基于带跳时变系数模型的PPI与CPI相关性研究

2008年以来,我国PPI与CPI走势出现了多次背离与分化,从整体上看,两者相关性很弱。但从动态视角来看,由于相关关系可能会因时而变,整体相关性有可能被关系本身的方向和强弱变化所削弱甚至掩盖。为准确反映两者相关性的动态变化,本文放宽时变系数函数的光滑性假设,提出了带跳时变系数模型,并给出一种非参数三步估计方法：首先,估计系数函数中跳点的位置和个数;然后,基于估计的跳点和Bootstrap方法选择的窗宽给出系数函数的最终估计;最后,利用蒙特卡洛模拟评价本文提出的非参数估计和窗宽选择方法的有限样本性质。通过对2008年1月至2017年12月我国PPI和CPI月度同比数据的实证分析,我们发现该模型能较好地刻画PPI与CPI相关性的时变和带跳特征,进而也验证了该模型的应用价值。     

纵向数据非参数模型的修正二次推断函数估计

文章研究纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项.我们选取一组基函数对f(t)进行展开近似,然后构造关于基函数系数的修正二次推断函数,利用割线法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计.最后给出基函数系数估计的相合性和渐近正态性,并通过数值方法得到了较好的模拟结果.     

基于月环比均值和翘尾因素的居民消费价格指数短期预测

文章利用居民消费价格指数(CPI)月环比所具有的月度特点和春节特点,通过根据月份选用不同样本空间计算月环比的方法,建立了预测CPI的新模型。通过试预测,文章认为此模型具有较好的预测精度,并可根据已发生的CPI月环比真实值及时对预测结果进行修正,以提高预测的准确性。     

纵向数据非参数模型的二次推断函数估计

文章研究了纵向数据非参数模型y=f(t)+ε,其中f(t)为未知平滑函数,ε为零均值随机误差项.我们选取一组基函数对f(t)进行基函数展开近似,然后构造关于基函数系数的二次推断函数,利用New-ton-Raphson迭代方法得到基函数系数的估计值,进而得到未知平滑函数f(t)的拟合估计.理论结果显示,所得到的基函数系数估计有相合性和渐近正态性.最后通过数值方法得到了较好的模拟结果.     

基于灰色系统的组合预测模型的建模方法

本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。     

居民消费价格指数的GM(1,1)模型预测

影响居民消费价格指数(CPI)的因素很多,难以通过回归模型来预测其未来走势.在一个较长的时间序列内,CPI变化具有较强的规律性,这满足使用GM(1,1)建模并用于预测的基本要求.文章通过创建CPI的GM(1,1)模型,并对该模型可用性进行了验证;在验证通过的情况下进行了CPI的模拟及预测.事实证明,使用GM(1,1)模型来预测CPI未来的走势,且具有较高的预测精度.     

非线性半参数空间变系数模型的两步估计

文章对非线性函数与空间变系数模型组合的半参数模型进行研究,提出该类模型的两步估计,给出半参数模型中非线性函数和空间变系数参数估计的精确表达式.并进行了数值模拟,结果表明,估计值与真实值拟合程度较好,方法的精确度较高.     

基于FDL模型的猪肉供应链价格传导机制研究

文章在构建猪肉供应链价格系统结构及闭环传导路径基础上,利用2001年1月至2011年7月的猪肉价格、饲料价格、豆粨价格、玉米价格、仔猪价格及CPI月度数据,分析六类数据波动的总体趋势、特征以及波动的周期,同时进行平稳性检验和Johansen协整检验,建立VAR模型,运用脉冲响应函数和预测方差分解来刻画猪肉供应链价格系统的相互影响情况,最后运用有限分布滞后模型(FDL)分析猪肉供应链价格传导机制。     

我国宏观统计指标数据有效性的实证检验

为了研究我国宏观统计指标数据的有效性,文章采用CPI作为因变量,通过平稳性和单位根的检验,确定有效的滞后期;然后采用协整分析和格兰杰检验确定影响CPI的自变量,进行回归拟合和数据质量评估。结果表明,CPI的数据误差主要来源于随机因素而非模型与实际数据的系统偏离．因此可以判断该模型的拟合与预测效果非常优良。通过相对误差的波动规律发现,CPI数据的相对误差在区间[2％,2%内波动,而且主要集中在【-1％,1%这个范围内。因此总体来说,我国统计的CPI数据的质量的可信度处于较高的水平。     

中国制造业PMI与CPI的相关性分析

文章选取了2005年1月至2015年4月的中国制造业采购经理指数(PMI)与居民消费价格指数(CPI)的数据进行相关性分析,并对两个时间序列构建向量自回归模型,进而通过Granger因果检验、脉冲响应函数分析、方差分解分析说明了中国制造业PMI与CPI之间的定性定量关系,得出PMI与CPI互为Granger因果关系,PMI与CPI之间存在相互作用关系,且PMI对CPI具有较长时间和较大程度的正向影响.     

工业取用水监测奇异数据挖掘与重构方法

提高工业取用水监测数据质量是目前国家水资源监控能力建设的重要内容,而奇异值问题已成为影响监测数据质量的关键短板。本文在解析现阶段工业取用水监测数据奇异值主要类型基础上,以国家水资源管理系统数据库中工业取用水监测数据为样本,利用小波变换模极大值模型提取工业取用水监测数据时频变化特征,并利用傅里叶函数对其残差序列进行修正,进而运用相对误差控制方法挖掘监测数据奇异值。在此基础上,采用混沌粒子群优化的最小二乘支持向量机模型重构填补奇异值数据。研究结果表明：小波变换模极大值模型能够较好地提取工业取用水监测数据序列的时频变化特征,但是同时容易导致监测数据的信息损失,利用傅里叶函数对小波变换进行残差修正则可进一步提升取用水监测数据序列的特征提取效果;以小波变换模极大值特征序列为基础,通过相对误差控制可实现对监测数据奇异值的高效挖掘;对于挖掘出的奇异值重构填补问题,可选取混沌粒子群优化的最小二乘支持向量机模型,其重构精度要优于多项式曲线拟合等传统统计学方法和普通最小二乘支持向量机模型。上述工业取用水监测数据奇异值挖掘重构策略为现阶段国家水资源监控能力建设的推进提供了重要技术方法支持。     

基于混沌神经网络算法的CPI预测

文章针对CPI时间序列的非线性特征,运用混沌理论对其相空间进行了重构,并求出其最大Lyapu nov指数大于零,从而判断CPI时间序列的混沌特性,利用混沌BP混合算法(CBP)构建了CPI预测模型。结果表明,该模型在6个月内具有较高的精度。     

基于半参数混频误差修正模型的中国CPI预测研究

考虑宏观经济变量具有明显的非线性特征,将非线性误差修正项引入存在协整关系的非平稳混频数据抽样（MIDAS）模型中,构建半参数混频数据抽样误差修正（SEMI-ECM-MIDAS）模型。使用广义似然比（GLR）检验,拓展了混频数据下模型函数形式的一致性检验问题。模拟结果表明SEMI-ECM-MIDAS模型对存在非线性误差修正机制的数据具有显著的预测优势。最后使用该模型研究中国股票市场周度数据、广义货币发行量月度数据和国际原油市场月度数据对中国CPI的短期预测效果。基于AIC准则,对包含半参数模型在内的4种混频数据抽样模型和2种同频模型的连续预测效果进行了全面的比较。研究结果发现：GLR检验表明误差修正项具有明显的非线性特征且在回归中具有显著的反向修正机制,无论采用递归样本、滚动样本还是固定样本,本文提出的SEMI-ECM-MIDAS模型在进行连续预测时均具有最优的预测精度,且预测结果不受混频动态协整关系选择的影响。     

基于粗糙性惩罚的变系数纵向数据模型的参数估计

对纵向数据变系数模型参数估计问题,文章采用构建惩罚似然函数的方法优化选择估计量,并采用三次样条作为惩罚项来控制其光滑性,通过选择合适的光滑参数优化变系数的估计量;然后讨论估计量的数字特征,并通过计算模拟验证结论。     

半参数纵向模型的惩罚二次推断函数估计

针对纵向数据半参数模型E(y|x,t)=XTβ+f(t),采用惩罚二次推断函数方法同时估计模型中的回归参数β和未知光滑函数f(t)。首先利用截断幂函数基对未知光滑函数进行基函数展开近似,然后利用惩罚样条的思想构造关于回归参数和基函数系数的惩罚二次推断函数,最小化惩罚二次推断函数便可得到回归参数和基函数系数的惩罚二次推断函数估计。理论结果显示,估计结果具有相合性和渐近正态性,通过数值方法也得到了较好的模拟结果。     

单指标纵向数据模型的估计

纵向数据是一类重要的相关性数据,广泛出现在诸多科研领域。单指标模型是多元非参数回归中重要的降维方法,在纵向数据下研究单指标模型是统计研究的热点问题。针对纵向数据单指标模型,提出惩罚改进二次推断函数方法来讨论模型的参数和非参数估计问题。该方法利用多项式样条回归方法逼近模型中的未知联系函数,将联系函数的估计转化为回归样条系数的估计,然后构造关于样条回归系数和单指标系数的惩罚改进二次推断函数,最小化惩罚改进二次推断函数便可得到模型的估计。理论结果显示,估计结果具有相合性和渐近正态性,最后得到了较好的数值模拟结果和实例数据分析结果,结果显示该方法适用于半参数纵向模型的参数和非参数估计问题。     

基于非线性动力系统的我国CPI和PPI非线性关系研究

文章根据我国2002年1月～2009年10月CPI和PPI的月度数据,应用非线性动力学的方法,建立了非线性动力系统(C-PNLDS)模型,来揭示我国CPI和PPI的非线性关系.结果表明:CPI具有自我增长机制,PPI对CPI有加速抑制的影响;PPI也具有自我增长机制,CPI自身对PPI的增长有抑制作用,但它的平方项加速了PPI的增长;耦合项对CPI无影响,而使PPI受损,所以二者是共栖(偏害)的关系.     

我国CPI季节调整模型预测

文章基于考虑春节效应的X-12-ARIMA季节调整模型,对我国2002年1月至2013年12月的CPI序列月度数据进行季节调整,并进行季节波动性分析及短期预测.实证结果表明:我国的CPI变动存在明显的季节性特征,春节效应对其有显著影响;CPI序列的短期波动主要是受季节性成分影响,而长期波动主要受趋势-循环成分影响;利用该模型进行短期预测效果较好,预测误差绝对值控制在1.5％之内.     

基于ARIMA模型的北京居民消费价格指数预测

自回归单整移动平均模型(ARIMA)是目前较为广泛应用的时间序列建模方法之一,文章以北京市1998年1月~2013年5月的CPI月度数据为样本,采用Eviews6.0软件,建立了ARIMA(12,18)模型,模型对样本内数据拟合较好,预测误差较小,用该模型对北京市2013年6月~2013年12月的CPI指数进行了预测。     

半参数空间ZISF的估计及反馈分类

本文引入空间效应、非参函数和非连续分布技术无效率项,构建了半参数空间0无效率随机前沿模型(简称为半参数空间ZISF),模型的适用性更广,可有效避免函数形式误设和忽略内生性问题导致的有偏和不一致估计量.对非参函数采用B样条逼近,使用极大似然方法和JLMS法可得到参数(含非参数函数)和技术效率的估计.基于伯努利大数定律提出反馈分类,可将技术无效率项分类.蒙特卡罗模拟表明:①本文方法的估计精度较高.增加样本容量后,估计精度更优.忽略任意一种效应将导致估计精度降低.②分类阈值的跨度较大,主观判断贝叶斯后验概率的大小进而将技术无效率项分类的可靠性较低.反馈分类的准确率较高且必要.