|
基于混频数据的CPI预测研究 |
|
论文目录 |
|
摘要 | 第3-4页 | abstract | 第4-5页 | 1 绪论 | 第8-15页 | 1.1 研究背景 | 第8-9页 | 1.2 研究意义与目的 | 第9-10页 | 1.3 国内外研究进展 | 第10-13页 | 1.3.1 CPI预测的相关研究 | 第10-12页 | 1.3.2 混频数据模型在其他领域的应用情况 | 第12-13页 | 1.4 研究思路 | 第13页 | 1.5 研究框架 | 第13-14页 | 1.6 创新之处 | 第14-15页 | 2 方法介绍 | 第15-24页 | 2.1 动态因子模型和状态空间模型简介 | 第15-17页 | 2.1.1 动态因子模型 | 第15-16页 | 2.1.2 状态空间模型 | 第16-17页 | 2.2 Kalman滤波简介 | 第17-19页 | 2.2.1 Kalman滤波原理 | 第17-18页 | 2.2.2 Kalman滤波超参数估计 | 第18-19页 | 2.3 MIDAS模型简介 | 第19-22页 | 2.3.1 MIDAS(m,k)模型 | 第19-21页 | 2.3.2 MIDAS(m,K) -AR模型 | 第21页 | 2.3.3 h步向前预测的自回归混频数据模型 | 第21-22页 | 2.3.4 有约束的MIDAS模型的估计方法 | 第22页 | 2.4 时间序列模型简介 | 第22-24页 | 3 网络搜索数据与舆情因子的获取 | 第24-32页 | 3.1 网络搜索数据与经济变量之间的联系 | 第24页 | 3.2 网络搜索数据的获取 | 第24-26页 | 3.2.1 网络搜索数据的采集方法 | 第24-25页 | 3.2.2 有关网络搜索关键词的选择 | 第25-26页 | 3.3 日度搜索关键词的预处理 | 第26-29页 | 3.4 逐日CPI舆情热度的提取 | 第29-32页 | 4 基于MIDAS模型对我国CPI的预测 | 第32-46页 | 4.1 变量的选择与数据的整理 | 第32-34页 | 4.2 混频数据模型的设定 | 第34-38页 | 4.2.1 舆情混频数据模型 | 第34-36页 | 4.2.2 金融舆情混频数据模型 | 第36-37页 | 4.2.3 混频数据模型的估计 | 第37-38页 | 4.3 ARMA模型 | 第38-42页 | 4.3.1 平稳性检验 | 第38-39页 | 4.3.2 季节效应分析 | 第39页 | 4.3.3 模型的选择与估计 | 第39-41页 | 4.3.4 模型的检验 | 第41-42页 | 4.4 模型的预测效果评价 | 第42-44页 | 4.5 混频模型的实时预测效果 | 第44-46页 | 5 研究结论与展望 | 第46-48页 | 5.1 研究结论 | 第46-47页 | 5.2 不足与展望 | 第47-48页 | 参考文献 | 第48-51页 | 致谢 | 第51页 |
|
|
|