统计学习方法及其R实现
--ARIMA模型在农产品价格指数预测中的应用与政策建议
摘要：在推动农产品转型、构建现代化农业市场体系的过程中，农产品的价格预测作用不可忽视。科学、合理、全面的价格预测对指导我国农产品生产、调整农业结构并推动农产品转型有着重要的意义。本文主要介绍了ARIMA模型在农产品价格指数预测中的应用，国内外在农产品价格指数预测方面的研究现状，并提出了一些政策建议
关键词：价格指数； 研究现状； 政策建议
- 文献综述
农产品在我国社会经济发展过程中扮演着举足轻重的基础性作用，如水稻、小麦、玉米、花生等农产品与我们的日常生活息息相关，其是社会经济发展、人们丰衣足食与百姓安居乐业的基础性保障工程。在推动农产品转型、构建现代化农业市场体系的过程中，农产品的价格指数预测作用不可忽视。科学、合理、全面的价格指数预测对指导我国农产品生产、调整农业结构并推动农产品转型有着重要的意义。
- ARIMA模型的概念
ARIMA模型（Autoregressive Integrated Moving Average）即差分自回归移动平均模型。它是由美国预测学家乔治・博克斯与格威林・詹金斯在上世纪70年代《时间序列分析：预测与控制》一书中提出的新一代预测方法。ARIMA是单双指数平滑预测的演变体，具有更稳定高效的预测性能。作为一种时间序列预测方法，它讲求“让数据自己说话”的哲学理念，更加着重对经济时间序列概率与随机性质的分析，所以ARIMA不仅仅是一种构造简单的联立方程模型，它有着自己独立的时间序列和规律性，通过对各种数据模型的模拟进行预测，而且短期内预测准确性高。但相对来说，它的长期预测能力则存在较大偏差，所以ARIMA常常用于对1-3期以内的时间序列数据预测。ARIMA的工作原理简单说就是将非平稳时间序列转变为平稳时间序列，之后通过各种变量对时间序列中所产生的滞后值进行随机误差项现值的回归，然后建立数学模型，推测预测结果。它主要包括了自回归过程、移动平均过程、自回归移动平均过程和ARIMA过程。
- ARIMA模型在农产品价格指数预测中的应用
根据众多学者对ARIMA模型的研究，不难看出ARIMA模型对农产品的价格指数预测存在着一些缺陷 ，如随着农产品预测时间的延长,ARIMA模型预测误差将会越来越大，但是与其他模型的预测方法相比，ARIMA模型对农产品的价格指数预测准确度还是很高的。
