摘要 | 第4-5页 |
Abstract | 第5-6页 |
1 绪论 | 第10-14页 |
1.1 选题的研究背景及意义 | 第10页 |
1.2 国内外研究动态 | 第10-12页 |
1.2.1 时间序列的研究发展 | 第10-11页 |
1.2.2 灰色模型研究发展 | 第11-12页 |
1.2.3 组合预测模型动态发展 | 第12页 |
1.3 研究的方法及思路 | 第12-13页 |
1.4 本论文研究的主要内容 | 第13-14页 |
2 时间序列分析的相关理论 | 第14-27页 |
2.1 时间序列的定义 | 第14页 |
2.2 时间序列的预处理 | 第14-18页 |
2.2.1 平稳性检验 | 第14-17页 |
2.2.2 纯随机检验 | 第17-18页 |
2.3 平稳时间序列统计性质 | 第18-19页 |
2.3.1 自协方差函数 | 第18页 |
2.3.2 自相关系数 | 第18-19页 |
2.3.3 偏自相关系数 | 第19页 |
2.4 平稳时间序列模型 | 第19-21页 |
2.4.1 AR模型 | 第19-20页 |
2.4.2 MR模型 | 第20-21页 |
2.4.3 ARMR模型 | 第21页 |
2.5 非平稳时间序列 | 第21-23页 |
2.5.1 ARIMA模型 | 第21-22页 |
2.5.2 疏系数模型 | 第22-23页 |
2.6 模型的识别 | 第23-25页 |
2.6.1 模型的初步选择 | 第23-24页 |
2.6.2 模型的优化选择 | 第24-25页 |
2.7 模型的参数估计 | 第25-27页 |
2.7.1 矩估计 | 第25-26页 |
2.7.2 极大似然估计 | 第26页 |
2.7.3 最小二乘估计 | 第26-27页 |
3 时间序列分析模型在我国居民消费价格指数预测中的应用 | 第27-37页 |
3.1 时间序列模型的建立步骤 | 第27-28页 |
3.1.1 建模的具体操作步骤 | 第27页 |
3.1.2 建模步骤图展示 | 第27-28页 |
3.2 ARIMA(p,q)模型在CPI中的应用 | 第28-34页 |
3.2.1 数据的选取 | 第28页 |
3.2.2 平稳性的判断及处理 | 第28-31页 |
3.2.3 模型的建立 | 第31-34页 |
3.3 模型拟合及预测检验 | 第34-36页 |
3.4 本章小结 | 第36-37页 |
4 灰色模型在居民消费指数预测中的应用 | 第37-44页 |
4.1 灰色预测模型理论 | 第37-39页 |
4.1.1 灰色预测法 | 第37页 |
4.1.2 灰色生成序列 | 第37-38页 |
4.1.3 灰色GM(1,1) 模型 | 第38-39页 |
4.1.4 GM(1,1)的白化型 | 第39页 |
4.2 灰色GM(1,1)模型的建模步骤 | 第39-40页 |
4.2.1 级数检验 | 第39-40页 |
4.2.2 建立GM(1,1)灰色预测模型 | 第40页 |
4.2.3 模型检验 | 第40页 |
4.3 灰色GM(1,1)预测模型在居民消费价格指数中的应用 | 第40-43页 |
4.3.1 灰色GM(1,1)模型的预测数据选取 | 第40页 |
4.3.2 数列级比检验 | 第40-41页 |
4.3.3 建立模型 | 第41-42页 |
4.3.4 预测值比较 | 第42页 |
4.3.5 模型检验 | 第42-43页 |
4.4 本章小结 | 第43-44页 |
5 组合模型的预测 | 第44-49页 |
5.1 组合预测模型的基本理论 | 第44-46页 |
5.1.1 组合预测模型优越性证明 | 第44-46页 |
5.1.2 组合模型的构建 | 第46页 |
5.2 组合预测模型的选择 | 第46页 |
5.3 组合预测模型在居民消费价格指数中的应用 | 第46-48页 |
5.4 预测结果的分析评价 | 第48页 |
5.5 本章小结 | 第48-49页 |
6 实证分析与结论 | 第49-57页 |
6.1 实证分析——我国CPI年度数据预测 | 第49-55页 |
6.1.1 时间序列模型的预测 | 第49-52页 |
6.1.2 灰色预测 | 第52-54页 |
6.1.3 时间与灰色组合模型的建立 | 第54-55页 |
6.2 结论 | 第55-57页 |
致谢 | 第57-58页 |
参考文献 | 第58-60页 |
攻读学位期间的研究成果 | 第60页 |