基于时间序列模型的CPI分析预测案例分析ppt
以下为《基于时间序列模型的CPI分析预测案例分析ppt》的无排版文字预览，完整内容请下载
基于时间序列模型的CPI分析预测2019级统计一班孙某某案例分析居民消费价格指数（CPI）与人民群众的生活密切相关，与此同时它在整个国民经济价格体系中也具有重要的地位。一方面它是政府或者企业进行经济分析和决策、物价水平监测和调控及国民经济核算的重要指标，另一方面其变动率在一定程度上反映了通货膨胀或紧缩的程度。因此面对复杂的国内外经济形势，要加深对居民消费价格指数的研究.本文以国家统计局收集到2020年1月至2022年11月的居民消费价格指数月度数据如表1所示为研究对象，所获得的样本数据为35个全国CPI月度数据，运用Python软件进行分析预测。一、数据的预处理二、模型的建立与检验三、模型的优化与预测四、结论分析过程一、数据的预处理1、平稳性检验1.1时序图法从图中大致可以看出前半段有明显的下降趋势，后半段有小幅度的上升趋势，对此初步判断该CPI时间序列不具有短期的平稳性。图1 原序列时序图数据的预处理1、平稳性检验1.2自相关图法通过图2中的自相关图我们可以看出大部分自相关系数都落在两倍标准差之内，只有两个自相关系数落在两倍标准差之外，所以认为CPI序列数据平稳。一、数据的预处理图2 原序列自相关图数据的预处理1、随机性检验所有延迟阶数的的P值均远远小于0.05，说明在0.05的显著性水平下，该数据不是纯随机序列，则进一步说明全国CPI月度数据是平稳非白噪声序列，具备进一步进行分析以及建立ARIMA模型的条件。表1 白噪声检验一、数据的预处理由于时序图检验和自相关图检验所带来的结果不一致，为进一步确定使用原序列还是差分序列，对序列进行一阶差分并进行一系列的检验。下列图片是经过一次差分后的时序图和自相关图，根据检验标准检验皆平稳。一阶差分平稳性检验图3 一阶差分时序图图4 一阶差分自相关图结果如表2所示，延迟阶数分别取了6阶、8阶、12阶，表示检验滞后的6、8、12期。可以通过表格看出所有延迟阶数的的P值均远远小于0.05，说明在0.05的显著性水平下，该数据是白噪声序列，不具备进行下一步建模的条件，综上选择原序列直接进行建模。一阶差分随机性检验表2 一阶差分白噪声检验二、模型的建立与检验二、模型的建立与检验2.1定阶通过Python软件对原CPI数据绘制出的自相关图和偏自相关图如图5和图6所示，观察两张图的自相关系数和偏自相关系数的走势，对所要建立的模型进行定阶处理。从自相关图中可以直观的判断出自相关拖尾，自相关系数大部分在0轴上下波动，或者也可以认为是1阶截尾；从偏自相关图中可以看出偏自相关1阶截尾，对此拟合模型一ARIMA（1,0,1）模型以及模型二ARIMA(0,0,1)模型，通过检验最终选定最优模型进行预测。图5 原序列自相关图图6 原序列偏自相关图二、模型的建立与检验二、模型的建立与检 内容过长，仅展示头部和尾部部分文字预览，全文请查看图片预览。 ，接下来运用该模型对2022年9月份至12月份的居民消费价格指数进行预测，预测结果分别为102.528747、102.541823、102.554103、101.514325。从模型的预测结果来看，模型预测值与实际值误差分别为-0.***8、0.***6、0.***8、0.***4，均在3%以内，模型的拟合效果较好，由该预测结果可以看出：在2022年的第四季度我国CPI指数呈现稳定上升状态，均保持在102.5这一水平，在2022年这一年之中有较小幅度的上升，但是与2021年相比大约上升了1%个点，而上涨则意味着居民消费增加。四、结论[文章尾部最后300字内容到此结束,中间部分内容请查看底下的图片预览]
以上为《基于时间序列模型的CPI分析预测案例分析ppt》的无排版文字预览，完整内容请下载
基于时间序列模型的CPI分析预测案例分析ppt由用户“zxy_py”分享发布，转载请注明出处