[1]王 锦,商 豪.中国消费者价格指数应用研究——基于调和分整自回归移动平均模型[J].湖北工业大学学报,2020,(1):106-109.
　WANG Jin,SHANG Hao.Application Research of Chinese Consumer Price Index Based on ARTFIMA Model[J].,2020,(1):106-109.
点击复制

中国消费者价格指数应用研究
——基于调和分整自回归移动平均模型()
分享到：

《湖北工业大学学报》[ISSN:1003-4684/CN:42-1752/Z]

卷:
期数:
2020年第1期
页码:
106-109
栏目:
湖北工业大学学报
出版日期:
2020-02-28

文章信息/Info

Title:
Application Research of Chinese Consumer Price Index Based on ARTFIMA Model
文章编号:
1003-4684(2020)01-0106-04
作者:
王 锦;  商 豪
湖北工业大学理学院， 湖北 武汉 430068
Author(s):
WANG Jin;  SHANG Hao
School of Sciences, Hubei Univ. of Tech., Wuhan 430068,China
关键词:
时间序列;  长记忆性;  ARTFIMA模型;  ARFIMA模型
Keywords:
time series;  long memory;  ARTFIMA model;  ARFIMA model
分类号:
O212
文献标志码:
A
摘要:
针对中国居民消费者价格指数时间序列数据呈现出的记忆特征，采用描述性统计分析和经典时间序列分析相结合的方法，建立两种不同的长记忆模型，分析比较两种模型的谱密度函数拟合图和三期预测值误差，结果显示ARFIMA模型的平均预测绝对误差为37.34%，而ARTFIMA模型的平均预测绝对误差为28.57%，因此ARTFIMA模型的拟合预测效果更好。由此得出中国居民消费者价格指数序列更加符合半长期记忆性的结论。
Abstract:
The Autoregressive Tempered Fractionally Integrated Moving Average(ARTFIMA) time series model is applied in this paper. Aiming at the memory characteristics of the Chinese Consumer Price Index data, a combination of descriptive statistical analysis and classical time series analysis is used to establish two different long memory models, and the spectral density functions of the two models are compared. The combined graph and predicted value error show that the ARTFIMA model has better fitting effect and prediction effect. This concludes that the Chinese consumer price index sequence is more consistent with the semi-long-term correlation.

参考文献/References:

[1] Granger C W J . Long Memory Relationship and the Aggregation of Dynamic Models[J]. Journal of Econometrics, 1980, 14(2):227-238.
[2] Jonathan R.M. Hosking. Fractional Differencing[J]. Biometrika, 1981, 68(1):165-176.
[3] 刘文财,刘豹,张维.ARFIMA模型在中国股票市场预测的失效[J].系统工程理论方法应用,2002(2):94-100.
[4] 金秀,姚瑾,庄新田.基于分数阶差分的ARFIMA模型及预测效果研究[J].数理统计与管理,2007(5):896-907.
[5] Meerschaert M M,Sabzikar F.Stochastic integration for tempered fractional Brownian motion[J].Stochastic Processes and their Applications,2014,124:2363-2387.
[6] Meerschaert M M,Sabzikar F,Phanikumar M S,et al.Tempered fractional time series model for turbulence in geophysical flows [J].Journal of Statistical Mechanics:Theory and Experiment,2014,10,1088/1742-5468.
[7] Watkins N,Graves T,Franzke C,et al.Systematic inference of the long-range dependence and heavy-tail distribution parameters of ARFIMA models[J].Statistical Mechanics and its Applications,2017,(473):60-71.
[8] Sabzikar F,Mcleod I,Meerschaert M M.Parameter estimation for ARTFIMA time series [J].Journal of Statistical Planning and Inference,2019,200:129-145.
[9] 黄志平.上证综指的长记忆性检验及其预测研究[D].南昌：江西财经大学,2019. 
[10] 张世英,刘菁.长记忆性时间序列及其预测[J].预测,1999(3):50-51.

备注/Memo

备注/Memo:
［收稿日期］ 2019-08-12
［基金项目］ 湖北省教育厅人文社会科学研究项目（14G191）
［第一作者］ 王 锦(1995-)， 女， 安徽亳州人，湖北工业大学硕士研究生，研究方向为金融统计
［通信作者］ 商 豪(1982-)， 女， 湖北罗田人， 湖北工业大学副教授，研究方向为金融计量
更新日期/Last Update: 2020-04-11