基于ARMA与LSTM的CPI经济指标分析与预测方法研究
2021-11-06罗俊霞丁邦旭
罗俊霞,丁邦旭
(1.铜陵学院 经济学院,安徽 铜陵 244061;2.铜陵学院 数学与计算机学院,安徽 铜陵 244061)
1 引言
CPI(Consumer Price Index)是衡量物价水平高低的指标,反映消费品物价及服务价格变动情况,是宏观经济分析与国民经济核算的重要指标,也是政府进行经济决策时的重要参考。CPI上涨意味着物价上涨,有可能出现通货膨胀,导致货币贬值,最终使居民收入缩水,购买力下降。一般来说,CPI的高低直接影响国家的宏观经济调控措施的出台与力度,同时间接影响资本市场变化。
2008 年以来,中国CPI 在经历了几次大的波动后,逐渐进入到总体平稳状态。2008 年受美国次贷危机的全球影响,中国CPI 指数从2008 年峰值109快速下降到2009 年低谷98。伴随着世界范围的货币宽松政策,全球经济逐渐复苏,2009 年下半年后CPI 进入上行趋势,至2011 年7 月CPI 值达到106,2012年之后CPI有所回落并逐渐在小幅度内保持总体稳定态势。
CPI 指数是一个相对滞后的数据指数,通常是反映市场经济的一个重要指标。为了进行CPI 预测,选取了我国2008年1月至2019年10月共142个月份的CPI指数数据,该数据集命名为CPIData。以CPIData 数据集建立自回归滑动平均模型(AutoRe‐gressive Moving Average,ARMA)并进行了数据分析,采用长短时记忆网络(Long Short-Term Memo‐ry,LSTM)算法对全国CPI 数据集CPIData 进行了预测。
2 ARMA模型
2.1 ARMA模型
ARMA 模型称为自回归滑动平均模型,是研究平稳随机过程的典型方法,与AR 模型和与MA 模型相比,具有更高准确度谱估计、更优的谱分辨率性能,参数估计更复杂。ARMA 模型参数估计通常采用线性最小二乘法进行模型参数估算,能实现ARMA模型参数的高精度估计[1,2]。……
