫的电商交易价格统计研究

将电商交易数据纳入价格指数架构是目前统计工作关注的焦点。应用大数据技术,将Nutch爬虫搭建在分布式集群上,构建分布式网络数据抓取系统,同时结合最新的AP聚类算法对数据进行预处理,然后对网上数据进行价格指数建模,进行价格指数试算。试算结果表明:基于分布式集群下的Nutch网络爬虫技术较好地完成了网络交易数据抓取任务。因此,计算的网上交易数据价格指数可较好地反映市场价格变化趋势。     

阿里网购价格指数对居民消费价格指数编制的启示

阿里运用大数据技术,编制并发布了网购价格指数,本文对比了阿里网购价格指数和居民消费价格指数之间的联系和区别,分析了它们之间各自的优势和不足之处,提出我国居民消费价格指数编制改革的几条政策建议,认为在消费价格指数编制过程中,统计部门应该积极运用大数据技术,纳入电商平台销售数据,并在可行条件下发布分别基于生活费用理论和固定篮子理论框架的价格指数.     

基于MapReduce和并行遗传算法的大数据聚类问题研究

聚类是将不同对象的集合分割为由相似对象组成的多个不同类的过程,是最重要的数据挖掘技术之一.然而,对于大数据聚类却是一个复杂的问题.由于大数据体量庞大,聚类算法时间消耗巨大.并行是解决算力不足的一个非常好的方法.据此,本文采用了Hadoop平台上的MapReduce来实现大规模数据集的并行运算,将大数据聚类问题的时间复杂度限制到一个可以接受的范围内.最后本文从时间消耗和聚类精确度方面对该方法的性能收益进行了评估,在保证较高精确度的同时大大提高了运算速度.     

基于网络搜索数据监测的CPI预测

网络搜索经济类关键词的范围和频率能反映公众的关注度和倾向,可用来对经济指标进行预测,从而预示经济走势。为解决居民消费价格指数(CPI)预测中的官方数据滞后问题,使用时间序列法,采用网络搜索监测数据对CPI进行预测。运用百度指数分析方法,搜集宏观、微观、投资三类指标,对初始指标的百度指数进行主成分分析,拟合出CPI预测模型。结果表明,预测CPI和实际CPI走势基本一致,可比官方数据提前一个月得到预测值,为把握宏观经济走势提供参考。     

CGPI与PPIIP：谁更适合代表中国的PPI

生产者价格指数(PPI)是一个重要的宏观经济指标。我国有两个指标可以代表生产者价格指数,分别是工业生产者出厂价格指数(PPIIP)和企业商品价格指数(CGPI)。文章从理论角度分析工业生产者出厂价格指数与企业商品价格指数的区别与联系,认为在逻辑上CGPI更适合作为我国PPI的候选指标。实证研究表明,虽然现阶段PPIIP较CGPI更好地引导了CPI走势,但CGPI已初步具备了和PPIIP相类似的引导功能,学术界应关注CGPI代表PPI的价值。     

模糊聚类与预测分析模型在高等学校定位中的应用

利用模糊数据挖掘方法 (FDM) ,建立了模糊聚类与预测分析模型 ,并结合 2 0 0 4年中国大学 10 0强排行榜的有关数据 ,对某些综合类大学进行了定位分析 ,其分析结果与实际定位情况基本一致 ,这充分说明利用该模型对高等学校定位是可行的、实用的 ,期望能为我国高等学校的正确定位提供决策支持。     

数据降维与K-均值聚类的质量评估

聚类分析在大数据时代应用广泛,但缺乏直观评价聚类质量的有效方法。为此,提出一种具有数据降维和搜寻数据固有聚类数量的处理模式。在数据散射矩阵基础上构造一个增广矩阵,利用线性辨别分析将高维数据变换到最具辨别性的低维特征子空间以实现数据降维。为解决分区聚类算法的随机初始化问题,提出最小-最大规则,避免出现空聚类并确保数据的可分性。对于聚类的结果,计算每个聚类的轮廓系数,通过比较轮廓的尺寸以评价不同聚类数量情况下的聚类质量。对K-均值算法的仿真结果说明,这种处理模式不仅能够可视化确定未知数据所固有的聚类数量,而且能为高维数据提供有效的分析方法。     

稳健动态时间规整的面板数据聚类

动态时间规整的面板数据聚类能够反映面板数据的动态发展趋势,但缺乏对离群值的识别和处理,导致聚类结果不稳健。针对这一问题提出了稳健动态时间规整的面板数据聚类方法,通过引进稳健统计量获取稳健的时间序列,即运用稳健统计量重新构造均值向量和协方差矩阵计算时间序列,提升时间序列提取的合理性和准确性,消除离群值对动态时间规整结果的影响。通过实证分析,结果表明:相较于动态时间规整方法,运用所提出的方法进行聚类的结果更稳健、更贴合实际。     

数据挖掘中聚类算法的研究

随着数据挖掘技术的发展,作为数据挖掘中重要方法之一的聚类分析,先后出现了许多聚类算法。这些聚类算法均有其自身的优缺点。为了方便用户找到适合的聚类算法,本文根据不同的聚类原理对聚类算法进行分类,并概述了各类算法的发展情况。针对聚类的典型要求,归类出了一些有代表性的算法,同时对它们进行了分析和评价。文章最后给出了几种常用聚类算法的性能比较,并对聚类算法的发展进行了展望。     

云计算中基于群体智能算法的大数据聚类挖掘

为了提高数据挖掘的精度和效率,提出了一种基于群体智能算法的大数据聚类挖掘算法。首先对聚类算法中的模糊C-均值聚类算法进行分析,然后将亚启发式群体智能优化技术中的混合蛙跳算法与模糊C-均值聚类相结合,以便在调整的参数少的条件下优化全局搜索能力。仿真实验结果显示:相比其他聚类挖掘算法,提出的算法能解决局部陷阱问题,具有较好的聚类效果、准确率和收敛速度,同时算法的稳定性较高。     

基于K-均值聚类和泰森多边形的异常值检测方法

离群点发现是数据挖掘研究的一个重要方面.根据数据流的特点提出一种基于K-均值聚类和泰森多边形的离群点检测方法，先用K-均值对数据进行处理，生成中间聚类结果，然后用泰森多边形方法（VOD）对这些中间结果进行再次选择，最后找出可能存在的离群点.     

网格和密度的聚类算法在CRM中的应用

聚类分析是数据挖掘领域中一种非常有用的技术,它用于从大量数据中寻找隐含的数据分布模式,主要有分割法、层次法、密度法、网格法和模型法等。该文主要讨论数据挖掘中一种基于密度和网格的聚类分析算法及其在客户关系管理中的应用。该算法具有较高的聚类效率而且容易实现,可以发现任意形状的聚类,时间复杂度低,聚类精度高,适用于数据的批量更新。该文还提出增量式聚类技术,它不仅能够利用前期聚类的结果,充分提高聚类分析的效率,而且可以降低维护知识库所带来的巨大开销。实验证明了算法的有效性。     

基于极值理论的生猪市场价格风险识别与预警研究

运用极值理论,分析1998年1月至2014年6月的月度时间序列数据,以识别生猪市场4个指标的价格风险,并建立预警机制。首先利用仔猪、活猪和猪肉的价格序列构建了生猪市场价格指数,然后以断点检验对其波动率进行了阶段划分;计算得出仔猪、活猪、猪肉及生猪价格指数阈值估计在0.064、0.045、0.040和0.060,基于此对历史数据进行了识别,以确保阈值估计的科学性;以阈值和不同分位数下的风险度量建立了预警机制的单一规则和分级体系,为政府决策部门对生猪市场的价格风险进行识别和干预提供理论参考。