【摘 要】
：
利用商品期货价格对中国通货膨胀进行了实证分析和预测。研究发现，大宗商品期货价格对PPI和CPI的变动具有显著影响。回测结果表明，模型对PPI和CPI的短期预测能力相对良好，对中长期预测的误差虽有增大，但预测走势与实际走势大体一致。在此基础上对下一步通胀走势进行分析后发现：短期内PPI仍有较大可能维持在8%～10%的高位区间，至2022年将呈现逐步回落趋势；短期内CPI有小幅上升的可能，未来一年内将
【基金项目】
：
国家社科基金“中国农村普惠金融的绩效评估与内生发展路径研究”（编号：15CJL031）；
论文部分内容阅读
利用商品期货价格对中国通货膨胀进行了实证分析和预测。研究发现，大宗商品期货价格对PPI和CPI的变动具有显著影响。回测结果表明，模型对PPI和CPI的短期预测能力相对良好，对中长期预测的误差虽有增大，但预测走势与实际走势大体一致。在此基础上对下一步通胀走势进行分析后发现：短期内PPI仍有较大可能维持在8%～10%的高位区间，至2022年将呈现逐步回落趋势；短期内CPI有小幅上升的可能，未来一年内将回落至较低水平震荡。由于期货价格无法预测到中长期产业政策变动，因此预测模型无法捕捉到个别月份的大幅波动，但在趋势判断上仍有一定参考价值。
其他文献
近些年来,由于汽车自动驾驶技术能较好地解决因驾驶行为不当、疲劳驾驶、疏忽大意或违章行驶等人为失误引起的交通安全问题,其已成为全球汽车行业关注的焦点。同时,传感、信息以及人工智能等相关技术的迅速发展,为自动驾驶技术的实际应用提供了良好的软硬件基础。无论是政府还是企业都在大力推动汽车自动化技术的发展和应用。但由于受到技术成熟度和成本等因素的制约,自动驾驶技术仍处于不断发展阶段。本文基于自动驾驶汽车的预
自20世纪后期,量子计算与量子通信便成为计算机科学、通信、数学和物理的一个交叉和前沿学科.与经典的数字通信情形一样,为了实现量子计算和量子通信,就必须解决量子纠错问题.1996年,Calderbank、Shor以及Steane同时独立地给出了如何运用数学工具构造量子纠错码的第一种系统而有效的方法,并建立起经典纠错码与量子纠错码之间的桥梁.这极大地促进了量子纠错码的蓬勃发展.此后,便引发了人们对量子
随着信息技术的不断发展,纠错码理论在信息安全中发挥越来越重要的作用。根据实际需求选取特定的编码是纠错码理论的一个关键问题,其中用到的循环码是纠错码理论研究的一个热点。循环码不仅可以通过高效的电路实现,而且在移动通信、雷达、航天等领域有广泛的应用。常循环码是循环码的推广和发展,不仅继承了循环码的良好特性而且有灵活的参数,然而相对于循环码的理论研究而言,常循环码理论还需要进一步完善和发展。尤其是常循环
有源相控阵雷达（Active Phased Array Radar,APAR）的独特优势在于每一个天线单元均配备有一个发射/接收组件（Transmit/Receive Module,TRM）,从而具有可靠性高、功能性强等诸多独特的优点,因此在军事航天等领域中受到越来越多的重视。正因如此,APAR在实际工况中会由于内部器件热功耗以及外部环境温度的变化产生明显的阵面热变形,进而造成雷达主瓣增益损失、副
三叶木通（Akebia trifoliata（Thunb.）Koidz.）是木通科（Lardizabalaceae）木通属（Akebia）攀援式常年生落叶藤本植物,在我国作为药用和野果食用已有千年之久。三叶木通叶绿体基因组、三叶木通全长转录组及三叶木通果实（八月瓜）的代谢组学相对匮乏,严重阻碍了三叶木通在食品和分子生物学领域研究的开展。随着种植面积的扩大,微生物导致的果实染病现象日益凸显,对这一新
稀土硼化物具有高熔点、高硬度、低功函数、低蒸发率、耐离子轰击能力强与物理化学性质稳定等特点,是一类优良的电子发射材料,在电子束加工仪器、粒子束加速器、精密电子分析仪器以及动态真空系统的电子器件等领域有广泛应用。目前针对稀土硼化物阴极的研究主要集中在通过实验制备掺杂稀土硼化物单晶,寻找合适掺杂成分从而提高其电子发射性能这一方面,而对于其功函数、电子结构与掺杂改变电子发射性能的机理研究尚少。本文以轻稀
近些年来,国民经济的快速发展使得汽车保有量急剧增加,引发了众多能源环境问题和交通问题。无人驾驶系统和智能交通系统是解决这些问题的可行方案,该领域的相关技术是当前的研究热点并已取得一定突破,但受到技术瓶颈和法律法规等因素的限制,仍难以在实际场景中得到全面应用,需要不断完善和提高。自主泊车技术是无人驾驶技术的重要构成部分,泊车环境的复杂化导致泊车难度增加,使得对泊车技术应用的诉求逐渐强烈。另外,泊车工
近年来,深度神经网络在图像生成和图像识别等计算机视觉应用领域取得了许多突破。然而由于目前深度学习理论不够完善,深度神经网络在计算机视觉任务的应用上仍然存在许多问题。首先,对于深度神经网络泛化能力的成因仍在探索之中,而模型在实际测试中的性能取决于其泛化能力;其次,深度神经网络的训练过程不稳定,尤其是生成对抗网络（Generative Adversarial Network,GAN）,这对其在具体任务
主题模型是文本分析的一种有效技术,在舆情分析、问答系统、个性化推荐等领域得到了广泛应用。随着社交网络的快速发展,多样化的应用平台的出现,多源实时数据的生成过程中,数据的构成类型、受到用户关注程度、主题时效性等方面产生了不一致的语义内涵,引发了异构的语义特征学习与表达问题,为传统的主题模型提出了新的挑战和问题。所以,提出有效的异构性语义特征的表示和学习方法,具有重要的研究价值和现实意义。本文在常规文