基于粒子濾波算法的通貨膨脹預(yù)測(cè)研究.pdf

1、經(jīng)濟(jì)、金融領(lǐng)域中很多時(shí)間序列都可以表示成狀態(tài)空間模型,對(duì)應(yīng)于求解線性、高斯?fàn)顟B(tài)空間模型的卡爾曼濾波已得到廣泛運(yùn)用。但是經(jīng)濟(jì)、金融中的機(jī)制轉(zhuǎn)移模型、隨機(jī)波動(dòng)模型及時(shí)變參數(shù)模型等都具有很強(qiáng)的非線性、非高斯性,卡爾曼濾波對(duì)該類(lèi)模型已無(wú)能為力。在工程技術(shù)領(lǐng)域中解決一般狀態(tài)空間模型的粒子濾波算法因此便在研究經(jīng)濟(jì)、金融時(shí)間序列中發(fā)揮巨大作用。
　　本文詳細(xì)說(shuō)明了粒子濾波算法的基本原理,通過(guò)仿真實(shí)驗(yàn)表明粒子濾波算法中加入再抽樣步驟的重要性,介紹

2、了與本文相關(guān)的幾種特殊粒子濾波算法。實(shí)證部分結(jié)合1990年1月以來(lái)中國(guó)月度同比CPI通脹率的統(tǒng)計(jì)特征,分別建立了能明顯刻畫(huà)通脹序列非對(duì)稱(chēng)性的UC-SV-S模型和一個(gè)一般的帶反饋機(jī)制的多因素SV模型(簡(jiǎn)稱(chēng)FM-UC-SV模型)。后者一方面具有一般隨機(jī)波動(dòng)模型對(duì)時(shí)間序列的刻畫(huà)能力;另一方面通過(guò)將通貨膨脹周期性成分分解為兩個(gè)隨機(jī)波動(dòng)因素,可以分別刻畫(huà)通貨膨脹的長(zhǎng)記憶性及短記憶性,其中短記憶性因素可以反映極端事件對(duì)通貨膨脹的影響。由于模型中的狀

3、態(tài)變量既有非線性部分又有條件線性部分,采用特殊的粒子濾波方法——Rao-Blackwellization粒子濾波來(lái)解決該模型,實(shí)現(xiàn)了對(duì)通貨膨脹的一步向前預(yù)測(cè)和濾波估計(jì)以及各波動(dòng)項(xiàng)的濾波和平滑估計(jì)。研究表明,中國(guó)通貨膨脹序列有如下特點(diǎn):(1)在高通貨膨脹時(shí)期,通貨膨脹的波動(dòng)性以及波動(dòng)的隨機(jī)性都一般比較高;(2)通脹路徑是動(dòng)態(tài)變化的,常用的常系數(shù)預(yù)測(cè)模型對(duì)通貨膨脹的預(yù)測(cè)不太適用;(3)通貨膨脹序列存在著非對(duì)稱(chēng)性,通脹上升時(shí)期波動(dòng)性高于通貨緊