基于ARIMA模型的北京市CPI预测分析 .pdfVIP

基于ARIMA模型的北京市CPI预测分析

初睿

【摘要】ARIMAisawidelyusedmethodforanalyzingtimeseries

problems.ARIMAperformsbetterinshort-termpredictionoftimeseries.

Inthispaper,themonthlydataoftheCPI(consumerpriceindex)in

January2005toJune2017inBeijingwereselectedasthesample,andthe

modelARIMA(0,1,12)wasconstructedbymeansofEviews8.0software.

Aftertesting,themodelwastheusefulnessofthedataisextracted,the

effectoffittingisalsogood,andthetrendofthelatterhalfof2017in

Beijingisforecasted.%模型是在分析时间序列问题时较为常用的一种方法,该模型

尤其在研究时间序列的短期预测方面表现较好.文章选取了北京市2005年1月至

2017年6月的(居民消费价格指数)月度数据为样本,借助于Eviews8.0软件,构建了

(0,1,12)模型,经过检验,该模型充分提取了数据中的有用信息,拟合的效果也较为良

好,并利用该模型对北京市2017年下半年趋势进行了预测.

【期刊名称】《价值工程》

【年(卷),期】2018(037)005

【总页数】2页(P21-22)

【关键词】ARIMA;CPI;预测

【作者】初睿

【作者单位】北京信息科技大学,北京100192

【正文语种】中文

【中图分类】F726

0引言

CPI反映的是在一定时期内人们购买与生活密切相关的一篮子代表性商品和劳务的

综合性指标，是反应通货膨胀的重要指标之一，CPI不仅与居民的日常生活联系紧

密，而且对于政府判断居民购买力水平以及制定相应经济政策起着重要作用。

ARIMA模型是在分析时间序列问题时较为常用的一种模型，郭晓峰（2014）、雷

鹏飞等（2014）利用ARIMA模型对全国CPI趋势做了分析预测并给出了相应的

政策建议[1-2]；宋颖超（2017）利用ARIMA模型对上海的居民消费价格指数做

了研究[3]。文章选取了北京市2001年1月到2017年6月CPI月度数据作为研

究对象，并运用ARIMA模型进行建模，根据其走势特点进行了研究分析，并对未

来北京市CPI走势进行了预测。

1ARIMA模型简介

ARIMA（p，d，q）模型是在分析研究时间序列问题时较为常用的一种方法，该

模型尤其在研究时间序列的短期预测方面表现较好。设yt是一个随机的时间序列，

则

其中，d是yt的单整阶数，当d=0时，ARIMA模型就变成了ARIM（p，q）模

型；p代表的是自回归过程式（1）的最大阶数，当d=0且p=0时，ARIMA模型

就变成了MA（q）模型；q代表的是移动平均过程式（2）的最大阶数，当d=0

且q=0时，ARIMA模型就变成了AR（p）模型。因此，AR模型、MA模型以及

ARMA模型都属于特殊的ARIMA模型。构建ARIMA模型通常分为数据的平稳性

检验、模型的建立以及模型的检验三个部分[4-6]。

2实证分析

2.1数据来源

文章的数据来源于中宏统计数据库，选取了北京市2001年1月至2017年6月的

CPI月度数据（上年同期=100），使用Eviews8.0软件对数据进行了处理分析。

2.2平稳性检验

图1是CPI月度数据的曲线图，如图所示，CPI在07至09年出现了大幅波动，

而且序列整体呈现出非平稳的态势。单位根检验是一种较为常用的用于检测时间序

列是否平稳的严格的统计检验方法，文章采用单位根检