开题报告模板(二本)

1、 （2015届）本科毕业论文（设计）开题报告题 目 居民价格消费指数的ARIMA方法建模分析 学 院 数理与信息工程学院 专 业 数学与应用数学 班 级 数学111 学 号 201159265114 姓 名 张敉婧 指导教师 熊炳忠 开题日期 2015年1月16日 一、论文选题的背景、意义 居民消费价格指数（Consumer Price Index，CPI），是反映一组代表性商品和服务项目价格水平变化趋势和变动幅度的统计指标，以零售量或居民消费量为权数，反映消费者所付商品的价格水平。CPI是宏观经济决策的重要参考数据，为一国政府分析和制定货币政策、财政政策、价格政策以及进行国民经济核算提供科学

2、依据。由于CPI所反映的价格水平和走势是各国政府宏观经济调控的主要目标，CPI自然也成为衡量政府财政和货币政策是否有效以及效率如何的重要指标之一。从我国货币政策目标来看，我国的货币政策目标是“保持物价稳定，并以此促进经济增长”，物价稳定是我国宏观经济决策的重要目标之一。另一方面，国际上通常以CPI为主要指标来反映通货膨胀(或通货紧缩)的程度。按照国际惯例，当CPI增幅连续超过3%时，即意味着发生了通货膨胀；当CPI低于1%时，则有通货紧缩的风险。当通货膨胀发生时，随着货币贬值，名义工资与实际工资背离，大多数居民的利益和生活就会受到影响。因此，CPI关系国计民生，是管理层制定宏观经济政策、分析货

3、币市场和债券市场及央行公开市场操作的重要参考依据。如何科学预测我国 CPI，并在此基础上运用一定的技术手段，实施超前性的货币政策，对于旨在烫平经济波动的宏观经济政策具有重要意义。然而CPI预测问题却是经济预测中一个难题，也是学术界存在争论的问题。常见的CPI的定量预测方法归纳起来不外乎两种：一种是从CPI外部影响因素出发，通过研究其外部影响因素变化的规律来对CPI加以预测；另一种就是从CPI内在动力机制出发，通过探寻CPI自身变化规律而对其加以预测。对于第一种方法，CPI预测之所以困难，就在于：一是，CPI受多种因素影响，理论上难以科学全面地界定这些先兆的外部影响因素(也即先行指标)；二是，即

4、使这些先兆因素能够正确界定，但理论上还是难以确定这些先兆因素的先行期；三是，同样面临科学选择预测模型及其预测方法问题；四是，CPI不仅受到先行指标的影响，同时还会受到某些主要宏观经济变量的瞬间冲击影响，从而改变其变化路径。对于第二种方法而言，由于CPI受多种因素影响，其自身内在规律往往存在非线性动力机制。因而，可靠的预测必须选择能充分刻画这种特征的预测模型及预测方法，否则将难以保证预测的正确性。然而预测模型的选择却是一个难点问题。本文的主要目的是掌握宏观经济学、概率论与数理统计、时间序列分析、以及数学建模的理论知识基础上，通过查阅并综述已有居民消费价格指数分析的文献资料，收集我国最近20年的C

5、PI数据，采用时间序列分析建模方法进行对CPI数据的建模分析与预测。主要目标是培养利用掌握的数学方法对实际数据进行数据分析、解决实际问题的能力，完成一篇学位论文。2、 研究的基本内容与拟解决的主要问题本文在宏观经济理论的基础上，从我国CPI波动等经济时间序列入手，充分利用数学工具，综合运用数理统计方法和计量分析方法，通过计量模型科学地分析我国CPI的变化的季节性与周期性趋势。同时对我国CPI建立ARIMA预测模型，从而能够有效地对CPI波动进行监测和预警，力求为宏观经济决策提供有价值的参考。因此，本文的研究重点在于：一方面，侧重于计量方法的研究，包括计量研究工具以及预测模型的比较研究；另一方面

6、，结合我国经济的实际，侧重于我国CPI预测的实证分析。论文拟撰写的主要内容提纲三、研究的方法与技术路线收集我国最近20年的CPI数据，采用时间序列分析建模方法进行对CPI数据的建模分析与预测。通过eviews软件对ARIMA模型进行拟合预测,使结果表明该模型有效, 预测值精度较高。 ARIMA模型全称为自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,简记ARIMA)，是由博克思(Box)和詹金斯(Jenkins)于20世纪70年代初创立的十分有名的时间序列预测方法 ，所以又称为box-jenkins模型、博克思-詹金斯法。A

7、RIMA模型的基本思想是：将预测对象随时间推移而形成的数据序列视为一个随机序列，用一定的数学模型来近似描述这个序列。这个模型一旦被识别后就可以从时间序列的过去值及现在值来预测未来值。现代统计方法、计量经济模型在某种程度上已经能够帮助企业对未来进行预测。 ARIMA即自回归综合移动平均模型满足以下条件，则称为自回归整和移动平均序列，记为ARIMA（p,d,q），其中，称作整和阶数，为自回归系数，为移动平均系数 。在比较简单的自回归移动平均模型中，是没有季节性的，只有趋势性。设是一随机序列，并设 , (4.1)其中是滞后算子。如果存在非负整数，使得： (4.2)式中 (4.3) 且，与互质，；为白

8、噪音序列，有ARIMA模型预测的基本程序（一）根据时间序列的散点图、自相关函数和偏自相关函数图以ADF单位根检验其方差、趋势及其季节性变化规律，对序列的平稳性进行识别。一般来讲，经济运行的时间序列都不是平稳序列。（二）对非平稳序列进行平稳化处理。如果数据序列是非平稳的，并存在一定的增长或下降趋势，则需要对数据进行差分处理，如果数据存在异方差，则需对数据进行技术处理，直到处理后的数据的自相关函数值和偏相关函数值无显著地异于零。（三）根据时间序列模型的识别规则，建立相应的模型。若平稳序列的偏相关函数是截尾的，而自相关函数是拖尾的，可断定序列适合AR模型；若平稳序列的偏相关函数是拖尾的，而自相关函数

9、是截尾的，则可断定序列适合MA模型；若平稳序列的偏相关函数和自相关函数均是拖尾的，则序列适合ARMA模型。（四）进行参数估计，检验是否具有统计意义。 （五）进行假设检验，诊断残差序列是否为白噪声。（六）利用已通过检验的模型进行预测分析。四、研究的总体安排与进度2014.10.312014.11.20 完成毕业论文选题2014.11.212015.01.16 完成文献综述、开题报告及外文翻译2015.01.172015.03.27 完成毕业论文初稿及确定实习单位2015.03.272015.05.03 修改论文、毕业实习2015.05.042015.05.20 毕业论文定稿、评阅2015.05.

10、212015.05.31 毕业论文答辩五、主要参考文献1.何书元应用时间序列分析M北京：北京大学出版社，20032. 王燕，应用时间序列分析M.北京:中国人民大学出版社，20053.易丹辉 数据分析与Eviews应用M 北京 中国人民大学出版社.2006 4.Ruey S.Tsay.金融时间序列分析M 北京 高等教育出版社.2005.105.武文婕 ARIMA模型在CPI预测中的应用J,中国科技信息，20076.黄晓薇，宋立新口一ARCH模型的经验似然推断J系统科学与数学，20077朱复康，王德辉，李凤翔，等一个整值ARCH(p)模型的经验似然推断J吉林大学学报：理学版，20088张树京,齐立

11、心.时间序列分析简明教程M.北京：清华大学出版社,2003：5-15.9张晓峒.EViews使用指南与案例M.北京：机械工业出版社,2007：78-89. 10Owen A BEmpirical Likelihood Ratio Confidence Intervals for a Single FunctionalJBiometrika Trust，1988，75：237-24911Box,Jenkins,and Reinsel.time series analysis: forecasting and control,3rd editionM.1994,Prentice Hall,Englewood Cliffs,NJ.12Monti A