摘要：CPI是居民消费价格指数的英文首字母缩写（Consumer Price Index,CPI），是一个反映居民家庭一般所购得的消费价格水平变动情况的宏观经济指标。它反映了经济变动的趋势，对宏观调控具有重要意义。其变动率在一定程度上反映了通货膨胀或紧缩的程度。据此可知，对CPI的分析与预测具有重要价值。

    本文基于1996年1月至2012年6月的月度CPI数据，拟合了季节性ARIMA模型，并预测了后五期的CPI值。然后结合1996年1月至2012年6月之间的房地产价格指数和广义货币供应量M2数据，通过人工神经网络方法也预测了后五期的CPI值。论文发现，利用ARIMA模型拟合及预测CPI更好。这与目前文献中公认的BP算法优于ARIMA模型的观点相违背。所以，作者对出现这种情况的原因进行了细致的分析，结合文献，指出了本文的不足之处，并就此提出了改进措施。最后，就CPI指标的变动趋势提出了政策性意见。

关键词：CPI；人工神经网络；时间序列分析

目录

摘要

ABSTRACT

第一章 引言3

1.1文献综述3

1.2 CPI影响因素分析4

1.3 CPI上涨的不利影响4

1.4 数据的获取4

第二章 人工神经网络与BP算法7

2.1人工神经网络7

2.1.1 人工神经网络概述7

2.1.2 神经网络的理论基础7

2.1.3 神经网络的重大意义8

2.1.4 神经网络的优缺点9

2.2 BP算法9

2.2.1 BP算法的概述9

2.2.2 BP算法的原理9

2.2.3 BP算法的流程图10

2.2.4 BP算法的特点11

2.2.5 BP算法的缺点12

第三章 时间序列ARIMA模型简介13

 3.1 概述13

3.2 建模的操作步骤13

第四章 分析与结果预测14

 4.1 基于ARIMA模型的CPI分析14

4.2 基于神经网络的CPI分析20

4.3 结果比较和相应结论22

4.4不足与改进23

结论25

参考文献26

致谢27

附录28