论文部分内容阅读
2010年以来，物价上涨～直是人们关注的焦点问题之一，PPI是反映我国国民经济发展状况的重要指标。研究PPI的变动情况有助于对当前的经济政策作出相应的调整，对于研究我国国民经济的发展变化具有重要的实际意义。
本文基于时间序列方法对我国PPI月度数据进行研究，将遗传算法和投影寻踪方法应用到门限自回归模型中，建立了PPI同比增幅数据的基于遗传算法的门限自回归模型以及投影寻踪门限自回归模型。具体内容如下：
(1)构建了PPI同比增幅数据的门限自回归(TAR)模型，将TAR模型预测数据与原始数据及AR模型的预测数据进行比较。结果表明，TAR模型的预测效果较好，但在门限值的选取方面仍有进一步改进的空间。
(2)在门限自回归模型中引入遗传算法，对模型重新优选门限值，建立了PPI数据的基于遗传算法的门限自回归模型，并将该模型的拟合、预测结果与普通的门限自回归模型的拟合、预测结果进行对比。结果表明：在拟合及预测方面前者比后者都要好，特别是预测精度有了明显提高，体现了遗传算法在全局优化方面的优势。
(3)将投影寻踪门限自回归模型应用在PPI数据的分析、预测上。建模结果比较理想。表明投影寻踪方法在经济数据的研究中具有很好的应用价值。投影寻踪门限自回归模型将传统的投影寻踪方法分解成两个相互独立的优化问题：投影指标函数的优化问题和TAR模型的参数优化问题，简化了建模的过程。拟合和预测结果也表明投影寻踪门限自回归模型较好地反映了数据的结构特征，同时也具有良好的预测能力。