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.     

基于混频模型的CPI短期预测研究

传统的CPI预测模型都是基于相同频率的月度数据,金融市场的高频日度数据需要转化为月度数据才能使用。这会忽略日度变量所包含的CPI短期走势信息。为充分利用这些信息,本文基于自回归混频数据抽样模型同时考察了金融市场一阶矩收益和二阶矩波动的日度信息对CPI的短期走势预测的影响。结果表明,股票收益、短期利率和长短期利差变化量仅在收益水平上对CPI短期走势产生影响,而长期利率、粮食和能源商品市场的收益和波动都有助于CPI短期预测,而且收益对CPI的影响要比波动更加持久。相对于传统的月度时间序列建模方法,本文的混频CPI模型具有更好的样本内解释能力和样本外预测能力。另外,引入二阶矩波动的日度信息在一定程度上能更多地降低预测偏差。     

基于SARIMA-GMDH的CPI组合预测模型

文章以2001年1月至2015年2月的我国CPI定基指数为样本数据,首先构建季节乘积SARIMA模型与GMDH自回归模型对CPI进行预测;然后通过自组织数据挖掘理论构建SARIMA-GMDH组合模型再次对CPI进行预测;最后通过模型拟合优度检验与预测能力分析综合评价这3个预测模型,探索各个模型预测效果的差异性,总结评价组合预测法在经济现象中的预测优势.     

基于GM(1,1)模型的CPI经济预测

文章利用我国2010年9月~2011年3月的CPI月度指数,采用GM(1,1)模型建立CPI预测模型,并进行模型检验,采用该模型对未来几个月的CPI走势进行预测,结果表明模型有效。     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

两次金融危机影响下中国CPI运行对比分析

研究发现1997年金融危机发生前后CPI运行相关度非常高,而2008年金融危机发生当期CPI与2007CPI运行相关度非常高,并且对2008、2009年前5个月同比CPI数据进行分析,相关度也非常高。对此,文章在此基础上运用BP神经网络模型具有很好地模拟非线性系统的优点,对BP神经网络模型进行了改进,并运用该模型对中国2001～2008年前5个月月度CPI指数进行了拟合的基础上,对2009年后7个月月度CPI指数和全年CPI指数进行了预测。将2009年全年数据(包括已公布的前5个月数据和后7个月的预测数)与2008年数据进行相关分析,发现相关度非常高。     

基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

国际油价波动对我国CPI影响的实证分析

文章运用VAR模型,构建了国际原油价格与我国CPI之间的动态关系系统,着重探讨国际原油价格在下行阶段的影响规律.通过对国际原油价格和全国居民消费价格指数使用JJ协整检验,并采用最佳滞后期3的分析表明,国际原油价格和我国CPI之间存在长期均衡关系,国际原油价格下跌10％时,对数化的CPI指数下降0.2％.如果国际原油价格处于下跌走势时,在短期内对我国CPI不会产生显著影响,但如果国际油价长期处于低位时,会对我国CPI产生一定影响并形成通货紧缩的压力.     

大数据背景下CPI预测问题的文本挖掘技术设计与应用

本文创新地将半监督交互式关键词提取算法词频-逆向文件频率( Term Frequency- Inverse Document Frequency, TF-IDF )与基于 Transformer 的 双 向 编 码 表 征 ( Bidirectional Encoder Representation from Transformers,BERT)模型相结合,设计出一种扩展CPI预测种子关键词的文本挖掘技术。采用交互式TF-IDF算法,对原始CPI预测种子关键词汇广度上进行扩展,在此基础上通过BERT“两段式”检索过滤模型深入挖掘文本信息并匹配关键词,实现CPI预测关键词深度上的扩展,从而构建了CPI预测的关键词库。在此基础上,本文进一步对文本挖掘技术特征扩展前后的关键词建立预测模型进行对比分析。研究表明,相比于传统的关键词提取算法,交互式TF-IDF算法不仅无需借助语料库,而且还允许种子词的输入。同时,BERT模型通过迁移学习的方式对基础模型进行微调,学习特定领域知识,在CPI预测问题中很好地实现了语言表征、语义拓展与人机交互。相对于传统文本挖掘技术,本文设计的文本挖掘技术具有较强的泛化表征能力,在84个CPI预测关键种子词的基础上,扩充后的关键词对CPI具有更高的预测准确度和更充分的解释性。本文针对CP 预测问题设计的文本挖掘技术,也为建立其他宏观经济指标关键词词库提供新的研究思路与参考价值。     

基于网购搜索量的CPI及时预测模型

购物网站的用户搜索量数据是近年来出现的一种新类型数据源。基于该数据在合理选择关键词以及对数据进行季节调整和假日处理的基础上建立中国全国与城镇CPI的及时预测模型。模型以分布滞后模型为基础,采用Elastic-Net方法进行收缩估计进而实现变量选择。在确定最优惩罚因子和调整参数时采用了K重交叉验证技术。实证结果表明,搜索量变量与CPI具有显著的因果关系,在此基础上建立的预测模型经济含义合理,并能对CPI做出较精确的预测。同时,从模型均方误差角度看,基于Elastic-Net的变量选择显著优于基于逐步回归的方法,而城镇CPI预测模型也优于全国CPI预测模型。     

国际上对CPI偏差问题的研究及其评析与展望

CPI是宏观经济的核心指标之一,在官方统计和宏观经济分析中处于主导地位。但CPI却是一个存在偏差的指标。近些年来,CPI的偏差问题在国际范围内受到了广泛关注,有大量的文献研究CPI的偏差问题。本文对国际上研究CPI偏差问题的文献进行了全面梳理,系统总结了CPI偏差的来源、估算方法、估算结果以及CPI偏差的影响,从多个角度对CPI偏差测度问题进行了评析,并对未来需要进一步研究的问题进行了展望。     

基于季节调整的CPI统计环比指数研究

本文首先阐述了季节调整与统计环比指数的必要性,简要介绍了X-12-ARIMA与TRAMO/SEATS季节调整原理,然后运用X-12-ARIMA程序对中国1997年1月至2010年5月CPI月度数据进行季节调整,再运用TRAMO/SEATS方法解决季节调整程序中中国春节因素问题。接着由季节调整后的数据计算得到月环比CPI,对月环比CPI和同比增加率进行了比较,结果显示月环比CPI领先同比CPI。最后利用TRAMO/SEATS程序建立ARIMA模型（210）（011）进行了24个月的预测,预测结果显示,未来24个月内我国消费者物价指数温和上升,不会发生大的通货膨胀,但是存在一定的通胀压力。     

将房价因素计入中国CPI的实证研究

近年来中国房价的快速上涨与下跌和相对稳定的CPI不配比问题,引起国人对CPI指标的质疑,已影响到政府统计公信力。运用中国2010年CPI的月度数据与各月CPI分类数据,在借鉴美国使用成本法和澳大利亚获取法的基础上,重新建立中国CPI在住房消费方面的两种核算方法。通过对两种方法核算的CPI数据比较发现,澳大利亚获取法核算符合中国社会经济发展现状,能更真实反映中国城乡居民消费价格水平。鉴于中国房价对CPI的显著影响,中国应该采用获取法核算CPI,将房价直接计入CPI核算中,进而提高CPI指标的公信力。     

对CPI质疑的思考

近年来,由于物价涨势较高,居民的切身感受同国家统计局公布的CPI数值产生偏差,各界人士对CPI的关注度达到了空前的高度。在总结与回顾中国CPI编制理论与现实差异的基础上,从不同层面多方位讨论了中国CPI目前面临的主要问题,并在此基础上提出中国CPI改革和发展的主要方向。引起公众对CPI质疑的原因主要来自三个方面:消费者对CPI编制框架和理论的不理解、CPI编制现实条件的约束和限制、平均意义的CPI指数并不能代表不同阶层对物价变化的感受,由此造成了消费者感知差异。     

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。     

CPI编制中的几个基本问题探析

 消费者价格指数（CPI）是宏观经济分析中的重要指标，准确地编制CPI有着非常重要的意义。本文探讨了CPI的测度目标、概念框架、消费范围、地理范围、基本价格指数等CPI编制中的基本问题，得出了若干富有启发性的结论。     

权数对CPI的结果影响程度定量分析

权数是影响CPI精度的重要因素之一,通过对基本分类价格指数计算中的权数缺失和高层级价格指数计算中权数滞后的影响进行了理论和实证分析,结果表明,利用将销售量作为权数的"联合比"法对基本分类价格指数进行计算可以大幅提高其精度;高层级价格指数计算所用权数的滞后性同样会降低CPI的精度,且主要存在高估CPI的系统性误差问题。     

提高CPI数据质量的编制技术研究评述

提高CPI数据质量既需要采集的调查数据准确可靠,也需要编制指数的技术方法科学合理。消费者价格指数（CPI）通常是根据标准的指数方法计算而得,本文主要从指数编制技术的角度出发,分别从CPI的构造方法、质量调整、季节性产品的处理三个方面,对提高CPI数据质量的编制技术进行研究评述。在此基础上,本文从编制技术的角度,对提高我国CPI数据质量提出相应建议与对策。     

国外CPI偏差及其测度研究综述

在国内关于CPI是否存在偏差及如何测度偏差研究很少的学术背景下，主要围绕CPI价格指数是否存在偏差、偏差的比较基准、偏差的来源及如何测度偏差、降低偏差的主要方法等问题，对近年来国外的相关研究进行了综述，以期能对中国关于CPI的研究提供帮助。