邰晓红,刘 义
(辽宁工程技术大学 工商管理学院,辽宁 葫芦岛 125105)
居民消费价格指数(consumer price index,CPI)是一个用来反映居民家庭购买消费商品及服务的价格水平变动情况的重要宏观经济指标[1]。CPI涉及维系人民生计,关乎社会和谐,历来备受政府和民众关注。同时,CPI是价格总水平监测及调控、宏观经济分析及决策、国民经济核算的重要参考依据[1-5]。因此,科学精确的对CPI进行预测具有重要的现实意义。
目前,已经有一些学者对CPI进行预测研究,建立了一些预测模型。例如,神经网络模型[2]、ARIMA模型[3]、支持向量机模型[4]以及一些组合预测模型[5]等。这些模型对于CPI的预测具有重要意义。同时也存在一定的局限性,需要作进一步研究。需要说明的是,已有研究大多数是基于CPI的历史时序数据建立的预测模型。而CPI同时受到多重因素影响,其历史时序数据往往存在较大程度的波动。直接使用存在较大波动的CPI历史时序数据进行预测会在一定程度上影响CPI的预测结果。本文针对CPI历史时序数据的特点,提出了一种基于EEMD-PSO-SVM的月度CPI预测模型。在该模型中,首先采用EEMD对存在较大波动的CPI序列进行降噪分解,得到不同频率相对稳定的IMF序列和一个残余序列。然后采用PSO-SVM对得到的每个序列分别进行拟合预测。在此基础上,采用PSO-SVM对每个序列的预测结果进行融合,得到最终的月度CPI的预测结果。最后,以1994年1月至2017年5月的我国月度CPI为研究对象进行实际预测以验证模型的有效性和可靠性。