文档介绍：2016 年 10月份 CPI 预测分析小组成员: 张蔚天 1417050136 陈吉晖 1417050009 侯俞键 1417050037 邓智峰 1417050025 预测方法介绍: ( moving average method )是根据时间序列,逐项推移,依次计算包含一定项数的序时平均数,以此进行预测的方法。移动平均法包括一次移动平均法、加权移动平均法和二次移动平均法。移动平均法是用一组最近的实际数据值来预测未来一期或几期内公司产品的需求量、公司产能等的一种常用方法。移动平均法适用于近期预测。当产品需求既不快速增长也不快速下降,且不存在季节性因素时,移动平均法能有效地消除预测中的随机波动,是非常有用的。移动平均法根据预测时使用的各元素的权重不同,可以分为:简单移动平均和加权移动平均。 ( Exponential Smoothing , ES )是生产预测中常用的一种方法。也用于中短期经济发展趋势预测,所有预测方法中,指数平滑是用的最多的一种。简单的全期平均法是对时间数列的过去数据一个不漏地全部加以同等利用;移动平均法则不考虑较远期的数据,并在加权移动平均法中给予近期资料更大的权重;而指数平滑法则兼容了全期平均和移动平均所长,不舍弃过去的数据,但是仅给予逐渐减弱的影响程度,即随着数据的远离,赋予逐渐收敛为零的权数。也就是说指数平滑法是在移动平均法基础上发展起来的一种时间序列分析预测法,它是通过计算指数平滑值,配合一定的时间序列预测模型对现象的未来进行预测。其原理是任一期的指数平滑值都是本期实际观察值与前一期指数平滑值的加权平均。 “线性趋势预测法”,是对观察期的时间序列资料表现为接近于一条直线,表现为近似直线的上升和下降时采用的一种预测方法。关键是求得趋势直线,以利用趋势直线的延伸求得预测值。 ( ARMA 模型, Auto-Regressive and Moving Average Model )是研究时间序列的重要方法,由自回归模型(简称 AR 模型) 与滑动平均模型(简称 MA 模型)为基础“混合”构成。数据介绍数据库:月度数据时间:最近 24 个月数据来源:国家统计局时间居民消费价格指数 2014 年 10 月 2014 年 11 月 2014 年 12 月 2015 年1月 2015 年2 月 2015 年3月 2015 年4月 2015 年5 月 2015 年6月 2015 年7月 2015 年8 月 102 2015 年9月 2015 年 10 月 2015 年 11 月 2015 年 12 月 2016 年1月 2016 年2 月 2016 年3月 2016 年4月 2016 年5 月 102 2016 年6月 2016 年7月 2016 年8 月 2016 年9月 此数据包含 2014 至 2016 年 24个月份, 全国范围内居民消费价格指数(CPI, Consumer Price Index) 数据。按照统计制度要求,我国 CPI 每五年进行一次基期轮换,2016 年1月开始使用 2015 年作为新一轮的对比基期,前三轮基期分别为 2000 年、 2005 年和 2010 年。与上一轮基期相比,本轮基期的 CPI 调查目录有几个主要变化。一是按照《居民消费支出分类(2013 )》,原来的“食品”、“烟酒”合并为现在的“食品烟酒”;原来的“医疗保健和个人用品”被拆分到现在的“生活用品及服务”、“医疗保健”和“其他用品和服务”中;原来的“娱乐教育文化用品及服务”被拆分到现在的“教育文化和娱乐”和“其他用品和服务”中;原来的“家庭设备用品及维修服务”被拆分到现在的“生活用品及服务”和“其他用品及服务”中。二是食品的指标内涵发生了变化,旧分类中的“食品”为大类,包括粮食、肉禽、鲜菜、鲜果、水产品、茶及饮料、在外餐饮等分类;新“食品”为“食品烟酒”大类下的中类,仅包括粮食、畜肉、禽肉、鲜菜、鲜果、水产品等,不再包括“茶及饮料”和“在外餐饮”两项。三是新增了“园艺花卉及用品”、“宠物及用品”、“养老服务”和“金融服务”等居民支出增加较快的分类,能够更加及时准确反映居民消费结构的新变化。预测依据将所收集的 2014 年到 2016 年一共 24 个月度 CPI 以时间序列排列,并将月份由往年到近年按照 1到 24正序排列。由此制作 24个月度的 CPI 时间序列折线图。根据时间序列定