基于小波时间序列模型的CPI预测
【摘要】 经典时间序列模型是CPI预测较为常用的方法，该方法建模前未对数据进行预处理，导致模型预测精度不高。为此提出一种小波时间序列模型方法:首先通过小波分解与重构消除时间序列的白噪声;然后将重构的近似分量和细节分量，分别建立时间序列模型;最后对两个分量的预测结果进行重构，得到序列的最终预测结果。实验以2000年1月至2015年12月期间的安徽省月度CPI序列作为实证分析对象，分别构建经典时间序列模型和小波时间序列模型，通过比较两种模型的预测精度，发现小波序列模型明显优于经典时间序列模型。
