| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 插图索引 | 第9-10页 |
| 附表索引 | 第10-11页 |
| 第1章 绪论 | 第11-17页 |
| 1.1 选题背景及意义 | 第11-12页 |
| 1.2 文献综述 | 第12-15页 |
| 1.2.1 传统的通货膨胀预测方法研究综述 | 第12-14页 |
| 1.2.2 神经网络在国外通货膨胀预测方面研究综述 | 第14页 |
| 1.2.3 神经网络在我国通货膨胀预测方面研究综述 | 第14-15页 |
| 1.3 论文框架和主要内容 | 第15-16页 |
| 1.4 本文研究方法和创新之处 | 第16-17页 |
| 第2章 基于神经网络的通货膨胀预测基础理论 | 第17-25页 |
| 2.1 神经网络的基本原理 | 第17-21页 |
| 2.1.1 BP神经网络的概念及其工作原理 | 第17-18页 |
| 2.1.2 BP神经网络的优点和不足 | 第18页 |
| 2.1.3 遗传算法的基本概念及其与神经网络的结合 | 第18-20页 |
| 2.1.4 神经网络用于通货膨胀预测的优势 | 第20-21页 |
| 2.2 通货膨胀预测的相关理论 | 第21-23页 |
| 2.2.1 通货膨胀预测的概念 | 第21-22页 |
| 2.2.2 通货膨胀预测的理论分析 | 第22-23页 |
| 2.3 通货膨胀预测工作的设计和组织 | 第23-25页 |
| 2.3.1 预测设计 | 第23页 |
| 2.3.2 人员任务的分配 | 第23-24页 |
| 2.3.3 数据监控和管理 | 第24-25页 |
| 第3章 通货膨胀预测的国际经验及我国的实践 | 第25-34页 |
| 3.1 通货膨胀预测的国际经验 | 第25-31页 |
| 3.1.1 英国的通货膨胀预测工作 | 第25-27页 |
| 3.1.2 美国的通货膨胀预测工作 | 第27-28页 |
| 3.1.3 澳大利亚的通货膨胀预测工作 | 第28-30页 |
| 3.1.4 其它国家的通货膨胀预测工作 | 第30页 |
| 3.1.5 国外通货膨胀预测经验总结 | 第30-31页 |
| 3.2 我国通货膨胀预测的实践 | 第31-34页 |
| 3.2.1 我国通货膨胀预测的现状 | 第31-32页 |
| 3.2.2 同国外相比我国通货膨胀预测的不足 | 第32-34页 |
| 第4章 基于神经网络模型的我国通货膨胀预测实证分析 | 第34-47页 |
| 4.1 变量和样本数据的说明 | 第34-39页 |
| 4.1.1 变量的选取 | 第34-35页 |
| 4.1.2 数据的来源及时间范围 | 第35-36页 |
| 4.1.3 变量的格兰杰因果关系检验 | 第36-38页 |
| 4.1.4 数据预处理 | 第38-39页 |
| 4.2 模型参数的设定 | 第39-41页 |
| 4.2.1 神经网络参数设定 | 第39-40页 |
| 4.2.2 遗传算法参数设定 | 第40-41页 |
| 4.3 实证检验 | 第41-46页 |
| 4.3.1 隐含层神经元个数的确定 | 第41-43页 |
| 4.3.2 预测和分析 | 第43-46页 |
| 4.4 实证结论 | 第46-47页 |
| 第5章 完善我国通货膨胀预测机制的对策建议 | 第47-49页 |
| 5.1 提高统计数据的质量 | 第47页 |
| 5.2 增强中央银行主动搜集和分析信息的能力 | 第47页 |
| 5.3 完善我国的宏观经济模型 | 第47-48页 |
| 5.4 疏通货币政策传导渠道 | 第48-49页 |
| 结论 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 致谢 | 第54页 |
