Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Bücher
Zeitschriften
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
MTZ-Fachkongress

Antriebe und Energiesysteme von morgen


Austausch von Automobil- und Energiewirtschaft

Am 14./15. Mai geht es in Chemnitz um die Mobilitätswende durch Elektro- und Wasserstofffahrzeuge.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
An Approach Based on Demand Prediction with LSTM for Solving Multi-batch 2D Cutting Stock Problems Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

Application of Grey Forecasting Model to CPI Index Forecast

verfasst von : Yifu Sheng, Jianjun Zhang, Wenwu Tan, Jiang Wu, Haijun Lin, Guang Sun

Erschienen in: Advances in Artificial Intelligence and Security

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

The CPI index is the final price of social products and services. It is an important indicator for economic analysis and decision-making, monitoring and control of the overall price level, and national economic accounting. Because the CPI index is originally a univariate data indicator, in order to better predict the economic impact of the new coronavirus pneumonia by analyzing the CPI index, in this paper we chose the gray prediction model that has an excellent predictive effect on univariate data. Firstly, we got all CPI data from 2015 to 2019 from the Oriental Wealth Data Center. Secondly we predicted the CPI index for January, February, and March 2020 by using the gray prediction model. Thirdly, the trend of the forecast data was visualized with Python. Finally, the predicting result was compared with the real data, and the reason for the difference was analyzed.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Coverless Information Hiding Method Based on Combination Morse Code and Double Cycle Application of Starter
Nächstes Kapitel A Preliminary Study About Star Image Processing Method in Harsh Environment
Literatur
1.
Liu, Y., Li, M., Wang, H.: Analysis of influencing factors of Chinese CPI. Bus. Res. 902(17), 25–26 (2019)
2.
Wu, L., Zhao, F., Liu, Y.: The departure of PPI and CPI revisited: from the view of staple commodity price and labor market friction. J. Central Univ. Fin. Econ. 2(9), 80–90 (2020)
3.
He, L., Fan, G., Hu, J.: Consumer price index and producer price index: which drives which? Econ. Res. 43(11), 16–26 (1993)
4.
Huang, Y.: The analysis of CPI trend and its influencing factors in China based on SVR. Zhejiang Gongshang University (2008)
5.
Long, S., Yuan, D.: Analysis of the “positive and negative deviation” phenomenon between china’s CPI and PPI under the new economic normal—based on the perspective of the difference in price transmission mechanism between departments. Fin. Trade Res. 27(4), 1–8 (2016)
6.
Zhang, X., Yang, Y., Zhang, Y.: A structural explanation of the continuous ‘divergence’ between CPI and PPI. China Econ. Stud. 1(2), 15–26 (2018)MathSciNet
7.
Tan, Z.: Influencing factors analysis of CPI based of functional data analysis. Tianjing University (2012)
8.
Guo, X.: Forecast and analysis of China’s CPI trend based on ARIMA model. Stat. Dec. 11, 29–32 (2012)
9.
Sun, G., Lv, H., Wang, D., Fan, X., Zuo, Y., Xiao, Y.: Visualization analysis for business performance of chinese listed companies based on gephi. Comput. Mat. Continua 63(2), 959–977 (2020)
10.
Liu, S., Dang, Y., Fang, Z., Xie, N.: Grey System Theory and Application, 2nd edn. China: Science Press, Beijing (2010)
11.
Wang, Z., Dang, Y., Liu, S., Lian, Z.: Solution of GM(1,1) power model and its properties. Syst. Eng. Electron. 31(10), 2380–2383 (2009)MATH
12.
Qian, W., Dang Y., Liu, S.: Grey GM(1,1,) model with time power and its application. Syst. Eng. Theory Pract. 32(10), 2247–2252 (2012)
Metadaten
Titel
Application of Grey Forecasting Model to CPI Index Forecast
verfasst von
Yifu Sheng
Jianjun Zhang
Wenwu Tan
Jiang Wu
Haijun Lin
Guang Sun
Copyright-Jahr
2021
Buch
Advances in Artificial Intelligence and Security

Print ISBN: 978-3-030-78617-5

Electronic ISBN: 978-3-030-78618-2

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-3-030-78618-2_25

Premium Partner

    Bildnachweise