查進(jìn)道

摘 要：由于工業(yè)品出廠價(jià)格指數(shù)（PPI）是衡量工業(yè)產(chǎn)品出廠價(jià)格變動(dòng)程度的指數(shù)，PPI的變化會(huì)影響居民消費(fèi)價(jià)格指數(shù)（CPI），存在PPI向CPI的傳導(dǎo)關(guān)系，是有關(guān)部門制定經(jīng)濟(jì)政策的重要依據(jù)，因而對(duì)PPI進(jìn)行有效的預(yù)測(cè)具有現(xiàn)實(shí)的重要意義。由于微分進(jìn)化算法（DE）具有很強(qiáng)的全局尋優(yōu)功能、較快的收斂速度及較好的穩(wěn)定性的優(yōu)點(diǎn)，該文采用微分進(jìn)化算法對(duì)非線性灰色微分方程中的參數(shù)進(jìn)行尋優(yōu)，從而建立起基于非線性灰色微分方程的PPI預(yù)測(cè)模型，仿真結(jié)果表明了該模型的有效性。

關(guān)鍵詞：工業(yè)品出廠價(jià)格指數(shù) 非線性灰色微分方程 微分進(jìn)化算法 基于非線性灰色微分方程的PPI預(yù)測(cè)模型

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2015）09（a）-0095-02

工業(yè)品出廠價(jià)格指數(shù)（PPI）是衡量工業(yè)產(chǎn)品出廠價(jià)格變動(dòng)程度的指數(shù)，它反映了生產(chǎn)領(lǐng)域價(jià)格的變動(dòng)情況， PPI的變化會(huì)影響居民消費(fèi)價(jià)格指數(shù)（CPI），存在PPI向CPI的傳導(dǎo)關(guān)系，是有關(guān)部門制定經(jīng)濟(jì)政策的重要依據(jù)。因而對(duì)PPI進(jìn)行有效的預(yù)測(cè)具有現(xiàn)實(shí)的重要意義。由于歷年各月份的PPI數(shù)值所組成的序列具有非光滑性，文章采用文獻(xiàn)[3-4]的思想，選取2014年11至2014年4月的PPI數(shù)值，并利用微分進(jìn)化算法對(duì)參數(shù)尋優(yōu)建立起基于非線性灰色微分方程的PPI預(yù)測(cè)模型，最后以此模型對(duì)2015年5、6月的PPI進(jìn)行預(yù)測(cè)，結(jié)果表明該模型的有效性。

1 非線性灰色微分方程

2 基于非線性灰色微分方程的PPI預(yù)測(cè)模型的建立

全國2014年11月—2015年6月PPI見表1，數(shù)據(jù)來源于財(cái)經(jīng)網(wǎng)站http：//data.eastmoney.com/cjsj/ppi.html。

以2014年11月—2015年4月PPI作為訓(xùn)練數(shù)據(jù)集，以2015年5月—2015年6月PPI作為測(cè)試數(shù)據(jù)。用訓(xùn)練數(shù)據(jù)集建立非線性灰色微分方程預(yù)測(cè)模型并對(duì)2015年5月和2015年6月的PPI進(jìn)行預(yù)測(cè)。具體算法如下。

Step1：輸入樣本數(shù)據(jù)（）。設(shè)置DE的最大迭代循環(huán)次數(shù)、種群規(guī)模、放縮因子及交叉常數(shù)等參數(shù)并設(shè)置參數(shù)的搜索范圍。令迭代的代數(shù)。

Step2：計(jì)算的一階累加生成序列=（，

），的緊鄰均值生成序列（）

及。在所設(shè)置的參數(shù)的范圍內(nèi)隨機(jī)生成初始種群，計(jì)算和，。以作為訓(xùn)練集，利用（1）分別對(duì)和進(jìn)行擬合得其擬合值和，。計(jì)算每個(gè)個(gè)體的適應(yīng)度值，記錄各個(gè)體極值、全局極值和全局極值點(diǎn)。

Step3：通過變異、交叉和選擇這三種操作對(duì)種群進(jìn)行更新，計(jì)算新種群各個(gè)體的適應(yīng)度值，并更新各個(gè)體極值、全局極值和全局極值點(diǎn)。

Step4：若，則，轉(zhuǎn) Step3。否則，輸出全局極值點(diǎn)，即為參數(shù)的最優(yōu)取值。

Step5：利用建立PPI的非線性灰色微分方程預(yù)測(cè)模型。

利用matlab 很方便地實(shí)現(xiàn)上述算法。2014年11月—2015年4月PPI的預(yù)測(cè)結(jié)果及2015年1月—2015年6月PPI的預(yù)測(cè)結(jié)果見圖1和表2。

2015年1月—2015年6月PPI的擬合值與原始值的相對(duì)誤差如表2。

3 結(jié)語

由圖1、表2可知，采用本文所建立的非線性灰色微分方程預(yù)測(cè)模型對(duì)2014年11月—2015年4月的PPI進(jìn)行擬合所得的各擬合值和對(duì)2015年5月、6月的PPI進(jìn)行預(yù)測(cè)所得的各預(yù)測(cè)值，與其對(duì)應(yīng)的原始值相比較，相對(duì)誤差都較??；其中，對(duì)2015年5月、6月的PPI進(jìn)行預(yù)測(cè)所得的預(yù)測(cè)值分別為95.2407和95.1526，而2015年5月、6月的PPI的實(shí)際值分別是95.4和95.2，相對(duì)誤差分別為0.17%和0.05%，與實(shí)際值較為接近，這也表明了該預(yù)測(cè)模型的有效性。

參考文獻(xiàn)

[1] 楊燦， 陳龍.中國CPI與PPI：因果關(guān)系和傳導(dǎo)機(jī)制[J].廈門大學(xué)學(xué)報(bào)：哲學(xué)社會(huì)科學(xué)版，2013（3）：1-9.

[2] 劉康.PPI、CPI傳導(dǎo)機(jī)制研究[J].國際金融研究，2014（5）：24-30.

[3] 王美嵐.一類非線性灰色微分方程的擬合方式[J].山東師范大學(xué)學(xué)報(bào)：自然科學(xué)版，2003，18（2）：17-19.

[4] 楊秋明.非線性灰色微分方程的擬合[J].應(yīng)用數(shù)學(xué)，1990（3）：60-67.