论文部分内容阅读
CPI是重要的经济指标,反映着居民消费水平的变动情况.国家的宏观经济调控政策的出台力度将受到CPI大小的直接影响.PPI是衡量企业生产成本变化的指标,也是经济核算的重要依据.对这两个指标的定量分析是当今统计学研究的热门问题之一,本文一方面基于Copula函数研究CPI与PPI间的相关性度量,这有利于分析经济过热或紧缩的发展趋势.另一方面,我们提出了一类模糊回归组合预测模型,并将其运用于CPI的短期预测研究,为制定经济政策提供可靠的依据和建议,从而减少因为政策的时滞性带来的影响.一类经济数据呈现出显著的非线性关系,我们常采用的Pearson相关系数并不能够正确、客观地反映非线性性.Copula作为刻画变量间相关关系的工具,在非线性情况下具有显著的优势.它可以灵活、全面、精细地刻画出变量间复杂的相依性结构.本文考虑到CPI与PPI的本质非线性相关,基于表现能力更强的Copula来研究CPI与PPI之间的相依性.采用2011年1月至2016年12月全国月度同比CPI与PPI数据进行相关性研究,结果表明Gaussian Copula在刻画秩相关性上效果较好,而在尾部相关性以及与原始数据的拟合程度上,GumbelCopula要优于其他Copula.通常由于输入或输出数据的不精确造成了经典回归模型的局限性,模糊回归利用模糊集理论在刻画不精确性的优势,有效的解决了这一问题.在预测中,单纯地使用一种模型难以全面揭示其变化规律.组合预测理论能有效利用单一模型的有用信息提高预测准确度.本文提出了一种模糊回归组合预测方法,并运用到我国CPI的预测中.该方法能综合模糊回归和组合预测的优点,给出更符合实际的CPI预测区间值.最后,CPI预测结果表明,模糊回归组合模型的预测结果优于各单项预测模型,能提高CPI的预测精度,适合对CPI进行短期预测.