文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 经济/市场 > 我国居民消费价格指数的混沌特性分析及预测研究
侵权投诉

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

我国居民消费价格指数的混沌特性分析及预测研究

商业研究

我国居民消费价格指数的混沌特性分析及预测研究

陈 敏 罗庆云 曹文明 湖南工学院

基金项目:基于神经网络的混沌时间序列预测模型研究 湖南省高等学校科学研究项目(08C249)   时间序列数据挖掘研究及应用 湖南工学院院级科研项目(HGY 0720)

[摘 要] 根据我国居民消费价格指数的非线性特征,建立了基于混沌理论的消费者价格指数神经网络模型,同时运用所建模型对我国居民消费价格指数进行估计和预测。计算结果表明,该模型能够很好地解决居民消费价格指数估计和预测这一问题,预测精度较传统的方法要高,具有一定的应用价值。

[关键词] 混沌理论 神经网络 相空间重构 居民消费价格指数一、引言

消费者价格指数(CPI)是反映与居民生活有关的产品及劳务价格统计出来的物价变动指标,通常作为观察通货膨胀水平的重要指标。对居民消费价格指数的预测,不仅能反映一个国家在未来段时期内是否会发生通货膨胀或通货紧缩,而且影响着对政府制定货币、财政、消费、价格、工资、社会保障等政策方针的制定有一定的指导作用,可以及早地抑制住经济中的不良因素,使经济循着良性的轨道发展。目前关于居民消费价格指数的研究,多集中在居民消费价格指数如何度量通货膨胀率以及适用的条件方面。对于价格指数的预测,学者们主要采用ARIMA模型、半相依自回归(SUAR)模型、函数系数自回归(FAR)模型或者是混合回归和时间序列模型来进行预测。尽管这类方法能够对价格指数进行预测,但它难以反映其变化的复杂特性,而混沌理论具有非常丰富的内涵,能允许人们利用简单的确定性系统去解释自然界中高度不规则的波动现象。近年来,用混沌应用进行预测的研究文献越来越多,但其相关的研究主要是应用于水文学、用电量的预测中,在价格指数方面的研究鲜为见到。本文引入混沌理论的分析方法,从非线性时间序列预测的角度对消费者价格指数进行了研究,根据相空间理论重构居民消费价格指数时间序列,沿着系统演化的相轨道建立当前和未来的居民消费价格指数的映射关系,以神经网络为工具逼近该映射关系,建立起了基于混沌理论的居民消费价格指数神经网络模型。将此结果与ARIMA、SUAR模型、FAR模型等模型的预测结果相比较,该方法的相对误差较小,预测效果更好。

二、混沌识别

用混沌理论研究居民消费价格指数问题的前提是确定居民消费价格指数是混沌的。在实际应用中,判断一个系统的动态行为是否混沌,即是否有混沌吸引子,一般从混沌吸引子的两个基本特征来判断:(1)系统相空间中的吸引子是否具有自相似结构的分形维特征;(2)系统对于初始条件是否具有敏感性。如果所研究的吸引子具备这两个特征,那么,我们就可以认为该吸引子是混沌吸引子,系统的行为是混沌的。一般从定性、定量两个途径来进行时间序列性质的鉴别,定性分析方法主要是根据观测序列在时

由Takens嵌入定理知,存在光滑映射

(3)

如果我们能够得到影射的解析或动力学方程,则根据混沌时间序列中内在规律性对混沌时间序列进行预测就成为可能。然而实际中时间序列中的混沌动力学模型都是非常复杂的非线性关系,直接获得该函数方程的解析存在一定的困难。而神经网络的非线性影射能力正是处理这种信息的很好方法。神经网络用于时间序列预测,就是构造一个神经网络模型,首先用该神经网络模型来拟合理论上满足公式(3)的这种函数关系。然后利用训练好的神经网络来推导未来的值,即用时间序列的前m个值预测下个值

。

去

(2)满足:

域或频域内表现出的特殊性质对序列的主要特性进行粗略分析,常用的有相图法、功率谱法、庞加莱截面法和代替数据法等。定量分析的方法主要是对描述混沌系统的重要特性指标包括关联维数、最大Lyapunov指数和Kolmogorov熵等特性指标定量分析,从而进行混沌识别。

三、相空间重构对于时间序列重构相空间为:

(1)

其中,为相空间的点,m为嵌入维数,为延迟时间,为相点总数,

,相空间矩阵为:

,根据Takens提出的嵌入定理,

在重构相空间中,延迟时间和嵌入维数的选取具有十分重要的意义,直接关系到相空间重构的质量,当选择的太小时,延迟矢量各坐标值之间有很强的相关性,这时重构矢量被压缩在相空间的主对角线的周围,信息不易显露,产生冗余误差;而当选择的太大时,重构矢量各坐标值之间的关系几乎变成随机的,破坏了原系统各变量之间的内在关系,这时吸引子沿着与主对角线垂直的方向发散,将使得重构矢量包含的原动力系统信号失真。嵌入维数m太小,重构吸引子不能完全打开;m太大,实际建模就需要更多的观测值,对计算Lyapunov指数等不变量带来大

第1页

你可能喜欢

  • 统计软件
  • 影响价格变动的因素
  • SPSS聚类分析
  • 价格预测模型
  • 影响居民消费水平的因素分析

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email