论文基于ARMA模型我国居民消费价格指数预测是关于居民消费价格指数方面的论文题目、论文提纲、2018居民消费价格指数论文开题报告、文献综述、参考文献的相关大学硕士和本科毕业论文。
摘 要：居民消费价格指数（CPI）是用于反映居民家庭一般购买的商品和服务物价变动情况的宏观经济指标,对展示经济运行的平稳性,表现经济发展的质量和效益有重要意义.因此本文建立了一个ARMA模型,选取我国2001年1月到2015年12月的CPI环比月度数据作为样本,运用R3.4.3软件对居民消费价格指数时间序列的自相关系数与偏相关系数进行统计,进行模型定价并估计出其参数,并对2016年1月至5月的居民消费价格指数进行预测.实证结果显示MA（2）模型能较好地拟合商品指数的动态路径,模型的预测值与实际观测值非常接近,表明ARMA模型在居民消费价格指数的预测中效果较好.通过ARMA模型合理预测我国的居民消费价格指数,能够对未来经济发展有初步的了解,为国家有关政策的制定提供理论支持.
关键词：居民消费价格指数；ARMA模型；预测；时间序列
一、引言
居民消费价格指数（CPI）是根据与居民生活有关的产品及服务价格统计出来的物价变动的相对数指标,它既是反映通货膨胀程度的重要指标,也是国民经济核算中缩减指标.这一指标影响着政府制定货币、财政、消费、价格、工资、社会保障等政策,同时,也决定着消费者花费多少来购买商品和服务,直接影响居民的生活水平及评价.居民消费价格指数反映的市场价格信号真实,带动价格舆论导向正确.因此,对消费价格指数的预测研究有助于制定更有效的政策,更准确地进行国民经济的调控.
本文采用自回归移动平均模型（ARMA模型）定量地分析和预测我国的居民消费价格指数.ARMA模型广泛应用于研究各学科领域的平稳随机过程.基于此,本文选取2001年1月至2015年12月我国居民消费价格指数的月度统计数据来建立ARMA模型,使用现有数据对模型进行定价,选定模型并对2016年上半年月度居民消费价格指数进行预测,将预测结果与实际月度统计数据相比较,检验ARMA模型对我国居民消费价格指数的预测效果,为居民消费价格指数的预测提供实证经验.
二、ARMA模型
1.数据来源
本文选取2001年1月到2015年12月我国居民消费价格指数的实际月度数据,数据来源于中华人民共和国国家统计局.CPI环比指数是以上月同期为基期,以上月同期数据为100,展示报告期与上一时期的水平之比,较好地反映出指标的发展趋势和发展速度.
2.平稳性检验
从时序图中发现2001年至2015年我國居民消费价格指数月度数据的时间序列呈现出循环上升的趋势.
使用R3.4.3软件根据统计数据绘出时序图如下图所示：
3.自相关系数和偏自相关系数
相关系数度量的是两个不同事件彼此之间的相互影响程度；而自相关系数度量的是同一事件在两个不同时期之间的相关程度.
使用R3.4.3软件进行数据处理,分别得到如下的2001年至2015年我国居民消费价格指数月度数据的自相关系数图和偏自相关系数图.
自相关图表现出该序列的自相关系数一直较小、基本控制在2倍的标准差范围以内的特征,可以认为该序列都在零轴附近波动,认为该序列平稳.
经过纯随机性检验,得到自由度为6和12时P-value分别为0.03415和5.562e-8.
纯随机性检验结果显示,在各阶延迟下LB检验得到的结果显示P-value都小于0.05,通过非常小的P值我们可以以很大的显著性认为居民消费价格指数序列存在相关性,是非白噪声序列.
同时从以上检验结果发现居民消费价格指数序列存在以12个月为周期的周期性.因此需要对此序列进行以下两步的处理：（1）使用一阶差分去除其趋势；（2）进行12步差分处理去掉其季节周期性.由此得到一个平稳的时间序列,以便于进一步使用ARMA模型对序列进行分析和预测.
4.模型定价
ARMA模型的定价就是确定其参数p,q值.也即利用样本自相关系数和偏自相关系数图的性质,选择适当的ARMA模型拟合观察值序列.ARMA模型定价的基本原则如下：
自相关系数表现为拖尾,偏自相关系数表现为p阶截尾时,适用ARMA（p,0）模型；自相关系数表现为q阶截尾,偏自相关系数表现为拖尾时,适用ARMA（0,q）模型；自相关系数表现为拖尾,偏自相关系数表现为拖尾时,适用ARMA（p,q）模型.
由序列的自相关系数图可以看出序列的自相关系数表现出截尾的情况；由序列的偏自相关系数图发现序列的偏自相关系数表现出拖尾的情况,因此尝试使用MA模型进行拟合.
为获得最优的定价模型,本文分别采用不同的阶数对MA模型进行拟合试验,得到MA（1）模型的AIC为335.39；MA（2）模型的AIC为333.74；MA（3）模型的AIC为337.07.
根据AIC原则,确定该序列的最优解为AIC值最小的模型MA（2）,解得模型的方程为：
5.模型检验与预测
估计结果估计完成后要对方程的残差进行检验,依然采用Q相关图法对方程进行白噪声检验,检验的结果表示自由度为6和12时P-value分别为0.904和0.0006234.
根据检验结果可以看出自相关和偏自相关系数的P值较之前有了明显的提升,因此可以拒绝原假设,所以粗略认为MA（2）的残差不存在自相关和偏自相关,拟合模型显著有效.
运用R3.4.3对2016年的居民消费价格指数进行预测,考虑到时间原因,2016年的月度居民消费价格指数已经公布,便于通过预测值与实际值的对比检验模型的拟合程度.将1月-5月已经公布的实际值：100.5,101.6,99.6,99.8,100与模型得到的预测值：100.42,101.91,99.46,99.88,101.14相比较,可以发现居民消费价格指数的实际值与预测值两者最大差值仅为1个百分点,且都呈现上升——下降——上升趋势,说明模型有较高的可信度.
三、结论
CPI与居民生活密切相关,把握我国CPI走势在国民经济中起着重要的作用,我们应考虑长远利益,因此建议有关部门应在注重当下利益的同时加强对国民经济的监测和预警,密切关注国内和国际市场的价格变化,对不稳定物价水平及时采用调控措施,合理引导价格走势；同时适时调节国家宏观调控的力度,继续调整结构政策,鼓励消费,及时把握和应对出现的各种新情况,确保经济运行在合理区间,努力避免中国经济的硬着陆,使中国保持平稳较快的经济发展势头.
参考文献：
[1]付燕,栗锋.ARMA模型在我国体育股票价格预测中的应用[J].统计与决策,2012（21）：101-103.
[2]冯盼,曹显兵.基于ARMA模型的股价分析与预测的实证研究[J].数学的实践与认识,2011,41（22）：84-90.
[3]朱威,钟惟剑.ARMA模型在居民消费价格指数预测中的应用[J].金融经济,2008（16）：82-83.
[4]许凤华,魏媛.ARMA模型在小麦价格指数预测中的应用[J].统计与决策,2015（08）：82-84.
[5]欧廷皓.基于ARMA模型的房地产价格指数预测[J].统计与决策,2007（14）：92-93.
[6]何岩岩.基于ARMA模型的我国居民消费价格指数的分析及预测[J].商,2016（06）：204+143.
作者简介：张禾（1997.12- ）,女,汉族,河南省唐河县人,本科生,学生,中南财经政法大学,计量经济学
总结:这篇居民消费价格指数论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 我国居民消费价格指数季节调整短期预测 摘要：月度经济时间序列往往会受到季节因素影响，使得经济发展中的客观变化规律被遮盖或混淆。因此，使用居民消费价格指数月度数据进行物价波动趋势分析时。
2、 居民消费价格同比上涨1.1 1-8月，全市居民消费价格同比上涨1 1%，涨幅比1-7月回落0 1个百分点。其中，食品价格上涨3 3%，非食品价格上涨0 8%；消费品价格上涨。
3、 居民消费价格同比上涨1.3 1-11月，全市居民消费价格同比上涨1 3%，涨幅与1-10月持平。其中，食品价格上涨3 4%，非食品价格上涨1 0%；消费品价格上涨0 5%，。
4、 居民消费价格同比上涨1.8 1-5月，全市居民消费价格同比上涨1 8%。其中，食品价格下降1 3%，非食品价格上涨2 5%；消费品价格同比持平，服务项目价格上涨4 6%。5。
5、 基于区组Bootstrap方法居民消费价格指数趋势分析 摘 要：文章借助2011-2014年云南省居民消费价格指数月度数据，采用非参数的斯波曼秩相关检验统计量，用区组Bootstrap方法估计其趋势分。
6、 我国居民消费问题 摘要：文章将时间偏好内生化，个人子女数量增加会加强个人对未来的耐心程度，增加对未来的时间偏好，而未来时间偏好的增加会降低个人的即期消费，增加居民。