MGM(1,n)和SVR的組合模型在CPI中的應用研究.pdf

1、居民消費價格指數(shù)(ComsumerPriceIndex，CPI)是反映與居民生活息息相關的商品及勞務價格所統(tǒng)計出來的物價變動指標，通常是作為通貨膨脹水平的一個重要指標，如果物價指數(shù)過大，說明會引起通貨膨脹，可見CPI作為判定社會經濟現(xiàn)象的重要指標，對其進行準確分析和預測是很有必要的。一般對年度居民消費價格指數(shù)進行預測，是從單一的變量本身出發(fā)進行預測，但是隨著科技的進步，預測技術的不斷提高，人們對事物認識的多元化，自然需要從多角度、多方位

2、考慮事物未來發(fā)展趨勢，于是多變量預測成為當前研究熱點問題之一，本文就是從多變量角度出發(fā)，通過組合的方法預測月度居民消費價格指數(shù)，目的是為了更準確預測未來的CPI變動趨勢，為政府、企業(yè)相關部門提供參考。
　　本文主要工作如下:
　　(1)本文對居民消費價格指數(shù)預測的國內外研究狀況做了詳細的綜述，闡述了問題的背景與意義。然后分別介紹了灰色系統(tǒng)理論中的多變量灰色模型、支持向量回歸機模型和組合預測理論現(xiàn)有的基本思想、發(fā)展狀況和建模過

3、程。
　　(2)由于CPI受其他指標的影響，用單變量進行預測很多信息可能會丟失，本文采用多變量灰色模型(MultivariableGreyModel，MGM)進行預測，先通過關聯(lián)度選取合適的因子，然后用MGM(1，3)模型預測，可以充分反映各變量之間的相互促進的關系，后來再與GM(1，3)模型和GM(1，1)模型進行了對比，實驗表明:MGM(1，3)模型預測精度高于其他兩種模型。
　　(3)為了提高預測精度，本文把MGM(1

4、，3)模型與SVR兩個模型用基于Theil不等系數(shù)的IOWGA(InducedOrderedWeightedGeometricAveragingOperator)算子組合起來，建立組合模型，實驗結果表明組合預測模型優(yōu)于單項預測模型，從而為CPI預測問題提供了一種新的思路。
　　(4)傳統(tǒng)的馬爾科夫模型未來狀態(tài)的預測值取的是狀態(tài)區(qū)間的均值，但是中間值不一定是最有可能或者說是最好的選取結果，最好的結果可能是狀態(tài)中的某一個值。本文結合多