我國CPI預期實證分析

奚歡

摘要：本文運用ARIMA模型對我國2006年1月到2014年2月的月度CPI數據進行實證分析，建立了一個相對誤差不超過1%的與預測模型。最后，本文對2014年3月到6月的CPI數據進行預測。

關鍵詞：CPI ARIMA 預測

本論文是上海財經大學浙江學院《金融計量學》實驗課題項目成果；

一、引言

消費者物價指數（CPI）是反映消費者購買商品價格水平的統計指標，表示與居民生活密切相關的商品和服務的價格變化趨勢或幅度。CPI涉及經濟發展，關乎社會和諧，維系人民生計，是管理者制定宏觀經濟政策、分析貨幣市場和債券市場及央行公開市場業務的重要參考依據，歷來備受政府和民眾關注。因此對CPI精確地預測和分析具有重要的理論和現實意義。國內外很多學者對CPI進行了研究，對我國CPI的年度數據建立了模型，該模型只有一步預測較好，其余效果不太好。對CPI季節調整進行了實證研究，但所用數據從1994年開始，而我國從2001年起，開始改用國際通用方法，計算和公布定基價格指數，故所用數據不能夠準確反映CPI變化規律。

本文運用ARMA 模型對我國2006年1月份到2014年2月份的月度CPI數據進行實證分析，獲得了相對誤差不超過1%的預測模型，預測精度較高。最后，運用預測模型對2014年3月到2014年6月份的CPI數據進行預測。

二、ARIMA模型預測

（一）數據預處理與分析

本文選取數據為我國2006年1月到2014年2月的月度CPI。因為CPI是同比數據，所以以2005年1月的CPI為基數，結合2005年各月CPI的環比數據將2006年1月到2014年2月的CPI換算成定基指數，并對其進行取對數的預處理，得到定基指數的對數序列LCPI。

運用Eviews7.0繪制LCPI的時序圖，結果見圖1。由圖1可以看到，LCPI是一個非平穩序列，且具有以下特點：

（1）隨著時間的推移CPI呈現出不斷增大的總體趨勢，且在2006年7月至2008年2月間CPI的增長速度較快；

（2）CPI在不斷增大的整體趨勢下也伴隨著局部的回落，如2008年2月至2009年7月間CPI在不斷下降。

（二）模型識別與參數估計

對LCPI的1階差分序列DLCPI進行平穩性檢驗。它在含有截距和趨勢項模型下的ADF檢驗值小于其對應的臨界值，所以DLCPI是平穩的。從而，CPI是1階平穩的。

進一步，運用Eviews7.0 軟件對DLCPI進行白噪聲檢驗。由于DLCPI只有滯后12、24和36階的自相關系超出了兩倍誤差范圍，其偏自相關函數只有滯后12階在兩倍誤差范圍外，所以它是一個非白噪聲序列。從而，可初步對LCPI建立疏系數模型ARIMA（（12），1，（12，24，36）），其參數估計結果見表1。

（三）模型預測

三、結束語

消費者物價水平受到各種不確定因素影響，因此在建立預測模型時無法將所有因素都考慮進去，模型對CPI的預測存在誤差。本文運用ARIMA模型對我國CPI進行預測，預測值和真實值間的誤差在1%以下，預測精度較高。

參考文獻：

[1]陳娟，余灼萍.我國居民消費價格指數的短期預測[J].統計與決策，2004（4）

[2]張鳴芳等.居民消費價格指數季節調整實證研究[J].財經研究，2004，30（3）

[3]王昌云，戴穩勝，張成思.基于Eviews的金融計量學[M].北京：中國人民大學出版社，2010

[4]王燕.應用時間序列分析 [M].北京：中國人民大學出版社，2008endprint

摘要：本文運用ARIMA模型對我國2006年1月到2014年2月的月度CPI數據進行實證分析，建立了一個相對誤差不超過1%的與預測模型。最后，本文對2014年3月到6月的CPI數據進行預測。

關鍵詞：CPI ARIMA 預測

本論文是上海財經大學浙江學院《金融計量學》實驗課題項目成果；

一、引言

消費者物價指數（CPI）是反映消費者購買商品價格水平的統計指標，表示與居民生活密切相關的商品和服務的價格變化趨勢或幅度。CPI涉及經濟發展，關乎社會和諧，維系人民生計，是管理者制定宏觀經濟政策、分析貨幣市場和債券市場及央行公開市場業務的重要參考依據，歷來備受政府和民眾關注。因此對CPI精確地預測和分析具有重要的理論和現實意義。國內外很多學者對CPI進行了研究，對我國CPI的年度數據建立了模型，該模型只有一步預測較好，其余效果不太好。對CPI季節調整進行了實證研究，但所用數據從1994年開始，而我國從2001年起，開始改用國際通用方法，計算和公布定基價格指數，故所用數據不能夠準確反映CPI變化規律。

本文運用ARMA 模型對我國2006年1月份到2014年2月份的月度CPI數據進行實證分析，獲得了相對誤差不超過1%的預測模型，預測精度較高。最后，運用預測模型對2014年3月到2014年6月份的CPI數據進行預測。

二、ARIMA模型預測

（一）數據預處理與分析

本文選取數據為我國2006年1月到2014年2月的月度CPI。因為CPI是同比數據，所以以2005年1月的CPI為基數，結合2005年各月CPI的環比數據將2006年1月到2014年2月的CPI換算成定基指數，并對其進行取對數的預處理，得到定基指數的對數序列LCPI。

運用Eviews7.0繪制LCPI的時序圖，結果見圖1。由圖1可以看到，LCPI是一個非平穩序列，且具有以下特點：

（1）隨著時間的推移CPI呈現出不斷增大的總體趨勢，且在2006年7月至2008年2月間CPI的增長速度較快；

（2）CPI在不斷增大的整體趨勢下也伴隨著局部的回落，如2008年2月至2009年7月間CPI在不斷下降。

（二）模型識別與參數估計

對LCPI的1階差分序列DLCPI進行平穩性檢驗。它在含有截距和趨勢項模型下的ADF檢驗值小于其對應的臨界值，所以DLCPI是平穩的。從而，CPI是1階平穩的。

進一步，運用Eviews7.0 軟件對DLCPI進行白噪聲檢驗。由于DLCPI只有滯后12、24和36階的自相關系超出了兩倍誤差范圍，其偏自相關函數只有滯后12階在兩倍誤差范圍外，所以它是一個非白噪聲序列。從而，可初步對LCPI建立疏系數模型ARIMA（（12），1，（12，24，36）），其參數估計結果見表1。

（三）模型預測

三、結束語

消費者物價水平受到各種不確定因素影響，因此在建立預測模型時無法將所有因素都考慮進去，模型對CPI的預測存在誤差。本文運用ARIMA模型對我國CPI進行預測，預測值和真實值間的誤差在1%以下，預測精度較高。

參考文獻：

[1]陳娟，余灼萍.我國居民消費價格指數的短期預測[J].統計與決策，2004（4）

[2]張鳴芳等.居民消費價格指數季節調整實證研究[J].財經研究，2004，30（3）

[3]王昌云，戴穩勝，張成思.基于Eviews的金融計量學[M].北京：中國人民大學出版社，2010

[4]王燕.應用時間序列分析 [M].北京：中國人民大學出版社，2008endprint

摘要：本文運用ARIMA模型對我國2006年1月到2014年2月的月度CPI數據進行實證分析，建立了一個相對誤差不超過1%的與預測模型。最后，本文對2014年3月到6月的CPI數據進行預測。

關鍵詞：CPI ARIMA 預測

本論文是上海財經大學浙江學院《金融計量學》實驗課題項目成果；

一、引言

消費者物價指數（CPI）是反映消費者購買商品價格水平的統計指標，表示與居民生活密切相關的商品和服務的價格變化趨勢或幅度。CPI涉及經濟發展，關乎社會和諧，維系人民生計，是管理者制定宏觀經濟政策、分析貨幣市場和債券市場及央行公開市場業務的重要參考依據，歷來備受政府和民眾關注。因此對CPI精確地預測和分析具有重要的理論和現實意義。國內外很多學者對CPI進行了研究，對我國CPI的年度數據建立了模型，該模型只有一步預測較好，其余效果不太好。對CPI季節調整進行了實證研究，但所用數據從1994年開始，而我國從2001年起，開始改用國際通用方法，計算和公布定基價格指數，故所用數據不能夠準確反映CPI變化規律。

本文運用ARMA 模型對我國2006年1月份到2014年2月份的月度CPI數據進行實證分析，獲得了相對誤差不超過1%的預測模型，預測精度較高。最后，運用預測模型對2014年3月到2014年6月份的CPI數據進行預測。

二、ARIMA模型預測

（一）數據預處理與分析

本文選取數據為我國2006年1月到2014年2月的月度CPI。因為CPI是同比數據，所以以2005年1月的CPI為基數，結合2005年各月CPI的環比數據將2006年1月到2014年2月的CPI換算成定基指數，并對其進行取對數的預處理，得到定基指數的對數序列LCPI。

運用Eviews7.0繪制LCPI的時序圖，結果見圖1。由圖1可以看到，LCPI是一個非平穩序列，且具有以下特點：

（1）隨著時間的推移CPI呈現出不斷增大的總體趨勢，且在2006年7月至2008年2月間CPI的增長速度較快；

（2）CPI在不斷增大的整體趨勢下也伴隨著局部的回落，如2008年2月至2009年7月間CPI在不斷下降。

（二）模型識別與參數估計

對LCPI的1階差分序列DLCPI進行平穩性檢驗。它在含有截距和趨勢項模型下的ADF檢驗值小于其對應的臨界值，所以DLCPI是平穩的。從而，CPI是1階平穩的。

進一步，運用Eviews7.0 軟件對DLCPI進行白噪聲檢驗。由于DLCPI只有滯后12、24和36階的自相關系超出了兩倍誤差范圍，其偏自相關函數只有滯后12階在兩倍誤差范圍外，所以它是一個非白噪聲序列。從而，可初步對LCPI建立疏系數模型ARIMA（（12），1，（12，24，36）），其參數估計結果見表1。

（三）模型預測

三、結束語

消費者物價水平受到各種不確定因素影響，因此在建立預測模型時無法將所有因素都考慮進去，模型對CPI的預測存在誤差。本文運用ARIMA模型對我國CPI進行預測，預測值和真實值間的誤差在1%以下，預測精度較高。

參考文獻：

[1]陳娟，余灼萍.我國居民消費價格指數的短期預測[J].統計與決策，2004（4）

[2]張鳴芳等.居民消費價格指數季節調整實證研究[J].財經研究，2004，30（3）

[3]王昌云，戴穩勝，張成思.基于Eviews的金融計量學[M].北京：中國人民大學出版社，2010

[4]王燕.應用時間序列分析 [M].北京：中國人民大學出版社，2008endprint