APP下载

基于ARIMA模型的水果价格预测与分析

2019-09-16周可鑫江西财经大学统计学院

消费导刊 2019年31期
关键词:鲜果价格指数居民消费

周可鑫 江西财经大学统计学院

一、引言

近期,水果价格暴涨引发各方关注,据统计,5月份水果价格较春节前总体涨幅在50%以上,比去年同期上涨了78%左右。水果价格上涨主要受极端天气影响,部分地区水果产量减少,供不应求。除此之外,水果价格总体上涨还受到进口、有机水果等高端品类占比提高的带动。本文将根据2010年6月至2019年5月鲜果类居民消费价格指数(上年同期=100)构建ARIMA模型,并预测未来5个月的鲜果类居民消费价格指数。

二、实证分析与检验结果

(一)数据选取

本文选取中经网数据库2010年6月至2019年5月鲜果类居民消费价格指数(上年同期=100),共108个。

(二)数据初步处理

1.平稳性检验

首先,对上述108个数据绘制时序图,如图1所示。再进行ADF检验,P值为0.6338,大于0.05。由时序图和ADF检验结果可看出该序列不平稳。因此对其进行差分运算,最终得出对原序列做二阶差分运算较为合适,再次进行ADF检验,P值为0.01,小于0.05,故判定二阶差分后的序列是平稳序列。

图1 2010年6月至2019年5月鲜果类居民消费价格指数(上年同期=100)时序图

2.纯随机性检验

序列之间必须存在相关性,因此需对时间序列进行纯随机性检验,绘制处理后序列的自相关图和偏相关图。自相关图明显拖尾,偏自相关图9阶截尾。自相关系数白噪声检验结果显示,延迟6期和12期的LB统计量的P值均远小于0.05,故认定该序列为非白噪声序列。

(三)构建ARIMA模型

1.模型定阶

根据自相关图和偏自相关图的性质,可考虑构建ARIMA(9,2,0)模型。BIC信息量相对最小的是ARIMA(9,2,0)模型。

2.参数估计和参数显著性检验

接下来估计模型中未知参数的值并进行显著性诊断。根据参数显著性检验结果可知,仅有的P值远小于0.05,显著非零。因此剔除不显著参数所对应的自变量重新拟合ARIMA((1,2,3,4),2,0)模型并再次检验,结果如表1所示,参数显著。

表1 剔除不显著参数后显著性检验结果

3.模型的显著性检验

显著有效模型的残差序列应为白噪声序列。故对残差进行自相关检验,结果如表3所示,延迟6期和12期的LB统计量的P值分别为0.2770和0.8063,大于0.05,所以残差是白噪声序列,该拟合模型显著成立。

4.序列预测

表2 未来5个月鲜果类居民消费价格指数(上年同期=100)预测值

三、结论

本文通过建立ARIMA((1,2,3,4,),2,0)模型,拟合2010年6月至2019年5月鲜果类居民消费价格指数(上年同期=100),效果良好。模型预测水果价格不会长期持续上涨,未来几个月有望回落到正常水平,这与大众预期一致。说明这种暴涨现象只是短期的季节性变动,物价在未来并不会出现持续通胀。

猜你喜欢

鲜果价格指数居民消费
基于区块链技术在鲜果与健康领域结合的应用探究
2020年12月中国稀土价格指数及四大功能材料价格指数
鲜果出远门得用新招儿
2017年居民消费统计数据资料
8月百城价格指数环比连续16个月上涨
7月百城价格指数环比连续15个月上涨
以“互联网+”助推丹东鲜果产业发展
各种价格指数
居民消费
南疆4个红枣品种鲜果品质特性分析