论文总字数：15068字

摘 要

专家们将消费者价格指数(CPI)作为一类宏观的经济生活指标，展现了家庭买的商品和第三产业价格的变化。这个指数是专业人员进行经济态势研究和居民消费价格调查时使用的重要衡量标准。一般来说，这个指数可以用来观察通货膨胀和通货紧缩的情况。当居民生活产品在更大广度和更大深度的尺度上涨时意味着通货膨胀的发生。

本文第一章阐述了居民消费价格指数的概念和意义，综述了CPI指数的计算方法，介绍了当前国内经济形势的大致情况和相关CPI研究的必要性，并简要说明本文的研究路线。

第二章与第三章是本文的模型相关章节，在第二章我们介绍了时间序列模型的相关概念和研究现状，选择其中的ARIMA模型进行下一步的模型建立工作并简述建立步骤与检验原理，给出较符合现实的时间序列模型。第三章中我们将南京市2016年1月到2018年十二月的月度CPI数据作为研究样本，通过Eviews软件进行数据可视化与模型建立。基于ARIMA模型建立南京市CPI指数时间序列模型并对未来进行合理预测以验证模型的准确性。

在第四章中，我们简要介绍了国内外经济形势与疫情冲击带来的不确定性变化，对2020年国内CPI指数变化趋势从各个角度进行分析与预测，给出可行性建议并对未来的更多研究作出期望。

关键词：ARIMA模型，CPI，居民消费价格指数，预测，分析。

Abstract

Experts use the CONSUMER price Index (CPI) as a kind of macro economic living indicator, which shows the changes of the prices of goods bought by households and the tertiary industry. The index is an important measure used by professionals in economic situation studies and consumer price surveys. Generally speaking, this index can be used to observe the situation of inflation and deflation. When the living products of the residents rise in a wider and deeper scale, it means the occurrence of inflation.

The first chapter of this thesis expounds the concept and significance of consumer price index, summarizes the calculation method of CPI index, introduces the current domestic economic situation and the necessity of relevant CPI research, and briefly explains the research route of this thesis.

The second chapter and the third chapter are model-related chapters of this thesis. In the second chapter, we introduce the relevant concepts and research status of time series model, select the ARIMA model among them for the next step of model establishment, and briefly describe the establishment steps and test principles, so as to give a more realistic time series model. In Chapter 3, we take the monthly CPI data of Nanjing from January 2016 to December 2018 as the research sample, and conduct data visualization and model building through Eviews software. Based on ARIMA model, the time series model of NANJING CPI index was established and the future prediction was carried out to verify the accuracy of the model.

In the fourth chapter, we briefly introduce the domestic and foreign economic situation and the uncertainty changes caused by the epidemic impact, analyze and forecast the change trend of domestic CPI in 2020 from various perspectives, give feasible Suggestions and make expectations for further studies.

Key Words: ARIMA model,CPI,forcecat,analyze

目录

摘 要 I

Abstract II

第一章 绪论 2

1.1 居民消费价格指数的概念介绍 2

1.2 CPI计算 2

1.3 研究目的 2

1.4 研究的过程 2

第二章 ARIMA模型的基础解析与使用方法 4

2.1 该类模型相关概念 4

2.1.1 各种类型时间模型的介绍 4

2.1.2 随机时间序列模型 4

2.1.3 自回归求积移动平均模型 4

2.1.4 非平稳时间序列 4

2.1.5 随机平稳时间序列样本的数字特征 5

2.2 时间序列模型的设计过程 6

2.2.1 判定时间序列平稳性 6

2.2.2 模型识别 7

2.2.3 模型参数估计 8

2.2.4 模型阶数 9

2.2.5 模型检测 9

第三章 该模型在南京市CPI指数预测中的分析办法 12

3.1 数据初步处理 12

3.1.1 序列的基础统计图表 12

3.1.2 平稳性检查 13

3.2 模型建立过程 14

3.2.1 模型确立 15

3.2.2 此模型的建立与检验 15

3.3 南京市CPI的短期预测分析 17

第四章 CPI指数短期趋势的分析 18

4.1 2020年物价水平大致分析 18

4.1.1 2020年物价上涨的因素 18

4.1.2 2020年抑制物价上涨的因素 19

4.2 总体展望 21

4.2.1 政策建议 21

致 谢 23

参考文献 24

绪论

居民消费价格指数的概念介绍

居民消费价格指数是一个常用的国民经济学指标，在观察社会经济运行过程中发挥重要作用。它的变化水平可以用来衡量一段时间特定地区的通货膨胀程度。当居民消费价格指数增长的速率过快时，说明经济运行存在通货膨胀的风险，需要央行通过货币政策等调控手段进行阶段性收紧^[1]。对购买产品的居民而言，是不愿意看到居民消费价格指数上升的。通货膨胀意味着居民手中的货币发生了贬值，钱不再值钱，需要花费更多的资金来获得和往常一样的收获。

CPI计算

居民消费指数是一个用来比较的数据，我们通过这个指数来知晓在当前购买商品和服务的价格比之前的某个时间点贵或便宜了多少。通常使用的时间节点为月度或季度，可满足不同研究目的的需要。

通货膨胀一直以来是各个国家经济健康平稳运行的大敌，整个现代经济体系都绕不开通货膨胀这个问题。CPI指数的变动可以从一个方面很好地衡量居民进行消费活动时的压力，方便研究人员对通货膨胀率进行调查研究。

研究目的

随着世界经济局势的风云突变，一系列经济刺激政策的通过，新一轮的通货膨胀有卷土重来之势。跟随着猪肉价格的一路飙升，整个2019年的CPI涨势都呈抬头趋势，由此带来的民生压力也多次成为社会热点问题。如何抑制物价上涨成为百姓日益关注的事件。本文利用ARIMA模型对南京市居民消费价格指数进行统计和分析，由点及面辐射我国经济运行状况，对2020年国家经济活动平滑稳定发展建言献策。

研究的过程

在对数据较为贴近现实地处理基础上，从世界局势和国内独有情况出发，以兼具广度和深度的位置对国内居民消费价格指数进行分析。一方面从数据入手阐述疫情前的国内经济运行框架，另一方面对处于疫情中的我国未来经济走向与趋势作出思考^[2]。从国家数据（http://data.stats.gov.cn/）网站上获得2016年1月至2018年12月南京市居民消费价格指数数据作为研究样本，建立较为贴近现实的ARIMA模型，并利用模型进行数据处理与预测。

ARIMA模型的基础解析与使用方法

该类模型相关概念

各种类型时间模型的介绍

我们设出一个参数空间中的，一般是表示时间的，所以我们一般称随机序列为时间序列。进行基本分析后本文使用时间序列ARIMA模型，是一个过程中的某一组变量在各个时刻，，……（为自变量，且lt;lt;…lt;）有序排列所产生的离散的自然数集合lt;lt;…lt;，也就是某个过程在，，……时间的外界观测，大部分是离散的间隔相同的数学时间序列，它们属于随机的样本过程^[3]。

随机时间序列模型

在进行时间序列分析时，我们一般认为每个节点的数据与其所处时间有关，同时与它前后的数据有关系，即这个序列整体会互相影响。我们通过某一段时间序列来对全体进行科学合理的预测，同时与现实数据进行对照反证该时间序列模型的合理性。

自回归求积移动平均模型

在使用该种类型模型进行时间序列分析时必须确保模型的稳定性。在发现研究用数据非平稳时，在制作模型的过程中，对其进行d次差分，换成平稳的时间序列模型，使用ARMA (p, q)进行数据处理，此时可以说原始的时间序列构建的模型是ARIMA (p, d, q)^[4]。

非平稳时间序列

当进行时间序列的预处理时，确定序列的稳定性是非常重要的步骤。时间序列的数据以时间为横轴不断变化，我们需要发现这些数据内在的关系。只要该时间序列不完全满足稳定时间序列的3个条件，它就生成非稳定时间序列。非稳定时间序列有以下两个：

1. 趋势平稳的时间序列

这样的时间序列，除去这个倾向的话，是平稳的时间序列。方程为：

请支付后下载全文，论文总字数：15068字