| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第1章 绪论 | 第8-22页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外研究现状 | 第10-19页 |
| 1.2.1 国际大宗商品价格对CPI的影响 | 第10-11页 |
| 1.2.2 CPI预测的研究现状 | 第11-15页 |
| 1.2.3 混频数据模型的研究现状 | 第15-19页 |
| 1.3 本文结构安排 | 第19-20页 |
| 1.4 本文可能的创新点 | 第20-22页 |
| 第2章 混频数据模型及其应用介绍 | 第22-32页 |
| 2.1 基础MIDAS回归模型 | 第22-26页 |
| 2.1.1 单变量MIDAS回归模型 | 第22-24页 |
| 2.1.2 h步提前的单变量MIDAS模型 | 第24页 |
| 2.1.3 单变量自回归AR-MIDAS模型 | 第24-25页 |
| 2.1.4 多元MIDAS和AR-MIDAS模型 | 第25页 |
| 2.1.5 MIDAS模型的估计方法 | 第25-26页 |
| 2.2 MIDAS回归模型的扩展 | 第26-27页 |
| 2.3 MF-VAR模型 | 第27-32页 |
| 2.3.1 基础的MF-VAR模型 | 第27-28页 |
| 2.3.2 结合因子模型的MF-VAR模型 | 第28-29页 |
| 2.3.3 BMF-VAR模型 | 第29-32页 |
| 第3章 基于随机搜索变量选择方法的CPI预测变量选择 | 第32-44页 |
| 3.1 基于分层模型的变量选择方法 | 第32-34页 |
| 3.2 利用f(γ/Y) 识别最佳模型 | 第34-37页 |
| 3.2.1 γ的先验分布设定 | 第34-35页 |
| 3.2.2 τ_i和c_i的选择 | 第35-36页 |
| 3.2.3 R的选择 | 第36-37页 |
| 3.2.4 v_γ和λ_γ的选择 | 第37页 |
| 3.3 吉布斯搜索最优模型 | 第37-39页 |
| 3.4 预测变量的筛选—基于SSVS方法 | 第39-44页 |
| 3.4.1 指标的选取 | 第39-40页 |
| 3.4.2 变量筛选 | 第40-44页 |
| 第4章 基于混频数据模型的CPI预测及预测能力评价 | 第44-56页 |
| 4.1 数据处理与基准预测模型 | 第44-45页 |
| 4.1.1 数据处理 | 第44-45页 |
| 4.1.2 基准预测模型 | 第45页 |
| 4.2 单变量MIDAS模型的实时预报和短期预测 | 第45-51页 |
| 4.2.1 MIDAS(m,K)模型的估计与样本内预测效果比较 | 第45-48页 |
| 4.2.2 MIDAS(m,K,h)模型的样本内预测效果比较与外预测 | 第48-50页 |
| 4.2.3 AR(p)-MIDAS(m,K,h)模型的样本内预测效果比较与预报 | 第50-51页 |
| 4.3 多元MIDAS模型的实时预报与短期预测 | 第51-55页 |
| 4.3.1 M(n)-MIDAS(m,K)模型的估计与样本内预测效果比较 | 第52-53页 |
| 4.3.2 M(n)-MIDAS(m,K,h)模型的样本内预测比较与外预测 | 第53-54页 |
| 4.3.3 M(n)-MIDAS(m,K,h)-AR(p)模型的样本内预测效果比较与预报 | 第54-55页 |
| 4.4 大宗商品价格在CPI预测中的作用 | 第55-56页 |
| 第5章 研究结论与展望 | 第56-60页 |
| 5.1 研究结论 | 第56-57页 |
| 5.2 研究展望 | 第57-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64-65页 |
| 作者简历及在学期间所取得的主要科研成果 | 第65页 |
