中国消费者物价指数预测_基于小波变换与支持向量回归的分析.pdfVIP

山西财 经大 学学报 2010 年2 月 Joumal of Shanxi Finance and Economics University Feb. ，2010 第32 卷第2 期 Vol.32 No.2 国民经济管理 中国消费者物价指数预测 ———基于小波变换与支持向量回归的分析 1 2 杨新臣 ，吴仰儒 （1.中国农业大学 经济管理学院，北京 100193；2.新泽西州立大学 罗格斯商学院，纽瓦克 NJ07102） ［摘 要］将小波分析和支持向量回归（SVR）模型引入消费者物价指数CPI 的时间序列分析中，利用小波降噪对原始 时间序列进行小波变换，充分提取和分离金融时间序列的各种隐周期和非线性，把小波分解序列的特性和分解数据随尺度 倍增而倍减的规律充分用于SVR 支持向量回归模型的建模。将该方法应用于中国宏观经济指标CPI 的分析与预测，可以有 效预测CPI 的变动方向，并显著提高CPI 的预测精度。 ［关键词］小波分析； 神经网络； 支持向量回归； CPI ［中图分类号］F11 ；F20 [文献标识码] A [文章编号] 1007- 9556 （2010）02- 0001- 08 Forecasting Chinese Consumer Price Index ——— Using Wavelet and Support Vector Regression YANG Xin- chen 1，WU Yang- ru 2 （1.School of Economics Management，China Agricultural University，Beijing 100193 ； 2. Rutgers Business School ，New Jersey University ，Newark NJ07102，USA） Adstract: This paper applies wavelet and support vector regression （SVR）to study various time series properties of Chinese consumer price index （CPI）. Our model can forecast Chinese CPI more accurately than popular single-period models in the literature based on root mean square error （RMSE）mean absolute error （MAE）and direction accuracy （DA）. Key Words: wavelet；neural network；support vector regression；CPI 一、引言 模型，并用于解决科学和工程中的问题可以上溯到 金融时间序列数据在金融理论和实践中作用显 McCulloch 和Pitts （1943）提出的M-P 模型。Hopfield 著，而有效、准确的预测是金融研究的重要任务。预 （1982）利用全互连型神经网络和计算能量函数，成 测方法主要包括线性方法和非线性方法，典型的线 功地求解了计算复杂度为 NP 完全型的 TSP 性模型有回归分析，随机线性模型有自回归（AR）分 （Travelling Salesman Problem）问题。神经网络技术发 析和滑动平均（MA）模型，非线性模型有神经网络、