原创中国的通货膨胀预测基于ARIMA模型的实证分析.doc

DNF句号www.dnf717.comsjl
摘要：通货膨胀预测已经成为中央银行制定货币政策的一个关键性变量。我们在研究国外学者对通货膨胀预测研究的基础上，根据我国1990年1月到2007年11月的CPI月度数据，运用ARIMA模型，对我国通货膨胀进行分析和短期预测。实证结果表明，运用ARIMA(1，1，10)模型为我国的通货膨胀提供了较好的预测，如果央行能依据通货膨胀预测的结果制定相应的货币政策，将有助于避免货币政策的时滞，有利于正确地引导和稳定市场预测，最终提高货币政策的有效性。
中国论文网
关键词：通货膨胀预测；ARIMA模型；CPI
中图分类号：F830文献标识码：A文章编号：1006-1428(2008)08-0038-05

一、引言

目前不少西方学者认为，通货膨胀预测已经成为制定货币政策的关键变量，央行的决策越来越依赖于未来的通货膨胀走势，而不仅仅是基于历史信息，有些中央银行甚至把通货膨胀预测作为货币政策的中介目标。JorgeIvanCanales.Kri.jenko.TurgutKisinbay,Rodo.foMaino,andEricParrado(2006)对通货膨胀预测机制作了全面的描述。他们把通货膨胀预测机制描绘成类似一个生产过程，通货膨胀预测机制包括以下内容：数据管理、信息收集、适当的统计机制、合理传导机制。其中最复杂的、也是最关键的内容是通货膨胀预测模型的构建。因此，通货膨胀预测模型也成了近年来国外金融经济学者的研究课题，学者们通常运用三种系列的模型对通货膨胀进行预测。
从国外研究通货膨胀预测模型来看，最具影响力的模型是基于失业率的菲利普斯曲线模型，其理论基础是菲利普斯曲线：通货膨胀与过去的失业率存在交替关系，反映的是凯恩斯学派对通货膨胀的观点。James.H.Stock&Mark.W.Watson(1999)运用美国1959年1月到1997年9月的通货膨胀数据检验了基于失业率的菲利普斯曲线模型的预测效果，并比较了基于其他宏观经济变量(利率、货币、商品价格)的预测模型，发现基于其他宏观经济变量的菲利普斯曲线模型所作的预测比基于失业率的菲利普斯曲线更为有效。此外，他们还提到两种很具有启发性的多元预测模型的构造方法：一是直接利用多个变量构建模型；二是构建一个包括一组变量的复合指数，然后利用指数进行检验的模型。PaulMeNelisandPeterMcAdam(2004)延续了Stock和Watson的菲利普斯模型对欧洲国家的通货膨胀进行了检验。然而An-drewAtkeson&LeeE.Ohanian(2001)对基于菲利普斯曲线模型的预测模型进行了重新评价，认为这种传统的预测模型是非常有用的预测工具的观点是错误的，他们通过对过去15年的数据检验发现，该模型并不能精确地预测通货膨胀。第二种预测模型是印尼UreaRamakrishmanandAthanasiosVam-vakidis等学者(2002)利用分布滞后模型构建的一个通货膨胀预测模型。他们的模型不但选取了国内的通货膨胀因素，而且加入了外国通货膨胀输入的因素，主要变量有：外汇、外国通货膨胀、货币供应增长率。他们认为这些因素对印尼的通货膨胀具有很强的解释力。ToshitakaSekine(2001)同样运用了分布滞后模型作为预测通货膨胀的主要模型，但其运用的变量更多，主要变量包含四大块：供给方面、需求方面、货币因素、国外因素。在模型中，产出缺口和货币供给因素被认为是引起通货膨胀的主要因素。第三种预测模型主要运用时间序列来构建模型。AR(au-toregression)自回归模型是一个一元线性模型。与其他精致的预测模型相比，虽然简单，但也常被认为是最具有竞争力的预测模型，StockandWaston(1999a)发现AR模型是在一系列的线性和非线性的模型中表现得最好的预测模型。CharlesS.Bos,PhilipHansFranses&MariusOoms(2000)比较了ARMA(1，1)和ARIMA(1，1，1)模型，发现后者比前者的预测更为准确，并且运用该模型拟合了美国核心通货膨胀的月度数据。
通过对几种模型的比较分析，发现菲利普斯曲线模型是一种理论驱动型模型，对理论基础的依赖性相对较强，它也是一种先验性模型，涉及的经济变量全面，预测更为精确，但模型复杂，变量过多，且数据收集难度高。分布滞后模型和ARMA或ARIMA模型的运用则更少依赖于理论基础，属于数据驱动型模型，但分布滞后模型只能对未来一期的通货膨胀作预测，具有较大的局限性。虽然ARIMA模型没考虑对通货膨胀产生重要影响的供求方面的变化会产生误差，而且其预测的通货膨胀转折点会滞后于实际值，但ARMA或ARIMA模型是一种简单、预测精确度较高的时序短期预测方法，很受学者们的青睐。
目前我国