| 摘要 | 第1-4页 |
| Abstract | 第4-7页 |
| 第1章 引言 | 第7-12页 |
| ·选题的背景及意义 | 第7页 |
| ·国内外的研究现状 | 第7-10页 |
| ·本文的研究内容 | 第10页 |
| ·本文的研究方法 | 第10-11页 |
| ·本文的创新点 | 第11页 |
| ·本章小结 | 第11-12页 |
| 第2章 月度CPI序列分析理论 | 第12-17页 |
| ·时间序列分析的问题 | 第12页 |
| ·分析确定性时间序列以及随机性时间序列 | 第12页 |
| ·时间序列的概念和性质 | 第12-16页 |
| ·平稳性 | 第12-13页 |
| ·平稳时间序列的概述 | 第13页 |
| ·平稳时间序列的统计性质 | 第13-14页 |
| ·平稳性的检验 | 第14页 |
| ·纯随机性的检验 | 第14-16页 |
| ·本章小结 | 第16-17页 |
| 第3章 X-12-ARIMA和SARIMA组合模型的建立 | 第17-28页 |
| ·时间序列的季节调整概述 | 第17-18页 |
| ·时间序列的季节调整定义 | 第17页 |
| ·时间序列的季节调整的意义和作用 | 第17-18页 |
| ·影响月度CPI序列变动的因素 | 第18页 |
| ·时间序列分解模型简介及其选择依据 | 第18-21页 |
| ·加法模型 | 第19-20页 |
| ·乘法模型 | 第20页 |
| ·加法模型和乘法模型选择的依据 | 第20-21页 |
| ·单一预测模型 | 第21-25页 |
| ·ARIMA模型的建立 | 第21-22页 |
| ·SARIMA模型的建立 | 第22-23页 |
| ·X-12-ARIMA方法的概述 | 第23-25页 |
| ·组合预测模型 | 第25-27页 |
| ·X-12-ARIMA和SARIMA的组合模型 | 第25-27页 |
| ·以最小MAPE为目标函数的组合预测模型 | 第27页 |
| ·本章小结 | 第27-28页 |
| 第4章 混沌粒子群优化算法及评价预测效果的指标体系 | 第28-39页 |
| ·粒子群优化算法 | 第28-31页 |
| ·粒子群优化算法的改进 | 第30页 |
| ·粒子群优化算法的应用 | 第30-31页 |
| ·混沌粒子群优化算法 | 第31-37页 |
| ·混沌优化的基本思想 | 第31-33页 |
| ·混沌粒子群算法的MATLAB实现 | 第33页 |
| ·混沌粒子群优化算法在组合预测中的应用 | 第33-37页 |
| ·评价预测效果的指标体系 | 第37页 |
| ·本章小结 | 第37-39页 |
| 第5章 基于组合模型的CPI预测研究 | 第39-52页 |
| ·选取数据及其初步分析 | 第39-40页 |
| ·SARIMA模型的CPI预测分析 | 第40-44页 |
| ·X-12-ARIMA加法模型的CPI预测分析 | 第44-47页 |
| ·X-12-ARIMA乘法模型的CPI预测分析 | 第47-49页 |
| ·组合模型的CPI预测分析 | 第49-50页 |
| ·X-12-ARIMA,SARIMA两个单一模型以及组合模型比较 | 第50页 |
| ·本章小结 | 第50-52页 |
| 第6章 结论与展望 | 第52-54页 |
| ·结论 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 附录 | 第59-65页 |
| 攻读硕士学位期间发表的论文及科研成果 | 第65页 |
