李海洋

摘要：为提高CPI建模精度，本文使用SARIMA、SARIMA-LSTM、LSTM三个模型对河南省月度CPI进行建模预测。研究发现SARIMA-LSTM模型效果最优，可以反映河南省居民消费价格指数的真实状况，用于CPI实际预测。

关键词：SARIMA;SARIMA-LSTM;LSTM

中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2020.25.047

对于CPI，建立合适的模型，提高其预测精度，对政府制定宏观经济政策具有极大现实意义。现在，对于CPI预测，不同学者进行了许多研究。研究方法主要分为两种：

（1）单一模型法，如ARIMA、SARIMA、灰色模型法等。袁志强、陈锐使用ARIMA模型利用R软件对国内CPI进行了短期预测，倪颖、年靖宇对重庆市CPI进行了预测;张甜瑞对陕西省CPI建立了SARIMA模型;李志超、刘升对上海市CPI建模，发现ARIMA和灰色模型效果相当，回归模型较差。

（2）组合模型法，如ARIMA-SVM、ARIMA-BP等。梁晓莹基于ARIMA和SVM根据整体误差最小化原则对郑州市CPI进行组合预测，比单一模型效果好。吴晓峰、杨颖梅和陈垚彤利用BP拟合ARIMA残差，整体效果较优。

深度学习中长短期记忆网络（LSTM），对于非线性数据拟合较好，并且在金融、医学、水文等时间序列预测领域已取得不少进展。欧阳红兵、黄亢和闫洪举使用LSTM对道琼斯工业指数日收盘价进行预测，发现LSTM能捕获序列的短期和长期态势，效果较优。李琳等将LSTM用于新疆地区慢性阻塞性肺病的月门诊量进行预测，并与ARIMA比较，发现LSTM精度较高。胡庆芳等将LSTM用于汉江上游安康站日径流预测，发现多因素条件下效果较好。

综上所述，关于CPI预测并未有统一的方法。并且，较少有学者结合SARIMA对线性拟合和LSTM对非线性拟合的优势对CPI进行建模预测。……