[发明专利]一种基于ARIMA与LSSVM模型的CPI组合预测方法

摘要

本发明涉及一种基于ARIMA与LSSVM模型的CPI组合预测方法，属于经济领域。本发明对CPI数据进行HP滤波分解得到长期趋势序列与循环序列；对长期趋势序列数据进行平稳性检验、白噪声检验、方差齐性检验以及随机扰动项检验，并得到长期趋势序列的预测值；用GA‑LSSVM模型对循环序列进行预测，得到循环序列的预测值；将长期趋势序列的预测值与循环序列预测值进行相加，则得到CPI的预测值。本发明简单易行，可以简单、可靠地预测地区、全国CPI，应用范围广，对很多地区都有可参考和应用价值，起到指导作用。适用于所有地区的CPI的预测。

主权项

1.一种基于ARIMA与LSSVM模型的CPI组合预测方法，其特征在于：对CPI数据进行HP滤波分解得到长期趋势序列与循环序列；对长期趋势序列数据进行平稳性检验、白噪声检验、方差齐性检验以及随机扰动项检验，并得到长期趋势序列的预测值；用GA-LSSVM模型对循环序列进行预测，得到循环序列的预测值；将长期趋势序列的预测值与循环序列预测值进行相加，则得到CPI的预测值；所述方法的具体步骤如下：Step1、通过国家统计局网站获取CPI数据，利用HP滤波将CPI数据分解为长期趋势序列与循环序列；Step2、对长期趋势序列数据进行平稳性检验、白噪声检验、方差齐性检验以及随机扰动项检验，并得到长期趋势序列的预测值：Step2.1、对长期趋势序列数据进行平稳性检验，并通过ADF检验验证，直到长期趋势序列数据平稳，得到ARIMA模型；Step2.2、对平稳后的长期趋势序列数据进行白噪声检验、方差齐性检验：若结果具有异方差性，则得到ARIMA-GARCH模型；若无异方差性，则得到ARIMA模型；Step2.3、对进行白噪声检验、方差齐性检验后的长期趋势序列数据进行随机扰动项检验：若结果服从t分布，则分别得到ARIMA-GARCH~t模型或者ARIMA~t模型；否则，则分别得到ARIMA-GARCH模型或者ARIMA模型；Step2.4、根据进行了平稳性检验、白噪声检验、方差齐性检验以及随机扰动项检验后获得的模型对长期趋势序列进行预测，得到长期趋势序列的预测值；Step3、基于循环序列运用遗传算法对LSSVM模型的参数寻优，获得最优参数，运用最优参数代入LSSVM模型进行循环序列预测，得到循环序列的预测值；Step4、将长期趋势序列的预测值与循环序列预测值进行相加，则得到CPI的预测值。