組合模型在我國社會消費品零售總額預測中的應用研究.pdf

1、社會消費品零售總額是衡量我國人民消費水平的重要指標，也是影響國民經(jīng)濟的重要因素。因此，研究我國社會消費品零售總額的發(fā)展趨勢對于我國經(jīng)濟的發(fā)展具有重要的意義。社會消費品零售總額是一組時間序列時序，根據(jù)經(jīng)典的時間序列預測理論，本文的具體工作包括:
　　首先，構(gòu)建了X-12-ARIMA模型（加法和乘法），同時對這兩個模型進行比較分析，結(jié)果表明X-12-ARIMA乘法模型的擬合效果高于X-12-ARIMA加法模型，乘法模型的MAPE較小，

2、擬合程度較高。最后對模型AR、MA、ARIMA進行了比較，結(jié)果表明X-12-ARIMA乘法模型的擬合程度較高，對預測具有一定的優(yōu)勢。
　　其次，構(gòu)建了狀態(tài)空間模型下的指數(shù)平滑方法（ETS方法），對狀態(tài)空間模型下的指數(shù)平滑理論進行了系統(tǒng)的研究，并給出常用指數(shù)平滑方法的點預測推導形式。通過實證分析，最優(yōu)擬合模型為ETS(M，MD，M)，結(jié)果表明ETS模型的擬合程度和預測精度都比較高，模型的MAPE較小，模型對原始時序的季節(jié)性、趨勢性和

3、周期性因素擬合較好。ETS模型能夠充分的剔除原始時序中所包含的各項信息。
　　再次，根據(jù)單項預測模型的擬合效果，本文構(gòu)建了組合預測模型。并在此基礎(chǔ)上引入了兩種優(yōu)化權(quán)重系數(shù)算法，分別為非線性規(guī)劃方法和混沌粒子群優(yōu)化算法。根據(jù)實證分析，結(jié)果表明基于混沌粒子群算法權(quán)重優(yōu)化的組合模型擬合程度更高，且擬合效果均高于單項預測方法。應用混沌粒子群算法來優(yōu)化權(quán)重系數(shù)，較大程度上提高了模型的擬合精度和預測精度。組合模型充分的應用了各個單項模型的優(yōu)點

4、，同時將單項預測模型的優(yōu)勢結(jié)合到了一起。
　　最后，根據(jù)上述單項模型和組合模型的研究結(jié)果，進行分析比較結(jié)果表明基于混沌粒子群算法來優(yōu)化權(quán)重系數(shù)的組合模型的擬合程度較高，對我國社會消費品零售總額的擬合預測程度較好，MAPE較小。并應用本文所建立的兩類權(quán)重優(yōu)化方法的組合模型對我國社會消費品零售總額時序進行了數(shù)據(jù)的擬合和預測對比分析，同時對未來的我國社會消費品零售總額時序進行了預測。綜上所述，組合模型的擬合精度均高于單項預測模型的擬合精