摘要：作为反映一个经济体内商品及服务价格变化的重要变量，通货膨胀已成为很多中央银行制定货币政策的关键依据。本文针对2001至2015年期间美国的通货膨胀月度数据，运用ARMA模型进行建模及样本内预测。实证结果表明，该期间内美国通货膨胀数据为平稳过程；ARMA（1，3）模型优于MA（2）模型，能够提供更好的预测。

关键词：通货膨胀 建模及预测 ARMA模型

一、引言

通货膨胀意味着每单位货币购买力的减少，即某经济体内货币实际价值的损失，故通货膨胀率可理解为货币价值损失的程度。在一定程度上，过高或过低的通货膨胀率都意味着经济的不健康。因此，通货膨胀率已成为现代社会中分析经济表现的关键指标。如Park and Shin （2003）指出，ARMA模型近年来已广泛被应用在时间序列数据的建模及预测中。本文采用ARMA模型，对2001年至2015年期间美国通货膨胀率月度数据进行建模及预测。

下文将按四部分展开：首先，“理论背景”部分将介绍ARMA（p，q）模型对应的经济理论；其次，“数据”部分将列明数据来源并分析所选取数据序列的重要特征；再次，“计量经济学模型”部分将采用Box-Jenkins模型筛选法选出最适合的模型，并分别在ARMA（2，1）模型及MA（2）模型下做出样本内预测；最后，“结论”部分将对全文做出总结并给出建模及预测过程中的结论。

二、理论背景

作为重要的经济学数据形式，时间序列数据指包含随时间变动的单变量数据序列。它可以被分为两种类型，即平稳过程和非平稳过程。在模型筛选中，一般需要先鉴别时间序列的所属类型。……