Volume 1,Issue 4
Fall 2025
基于ARIMA模型上的CPI的建模及预测
本文基于ARIMA模型对我国消费者价格指数（CPI）进行建模与预测，结合最小二乘法和贝叶斯估计方法对比分析模型性能。通过差分处理非平稳时间序列，选择ARIMA(3,1,0)模型进行参数估计，利用AIC准则和残差检验验证模型有效性。实证分析显示，最小二乘法与贝叶斯方法均能较好拟合CPI趋势，预测值与实际值偏差在可控范围内。贝叶斯方法通过引入先验分布和MCMC抽样，增强了参数不确定性建模能力，尤其适用于小样本或高波动场景。研究结果表明，两种方法在CPI预测中均有效，在实证例子中，贝叶斯推断在融合先验信息与动态更新后验分布方面更具优势，预测值也能为宏观经济政策评估和通胀调控提供了理论支持。
[1] 邓迎春. 经济时间序列ARMA模型的贝叶斯分析及其应用. 湖南大学学院硕士毕业论文, 2006, 6.
[2] 马瑶,孙中玉,邹益玲.基于ARIMA模型对中,美,德三国CPI的分析与预测[J].经济研究导刊, 2021(8):5.
[3] 方坷昊,赵凌.基于偏最小二乘方法的ARIMA模型在股票指数预测中的应用[J].四川文理学院学报, 2018, 28(5):5.DOI:CNKI:SUN:DXSZ.0.2018-05-002.
[4] 洪京一.基于ARIMA模型的上海市居民消费价格指数实证分析[J].中小企业管理与科技, 2021.
[5] 肖曼君, 夏荣尧. 中国的通货膨胀预测基于ARIMA模型的实证分析. 上海金融, 2008, (8): 38-42.
[6] 刘红梅. ARIMA 模型在股票价格预测中的应用. 广西轻工业, 2008, (115): 92-93.
[7] 刘乐平. 贝叶斯计量经济学从先验到结论. 中国经济学年会, 2006, (3): 53-56.
[8] 王燕 . 应用时间序列分析. 北京: 中国人民大学出版社, 2000. 140-174.
[9] 孙荣恒. 应用数理统计. 第二版. 北京: 科学出版社, 2002. 67-85.
[10] 吴海霞 , 刘潞锋. 蒙特卡罗方法在实际问题中的应用. 太原师范学院学报, 2009, (1): 5-8.
[11] W N Venables, B D Ripley Springer. Modern Applied Statistics with S Fourth edition. New Jersey: U S Patent, 2002. 1-147.
[12] Frank R Kleibergen, Henk Hoek. Bayesian Analysis of ARMA Models. Tinbergen Institute Discussion Paper, 2000, (3): 23-29.