基于arima的我国通货膨胀分析和预测

《基于arima的我国通货膨胀分析和预测》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于ARIMA的我国通货膨胀分析和预测沈磊丁风/安徽财经大学金融学院【摘要】通货膨胀预测成为宏观金融领域越来越重要的研究课题。根据2000年1月到2013年3月的居民消费价格指数，我们利用自回归移动平均模型即ARIMA模型来分析和预测我国的通货膨胀率，实证的结果表明，模型能较好的拟合和预测我国的通货膨胀水平，而且模型结果说明我国通货膨胀其有一定滞后效应，央行制定货币政策时要充分考虑到前几期的货币政策对即期和未来通货膨胀水平的影响，以充分发挥货币政策的作用。【关键词】通货膨胀；居民消费价格指数；ARIMA模型；滞后效应一、引言自2008年金

2、融风暴之后，随着政府4万亿经济刺激计划和地方政府相关配套措施的不断落实，我国通货膨胀压力不断增大，2008年4月份居民消费价格指数更是达到8.2%的历史新高；随后政府一系列的宏观紧缩政策使2009年7月份得居民消费指数降到-1.1%;但是随着金融风暴的不断延伸，我国制造业和对外出口行业受到巨大冲击，政府为解决中小企业融资成木和产业环境问题逐步放松紧缩的宏观经济政策，增加信贷规模，降低贷款利率，使得居民消费价格指数日趋增高，到2011年9月份的CPI指数达到了5.7%。在短短的四年时间里，CPI指数百分之几百上千的变动，反应了我国物价水平波

3、动的剧烈性，然而一国的长治久安是建立在平稳物价水平之上，物价的频繁剧烈不仅会让居民产生长期的通货膨胀预期，更不利我国社会经济的转型。通货膨胀水平也是影响宏观经济的一个重要变量（何启志，2011、2012），如何对其进行有效预测是一个很有理论和实际意义的选题。央行制定货币政策时在考虑货币总量和利率的基础上更需要考虑到通货膨胀引发的物价水平波动因素，然而货币政策对经济的作用存在时滞效应，在这样的前提下利用通货膨胀的预测来判断未来经济形势就显得至关重要。一方面可以稳定通货膨胀水平和通货膨胀预期，间接的稳定物价水平和物价上涨率预期，另一方面可以给

4、央行货币政策的制定提供参考，还能为消费者和企业进行资产的增值保值提供依据(李娜，申梦宜，2012)。何启志(2012)通过滚动预测检验了国际因素对中国通货膨胀率的预测作用。本文通过历史数据来估计一个ARIMA模型，然后根据这个模型进行预测，为我国通货膨胀水平提供可信的参考数据。二、ARIMA模型(一)数据来源1.数据和指标的选取我们选取我国2000年1月到2013年2月的CPI数据作为研究对象。居民消费价格指数(ConsumerPriceIndex，简称CPI)是度量居民生活消费品和服务价格水平随着吋间变动的相对数，综合反映居民购买的生活

5、消费品和服务价格水平的变动情况，是世界各国普遍采用的测定通货膨胀的主要指标。选取CPI作为通货膨胀的指标既有利于引导市场对经济形势的预期，还奋利于政府正对物价水平采取相关的宏观调控政策。2.数据的平稳性检验和处理为消除异方差的影响，我们对居民消费价格指数取对数，记为。利用Eviews5.0软件里的Views下的UnitRootTest进行単位根检验。对进行単位检验时,变量的ADF=-3.0053,小于5%检验水平下的临界值-2.8804。因此接受原假设，即变量是平稳的吋间序列，不存在单位根。。3.模型的建立和识别我们运用模型的关键是要确定

6、p,d和q的值,其中我们从可以得到d=0,o为找到合适的p,q值，我们对进行自相关分析。从的自相关(ACF)和偏自相关(PACF)的系数我们可以得到，偏自相关系数在三阶之后很快的趋于0,是四阶截尾的，所以模型阶数p=4,而自相关系数则是拖尾的，在滞后一至八期都显著不为0,因此模型阶数q可取1、2、3、4、5、6、7和8。因为变量通过了单位根检验，因此它可以被认为是平稳的额吋间序列。得到的模型有和，综合比较每个模型的AIC值和SC值，我们得出模型的AIC和SC值比其他几个模型的都要小，因此选择模型比较好，在Eviews软件下的估计结果为：其

7、中括号中的数值表示t统计量的大小，表示参数系数的显著性，D.W.统计量为2.05,F统计量为563.1。1.模型的诊断参数估计之后，我们对模型的适应性进行诊断，即检验模型的残差序列是否为白噪声序列。若是A噪声序列，则接受原假设，即该模型具冇较强的适应性，若不为白噪声序列，则拒绝原假设，即该模型不具有较强的适应性，那我我们就需要重新建立模型、估计参数（肖龙阶，2009）。我们利用残差序列的Q检验，通过观察残差的自相关系数和偏自相关系数来判断残差序列是否为白噪卢序列，对残差序列进行单位根检验，得出的ADF=-8.012,小于5%检验水平下的临

8、界值-2.880,故残差序列是平稳的，再通过残差的的检验结果，我们观察到模型的残差序列的偏自相关系数和自相关系数基本在置信范围内，几乎接近于零，近似于白噪声序列，因此我们得出模型具有较强的适应