基于ARIMA模型对中国核心CPI的短期预测.docx

基于ARIMA模型对中国核心CPI的短期预测
随着经济的不断发展，物价的波动也越来越受到人们的关注。一个国家的物价水平对于其经济的稳定和发展至关重要。因此，对于物价变化的预测就显得非常重要了。本文将基于ARIMA模型对中国核心CPI的短期预测进行分析。
一、ARIMA模型的介绍
ARIMA模型，也被称作“自回归移动平均模型”，是一种基于时间序列分析的预测方法。此模型假设某个变量的发展在很大程度上受到其自身时序数据的影响，通过对时序数据进行分析、建模，预测其未来的值。ARIMA模型包括三类参数，分别是“AR（自回归）”、“MA（移动平均）”和“差分”。其核心思想是将一个时间序列数据进行差分，得到一个新的时间序列，然后建立一个ARMA（自回归移动平均模型）将其拟合。如果拟合不符合预期，便进行差分，直到得到合适的模型。
二、中国核心CPI的数据分析
中国的核心CPI，主要是指食品和能源两个比较波动的价格因素之外的所有产品的价格的平均涨幅，是一项衡量物价通胀的非常重要的指标。近年来，中国的核心CPI在波动中呈现出稳步上升的趋势，并且在疫情期间出现了一些非常明显的波动。下面是中国核心CPI的数据图表：
从图表中可以看出，中国核心CPI虽然总体呈现出的是一个稳步上升的趋势，但是在2015年到2017年之间，呈现大幅波动的情况。而在2020年由于疫情的影响，核心CPI的趋势又发生了比较明显的变化。
三、中国核心CPI的ARIMA分析
在进行ARIMA分析之前，我们需要先对原始数据进行处理。通过数据的处理，我们可以得到如下的现象：
从上图中可以看出，对于原始数据进行一阶差分可以得到一个平稳的时间序列。此时，我们的差分指数d=1。
接下来，我们进行自回归AR和滑动平均MA训练，然后通过自回归区间p和滑动平均窗口q的训练得出ARIMA的模型。最终建立的模型为（1，1，1）。
四、结果分析
通过建模，我们得到了ARIMA（1，1，1）模型。根据此模型进行预测，得到2021年4月到2021年6月的核心CPI如下所示：
从预测结果中可以看出，2021年4月到2021年6月的中国核心CPI总体呈现出缓慢上升的趋势。但是从CPI的预测下限可以看出，今年下半年中国核心CPI可能还会有一些波动，需要持续关注。
五、结论
本文采用ARIMA模型对中国核心CPI进行了分析与预测。预测结果显示，2021年4月到2021年6月中国核心CPI预计总体上升，但是下半年可能还会有一些波动。作为中国的重要宏观指标，核心CPI引起了广泛的关注，预测其未来发展趋势以及可能带来的影响具有重要的价值。ARIMA模型可以较为准确地预测时间序列数据的发展趋势，为政策制定和经济预警提供重要的参考依据。但是，需要注意的是，ARIMA模型的适用范围是相对有限的，在实际应用中，需要针对不同的情况对参数进行调整和优化，才能得到更精准的预测结果。