福建省居民消费价格月度同比指数的预测与预警研究.docVIP

福建省居民消费价格月度同比指数的预测与预警研究 　　摘 要：利用2003年7月至2017年3月的福建省居民消费价格月度同比指数CPI，建立了预测模型，得到了若干结果：过去165个月CPI平均值为2.5194，具有36.33个月的循环变动周期；预测得到2017年4月至2018年3月的12个月CPI数值；2017年4月至2018年3月CPI都在[0.40，1.46）区间内、位于低轻警区间；指出了研究结果的政策含义。 　　关键词：CPI；趋势变动、季节变动、循环变动；ARMA模型；预警 　　居民消费价格指数，指反映一定时期内城乡居民所购买的生活消费品价格和服务项目价格变动趋势和程度的相对数，是对城市居民消费价格指数和农村居民消费价格指数进行综合汇总计算得到的结果。利用居民消费价格指数，可以观察和分析消费品的零售价格和服务价格变动对城乡居民实际生活费支出的影响程度。因此倍受政府、社会和消费者的关注。在CPI构成权重体系中，食品约占30%，而肉类又在食品中约占1/4。2015年6月以后，食品价格总指数总体攀升，2016年2月竟高达到11.1，而后在2017年2月又突然下行到-7.6，波动表现异常。人们不禁要问CPI指数未来将会怎样运行？是否有警？为此，我们通过CPI的历史运行轨迹来预测未来走势并进行预警分析。 　　一、CPI数据来源及运行轨迹 　　福建省居民消费价格月度同比增长率数据来源于福建省统计局官网的“进度数据”。数据的起讫月份分别是2003年7月、2017年3月，时间跨度165个月。CPI的运行轨迹见图1。 　　二、CPI序列的分解与合成模型 　　传统时间序列分析把时间序列的波动归结为趋势变动、季节变动、循环变动和不规则变动四大因素。其中趋势变动是指时间序列数据受某种根本因素影响在较长时间内朝一定方向变化的规律；季节变动是指时?g序列随季节变化而引起的变动；循环变动是指周期为数年的变动，是一种波浪式起伏变动；不规则变动是无规律可循的一种变化，包括各种偶然事故引起的变动，也被称为随机变动或残差变动。时间序列的四种变动与原序列之间的关系可概括为两类模型：乘法模型：Y=TSCI；加法模型：Y=T+S+C+I。乘法模型适于T、S、C相关的情形，加法模型适于T、S、C相互独立的情形。鉴于CPI有负数等特征，这里使用加法模型。 　　趋势模型的最一般形式为 ，式中t是时间变量。趋势模型的具体形式多种多样，常用的趋势模型有：直线： ；指数曲线： ；幂函数曲线： ；对数曲线： ；多项式： ；修正指数曲线： ；双曲线： ；Compertz曲线： ；Logistic曲线： 。 　　将时间序列的各个波动因素从原序列中剥离出来的过程，称为时间序列的分解。其目的是为了更清楚地观察各个波动因素并认识其规律，以便对该因素的变化进行预测。对CPI的分解和预测过程是：找出CPI的趋势CPI_T，记E1=CPI-CPI_C，则E是CPI剔除趋势后的序列；对E1进行季节因素分析，找出季节因子CPI_S，并利用它对E1进行季节调整，记调整后的序列为CPI_TSA，它是CPI去除趋势和季节因素后的序列；根据CPI_TSA序列的变动特征，找出循环变化的曲线CPI_C，记E2=CPI_TSA-CPI_C，则E2是包含不规则变化的残差，最后对E2建立预测模型，直至最后的模型残差是白噪声序列。 　　合成是在清楚认识各部分波动的变动规律的前提下，将分解开来的因素再重新合并。这里，合成就是将趋势CPI_T的预测值、季节因子CPI_S、CPI_C的预测值、E2的预测值进行求和。 　　三、CPI的数值预测模型及预测结果 　　建立CPI的数值预测模型就是将上面的概念和符号模型具体化为数值模型的过程。从图1可以看出，CPI变动具有总体下降趋势，趋势可以用线性模型拟合，使用软件EViews6.0得到趋势线方程CPI_T=2.99687-0.00575t，预测值见表3第2列，得到季节指数CPI_S，具体数值见表3第3列。 　　CPI剔除趋势并进行季节调整后的序列CPI_TSA的图像见图2.从中可知，它的变动具有周期并振幅逐渐减小，可以用变振幅的正弦或余弦函数加以拟合。得到循环变动方程为： 　　其中t=1，2，3，...，分别代表2003年7月、2003年8月、2003年9月，......。曲线的图像见图2。从循环变动曲线方程中可知，福建CPI具有周期性，周期为36.33个月。CPI_C的预测值见表3第4列。 　　对CPI序列剔除趋势因素、季节因素、循环因素后剩下的E2，通过单位根检验，可知经一次逐期差分后平稳，即E2是1阶单整序列，可以建立ARIMA模型。经E2一阶差分序列的自相关和偏自相关系数分析， ，根据AIC、SC、HQC多数最小原则，取p=2，q=2，于是对E