我国CPI预期实证分析
2014-07-09奚欢
奚欢
摘要：本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析，建立了一个相对误差不超过1%的与预测模型。最后，本文对2014年3月到6月的CPI数据进行预测。
关键词：CPI ARIMA 预测
本论文是上海财经大学浙江学院《金融计量学》实验课题项目成果；
一、引言
消费者物价指数（CPI）是反映消费者购买商品价格水平的统计指标，表示与居民生活密切相关的商品和服务的价格变化趋势或幅度。CPI涉及经济发展，关乎社会和谐，维系人民生计，是管理者制定宏观经济政策、分析货币市场和债券市场及央行公开市场业务的重要参考依据，历来备受政府和民众关注。因此对CPI精确地预测和分析具有重要的理论和现实意义。国内外很多学者对CPI进行了研究，对我国CPI的年度数据建立了模型，该模型只有一步预测较好，其余效果不太好。对CPI季节调整进行了实证研究，但所用数据从1994年开始，而我国从2001年起，开始改用国际通用方法，计算和公布定基价格指数，故所用数据不能够准确反映CPI变化规律。
本文运用ARMA 模型对我国2006年1月份到2014年2月份的月度CPI数据进行实证分析，获得了相对误差不超过1%的预测模型，预测精度较高。最后，运用预测模型对2014年3月到2014年6月份的CPI数据进行预测。
二、ARIMA模型预测
（一）数据预处理与分析
本文选取数据为我国2006年1月到2014年2月的月度CPI。因为CPI是同比数据，所以以2005年1月的CPI为基数，结合2005年各月CPI的环比数据将2006年1月到2014年2月的CPI换算成定基指数，并对其进行取对数的预处理，得到定基指数的对数序列LCPI。
运用Eviews7.0绘制LCPI的时序图，结果见图1。由图1可以看到，LCPI是一个非平稳序列，且具有以下特点：
（1）随着时间的推移CPI呈现出不断增大的总体趋势，且在2006年7月至2008年2月间CPI的增长速度较快；
（2）CPI在不断增大的整体趋势下也伴随着局部的回落，如2008年2月至2009年7月间CPI在不断下降。
（二）模型识别与参数估计
对LCPI的1阶差分序列DLCPI进行平稳性检验。它在含有截距和趋势项模型下的ADF检验值小于其对应的临界值，所以DLCPI是平稳的。从而，CPI是1阶平稳的。
进一步，运用Eviews7.0 软件对DLCPI进行白噪声检验。由于DLCPI只有滞后12、24和36阶的自相关系超出了两倍误差范围，其偏自相关函数只有滞后12阶在两倍误差范围外，所以它是一个非白噪声序列。从而，可初步对LCPI建立疏系数模型ARIMA（（12），1，（12，24，36）），其参数估计结果见表1。
（三）模型预测
三、结束语
消费者物价水平受到各种不确定因素影响，因此在建立预测模型时无法将所有因素都考虑进去，模型对CPI的预测存在误差。本文运用ARIMA模型对我国CPI进行预测，预测值和真实值间的误差在1%以下，预测精度较高。
参考文献：
[1]陈娟，余灼萍.我国居民消费价格指数的短期预测[J].统计与决策，2004（4）
[2]张鸣芳等.居民消费价格指数季节调整实证研究[J].财经研究，2004，30（3）
[3]王昌云，戴稳胜，张成思.基于Eviews的金融计量学[M].北京：中国人民大学出版社，2010
[4]王燕.应用时间序列分析 [M].北京：中国人民大学出版社，2008endprint
摘要：本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析，建立了一个相对误差不超过1%的与预测模型。最后，本文对2014年3月到6月的CPI数据进行预测。
关键词：CPI ARIMA 预测
本论文是上海财经大学浙江学院《金融计量学》实验课题项目成果；
一、引言
消费者物价指数（CPI）是反映消费者购买商品价格水平的统计指标，表示与居民生活密切相关的商品和服务的价格变化趋势或幅度。CPI涉及经济发展，关乎社会和谐，维系人民生计，是管理者制定宏观经济政策、分析货币市场和债券市场及央行公开市场业务的重要参考依据，历来备受政府和民众关注。因此对CPI精确地预测和分析具有重要的理论和现实意义。国内外很多学者对CPI进行了研究，对我国CPI的年度数据建立了模型，该模型只有一步预测较好，其余效果不太好。对CPI季节调整进行了实证研究，但所用数据从1994年开始，而我国从2001年起，开始改用国际通用方法，计算和公布定基价格指数，故所用数据不能够准确反映CPI变化规律。
本文运用ARMA 模型对我国2006年1月份到2014年2月份的月度CPI数据进行实证分析，获得了相对误差不超过1%的预测模型，预测精度较高。最后，运用预测模型对2014年3月到2014年6月份的CPI数据进行预测。
二、ARIMA模型预测
（一）数据预处理与分析
本文选取数据为我国2006年1月到2014年2月的月度CPI。因为CPI是同比数据，所以以2005年1月的CPI为基数，结合2005年各月CPI的环比数据将2006年1月到2014年2月的CPI换算成定基指数，并对其进行取对数的预处理，得到定基指数的对数序列LCPI。
运用Eviews7.0绘制LCPI的时序图，结果见图1。由图1可以看到，LCPI是一个非平稳序列，且具有以下特点：
（1）随着时间的推移CPI呈现出不断增大的总体趋势，且在2006年7月至2008年2月间CPI的增长速度较快；
（2）CPI在不断增大的整体趋势下也伴随着局部的回落，如2008年2月至2009年7月间CPI在不断下降。
（二）模型识别与参数估计
对LCPI的1阶差分序列DLCPI进行平稳性检验。它在含有截距和趋势项模型下的ADF检验值小于其对应的临界值，所以DLCPI是平稳的。从而，CPI是1阶平稳的。
进一步，运用Eviews7.0 软件对DLCPI进行白噪声检验。由于DLCPI只有滞后12、24和36阶的自相关系超出了两倍误差范围，其偏自相关函数只有滞后12阶在两倍误差范围外，所以它是一个非白噪声序列。从而，可初步对LCPI建立疏系数模型ARIMA（（12），1，（12，24，36）），其参数估计结果见表1。
（三）模型预测
三、结束语
消费者物价水平受到各种不确定因素影响，因此在建立预测模型时无法将所有因素都考虑进去，模型对CPI的预测存在误差。本文运用ARIMA模型对我国CPI进行预测，预测值和真实值间的误差在1%以下，预测精度较高。
参考文献：
[1]陈娟，余灼萍.我国居民消费价格指数的短期预测[J].统计与决策，2004（4）
[2]张鸣芳等.居民消费价格指数季节调整实证研究[J].财经研究，2004，30（3）
[3]王昌云，戴稳胜，张成思.基于Eviews的金融计量学[M].北京：中国人民大学出版社，2010
[4]王燕.应用时间序列分析 [M].北京：中国人民大学出版社，2008endprint
摘要：本文运用ARIMA模型对我国2006年1月到2014年2月的月度CPI数据进行实证分析，建立了一个相对误差不超过1%的与预测模型。最后，本文对2014年3月到6月的CPI数据进行预测。
关键词：CPI ARIMA 预测
本论文是上海财经大学浙江学院《金融计量学》实验课题项目成果；
一、引言
消费者物价指数（CPI）是反映消费者购买商品价格水平的统计指标，表示与居民生活密切相关的商品和服务的价格变化趋势或幅度。CPI涉及经济发展，关乎社会和谐，维系人民生计，是管理者制定宏观经济政策、分析货币市场和债券市场及央行公开市场业务的重要参考依据，历来备受政府和民众关注。因此对CPI精确地预测和分析具有重要的理论和现实意义。国内外很多学者对CPI进行了研究，对我国CPI的年度数据建立了模型，该模型只有一步预测较好，其余效果不太好。对CPI季节调整进行了实证研究，但所用数据从1994年开始，而我国从2001年起，开始改用国际通用方法，计算和公布定基价格指数，故所用数据不能够准确反映CPI变化规律。
本文运用ARMA 模型对我国2006年1月份到2014年2月份的月度CPI数据进行实证分析，获得了相对误差不超过1%的预测模型，预测精度较高。最后，运用预测模型对2014年3月到2014年6月份的CPI数据进行预测。
二、ARIMA模型预测
（一）数据预处理与分析
本文选取数据为我国2006年1月到2014年2月的月度CPI。因为CPI是同比数据，所以以2005年1月的CPI为基数，结合2005年各月CPI的环比数据将2006年1月到2014年2月的CPI换算成定基指数，并对其进行取对数的预处理，得到定基指数的对数序列LCPI。
运用Eviews7.0绘制LCPI的时序图，结果见图1。由图1可以看到，LCPI是一个非平稳序列，且具有以下特点：
（1）随着时间的推移CPI呈现出不断增大的总体趋势，且在2006年7月至2008年2月间CPI的增长速度较快；
（2）CPI在不断增大的整体趋势下也伴随着局部的回落，如2008年2月至2009年7月间CPI在不断下降。
（二）模型识别与参数估计
对LCPI的1阶差分序列DLCPI进行平稳性检验。它在含有截距和趋势项模型下的ADF检验值小于其对应的临界值，所以DLCPI是平稳的。从而，CPI是1阶平稳的。
进一步，运用Eviews7.0 软件对DLCPI进行白噪声检验。由于DLCPI只有滞后12、24和36阶的自相关系超出了两倍误差范围，其偏自相关函数只有滞后12阶在两倍误差范围外，所以它是一个非白噪声序列。从而，可初步对LCPI建立疏系数模型ARIMA（（12），1，（12，24，36）），其参数估计结果见表1。
（三）模型预测
三、结束语
消费者物价水平受到各种不确定因素影响，因此在建立预测模型时无法将所有因素都考虑进去，模型对CPI的预测存在误差。本文运用ARIMA模型对我国CPI进行预测，预测值和真实值间的误差在1%以下，预测精度较高。
参考文献：
[1]陈娟，余灼萍.我国居民消费价格指数的短期预测[J].统计与决策，2004（4）
[2]张鸣芳等.居民消费价格指数季节调整实证研究[J].财经研究，2004，30（3）
[3]王昌云，戴稳胜，张成思.基于Eviews的金融计量学[M].北京：中国人民大学出版社，2010
[4]王燕.应用时间序列分析 [M].北京：中国人民大学出版社，2008endprint