基于熵权Markov链的商品零售价格指数预测方法

针对商品零售价格指数的变化特点,提出了一种基于熵权的Markov链预测分析方法。首先用概率均分法对样本数据进行状态等级划分,其次对历史年份商品零售价格指数的状态进行统计,建立不同步长的Markov链状态转移概率矩阵,然后用熵权Markov链分析模型对商品零售价格指数进行预测。最后,通过一个实例说明了该方法的有效性。

货币供应量对居民消费价格指数与房屋销售价格指数的影响——基于1978-2009年中国经验数据的分析

本文利用结构VAR模型分析了我国货币供应量对居民消费价格指数和房屋销售价格指数的影响,并通过1978年至2009年的经验检验,发现我国货币供应量对居民消费价格指数和房屋销售价格指数的影响较为显著,居民消费价格指数与房屋销售价格指数会此消彼长,并且,货币供应量对居民消费价格指数的影响存在半年到一年的滞后期。基于此,我们认为,在当前货币供应量持续处于高位、房地产价格被严格控制的背景下,要加倍警惕2010年下半年至2011年上半年居民消费价格指数上涨,从而产生通货膨胀局面的形成。

ARIMA模型在房屋销售价格指数预测中的应用及SAS实现

基于1998年1季度到2008年4季度的房屋销售价格指数,建立了ARIMA(p,d,q)时间序列模型,并通过SAS加以实现;同时预测出2009年1季度到4季度的房屋销售价格指数;最后通过与真实值的比较验证了模型的有效性.

马尔柯夫链在预测商品零售价格指数中的应用

根据马尔柯夫链的基本原理,以我国1978年～2004年的商品零售价格指数为实例详细阐述了马尔柯夫链分析与预测的全过程,检验结果表明该模型用于近期预测结果准确可靠,易于操作。

我国房屋销售价格指数AR模型的预测分析

随着房地产业经历了兴起-暴涨和理性回归之后,我国的房价将会何去何从一直为众多学者和决策者所关注。文章使用AR(1)形式的自回归模型结合自回归条件异方差模型对我国83个月度数据进行多模型实证,最终选择指数ARCH模型进行研究,并进行了信息冲击曲线和成分时间序列的绘制,最后对未来房价指数进行了预测。

我国粮食零售价格指数与城镇居民消费价格指数关系的实证研究

与农村居民相比,城镇居民对来自粮价波动的感受要更为明显。从实证的角度分析了我国粮食价格与城镇居民消费价格指数的相互关系。结果表明,二者存在显著的正相关性,具有长期均衡关系,但仅存在城镇居民消费价格指数到粮食价格的单向格兰杰原因。从短期来看,城镇居民消费价格指数对粮食价格指数的影响远大于粮食价格指数对城镇居民消费价格指数的影响。基于上述结论提出了相应的政策建议。

从房屋销售价格指数与CPI的关系看房地产市场的发展

近几年,房价的高涨,严重影响了CPI涨幅上行,导致了我国通货膨胀的压力较大。本文从房屋销售价格指数与CPI的关系研究房地产市场的管理与发展。

论商品零售价格指数波动对我国经济增长的影响

商品零售价格指数反映了物价的波动情况和波动范围,对我国国民经济的增长具有一定的影响作用。因此商品零售价格指数的波动能够为我国政府的货币政策和财政政策的制定提供相关的依据和参考。本文以商品零售价格指数为自变量,分别以国内生产总值、第一产业增加值、第二产业增加值和第三产业增加值作为因变量,建立了四个神经网络时间序列模型,模型系数反映了商品零售价格指数对我国经济增长的影响机制,在此基础上提出了建议。

房屋销售价格指数与固定资产投资指数关系的协整分析

讨论了房屋销售价格指数和固定资产投资指数的协整关系,进行了误差修正分析,证实了在所考虑的数据区间房屋销售价格指数和固定资产投资指数存在协整关系,并建立了误差修正模型。结果表明房屋销售价格指数对固定资产投资指数的增加有正向促进作用,而且误差修正项对固定资产投资价格指数偏离长期均衡水平有较强的调整力度。

主成分分析法在商品零售价格指数分析中的应用

商品零售价格指数的变化是一个复杂的问题,涉及的因素很多。本文以2007年全国商品零售价格指数为例,应用主成分分析法对价格指数变化走势和每月的相对变化程度进行了分析,指出了拉动价格指数变化的主要因素。

基于重标极差分析法研究城市住宅销售价格指数

针对住宅销售价格时间序列的特征问题,文中对长春市的住宅销售价格指数进行了时间序列研究,利用重标极差分析法计算其赫斯特指数,得出城市住宅销售价格指数具有多重分形结构,并有长久记忆性.

房地产销售价格指数的神经网络预测

房地产销售价格指数是指导业界活动和市场研究的有效工具,但是预测的准确程度一直是人们倍加关注的。人工神经网络是一门新兴交叉学科,近年来被越来越多的应用到了实际问题的预测中,显示出其广阔的应用前景,特别是人工神经网络具有预测非线性系统未来行为的巨大潜力。因此,本文提出了用人工神经网络对房地产销售价格指数进行预测的方法,首先将输入数据进行预处理,再利用多层前馈神经网络BP算法来研究人工神经网络在房地产销售价格指数预测中的应用问题,最后得出神经网络方法预测精度较高的结论。

我国社会商品零售价格指数的短期预测

物价水平的高低对社会和经济的影响是非常大的。我国物价水平在90年代波动很大.严重影响了我国的社会与经济。为使我国的物价水平相对稳定,有必要根据1950—1999年50年间我国商品零售价格指数的统计资料,运用统计软件SAS和时间序列模型等,对我国的商品零售价格指数进行分析和预测,并提出一些有针对性的建议。

基于迟滞神经网络的商品零售价格指数预测

将传统神经元的激励函数改为迟滞激励函数,将迟滞特性引入神经网络中,构造迟滞神经网络.利用迟滞特性增强神经元对原状态保持的惯性,从而减少了神经元状态的错误变化,提高了神经网络的存储和记忆能力.利用迟滞分支响应的跳变特性以抑制网络训练过程中假饱和现象的发生.借助于前向网络的结构和学习算法,构造应用于时间序列预测分析的迟滞神经网络模型,并将其应用于社会商品零售价格指数的预测分析中.预测结果表明,该网络具有良好的泛化能力,预测效果优于传统神经网络.

现行商品零售价格指数的编制

当前,物价问题又成为各级党政部门和社会各界普遍关心的热门话题。自去年3月份起,国家首次在《人民日报》每月定期公布全国各省份商品零售价格指数"排行榜"以来,社会各界反映强烈,物价指数是怎样编制成为议论较多的一个焦点话题。为了让社会各界弄清物价指数的"庐山真面目",本文仅就商品零售价格指数的编制方法作简要介绍。

商品零售价格指数影响因素计量分析

随着社会经济的发展,居民的收入水平和消费水平不断上升,购买力不断增强。而商品零售价格指数能从侧面研究上述社会经济活动的状态,因此具有重要的研究意义。本文根据1995~2015年商品零售价格指数、工业品出厂价格指数、固定资产投资价格指数、人均GDP、居民消费价格指数等相关数据,运用Eviews软件,建立回归模型,并先后进行多重共线性和自相关性检验,最后根据结论给出一定的政策建议。

大数据背景下基于网络搜索数据商品零售价格指数预测研究

大数据时代背景下,基于网络海量搜索数据包含大量有价值信息。针对宏观经济指标商品零售价格指数的非线性变化特征,结合与RPI相关的网络搜索数据,采用支持向量回归SVR多种参数优化模型对商品零售价格指数进行预测研究。借助多个预测性能度量指标对比分析,最终确定结合网络搜索数据粒子优化算法的支持向量回归模型PSO-SVR&US为最优模型。研究结果表明:网络搜索数据有助于商品零售价格指数的预测研究,并且预测效果好坏与预测精度高低还依赖于最优模型的选取;同时,基于最优模型的商品零售价格指数月度预测值比官方数据公布领先半月左右,其预测结果可为及时监测商品零售价格指数变动和经济宏观调控提供有价值的参考。

对建国以来我国商品零售价格指数的分析及短期预测

在判断和测量经济波动程度的诸多指标中,社会商品零售价格指数无疑是一个既便于操作又能够很好地说明问题的指标,尤其是他能够直观反映价格水平的变化,因而,常常可以通过观察它的变化及其程度来初步判断经济是否处于通货膨胀或紧缩情形。本文基于以上观点,通过时间序列模型( ARM A),利用1950～2002年的商品零售价格指数统计资料,对我国商品零售价格指数进行建模分析,并对未来几年的价格指数进行了预测,同时结合以往数据及预测结果,针对我国商品零售价格指数所反映的问题进行一些分析。

卷烟零售价格指数的编制问题

1999年1月，烟草行业建立了全国百牌号卷烟价格指数。适逢全行业经济运行处于低迷状态的时候，价格指数报告制度的建立，对于推动全国卷烟价格的总体稳定起到了积极的促进作用。六年来，百牌号卷烟价格指数的变动轨迹清晰地反映出卷烟市场发展的周期轨迹，不仅成为行业经济周期研究的重要工具和进行经济景气状况分析与预警研究的基础，也成为对卷烟市场进行研究和实施行业宏观经济调控的重要依据。