组合核RVM在CPI预测中的应用研究
2016-06-14李昌良王殿君韩继光
李昌良,江 燕,王殿君,韩继光
(1.昆明理工大学 a.质量发展研究院; b.信息工程与自动化学院,昆明 650093;2.山西财经大学 会计学院,太原 030006; 3.云南农业大学 机电工程学院,昆明 650201)
组合核RVM在CPI预测中的应用研究
李昌良1a,江燕2,王殿君1b,韩继光3
(1.昆明理工大学a.质量发展研究院; b.信息工程与自动化学院,昆明650093;2.山西财经大学 会计学院,太原030006; 3.云南农业大学 机电工程学院,昆明650201)
摘要:针对传统预测模型训练时间长、误差大的缺陷,提出高可靠的组合核相关向量机模型用于CPI预测。构建组合核相关向量机预测模型,根据我国1987年1月至2015年2月的CPI月度数据,得到CPI的回归预测曲线,再与支持向量机和单核相关向量机进行对比。仿真模拟表明:组合核相关向量机预测模型预测CPI的平均误差可控制在1%以内,运行时间为1.35 s,预测结果良好。
关键词:组合核;相关向量机;CPI
一、引言
居民消费价格指数(CPI),是衡量居民购买生活相关产品及服务价格波动的宏观经济指标,通常用以反映通货水平,与货币供应量、国内生产总值、汇率、投资与消费、需求和供给等有着极其重要的联系,它们之间相互依存相互作用。它既是宏观经济运行的“晴雨表”,也通过价格变化影响人民生活水平。全球经济复苏乏力,我们国家自2014年9月CPI重返“1时代”,也面临着很大的经济下行压力,因而为保持价格平稳,预测CPI异常重要。
目前,研究和预测CPI问题的方法主要有经典时间序列方法和智能算法。经典时间序列方法如ARMA、ARCH、BVAR等大多是线性模型,而这些模型通常要求数据具有正态性和平稳性,因此对于如同CPI这类非线性非平稳时间序列的预测存在着一定的局限性[1-2]。……
