基于SARIMA—GARCH模型的我国居民消费价格指数波动性分析
中国物价指数CPI波动分析——基于GARCH类模型的实证分析
３ 、Ａ Ｒ Ｃ Ｈ 效应检验
由图１ 可知 ， Ｓ Ｃ Ｐ Ｉ 序 列可能存在一定的条件异方差性 。因此 ， 文章残 差平方相关 图检验法对该序列进行条件 异方差性检验 ， 由 检验结果可知ＡＣ系数和Ｐ ＡＣ 系数显著不为零 ， 而且Ｑ统计量 也显 著， 所以， Ｓ Ｃ Ｐ Ｉ 的残差序列存在着一阶Ａ ＲＣ Ｈ效应 ， 表 明Ｓ Ｃ Ｐ Ｉ 序列 存在条件异方差性 。 （ 二） 模型构建 及结果分 析
３ ．Ｔ Ａ Ｒ Ｃ Ｈ 模 型
为 了反应Ｓ Ｃ Ｐ Ｉ 波动的非对称性 ， 文章通过在正态分布下构建 Ｅ Ｇ Ａ ＲＣ Ｈ 模型来考察波动率的非对称 胜。在Ｅ Ｇ ＡＲＣ Ｈ模型中， 估计 结果显示 ， 方差方程中的参数估计值 ＝ ０ ． ０ ５ ８ ３ ８ ２ ， Ｄ ＝ ０ ． ９ ７ ２ ２ ６ １ ， 则 。 【 ＋ｐ＞１ ， 不满足时间序列平稳 ｌ 生 约束条件 。因此 ， Ｅ Ｇ Ａ ＲＣ Ｈ模型不 能用来拟合Ｓ ｃ Ｐ Ｉ ｒ ￣列。 ４ 模 型 预 测 １ 、Ａ Ｒ Ｃ Ｈ （ １ ） 模 型 根据以上各种模型的分析可知 ， Ｇ Ａ ＲＣ Ｈ （ １ ， １ 膜 型可以更好的对 由ＡＲＣＨ效 应检验 结果 显示 ， Ｓ Ｃ Ｐ Ｉ 的残差序 列存在着 一 阶 Ｓ Ｃ Ｐ Ｉ ￣ Ｕ 进行拟合数据。为检验Ｇ Ａ ＲＣ Ｈ（ １ ， １ 预测的效果， 利用 ＡＲＣＨ效应。 因此利用正态分布 下ＡＲＣ Ｈ（ １ ） 模型对Ｓ Ｃ Ｐ Ｉ 序列进 Ｅ ｖ ｉ ｅ ｖ ｅ ｓ ６ ． ０ 软件进行样本内静态预测 ， 得ｇ Ｕ Ｇ Ａ ＲＣ Ｈ（ １ ， １ ） 模型下样本的 行重新估计 ， 得到方程如下 ： 预测值ＹＣ Ｓ Ｃ Ｐ Ｉ ， 然后将预测值和真实值绘制成相应 的曲线图（ 图３ ） 。 均 值方程 ：Ｓ Ｃ Ｐ Ｉ ｔ ＝ ０ ． ０ ０ ０ ６ ９ １ ＋ ０ ． ９ ６ ８ １ ３ ９ ８ Ｃ Ｐ Ｉ ＋ Ｑ ｔ 从 图３ 样本期间的真实￣ ［ Ｓ Ｃ Ｐ Ｉ （ 图中蓝色线） 和预测值ＹＣ Ｓ Ｃ Ｐ Ｉ （ 图中红 ｚ ＝（ １ ． ２ ３ ８ ３ ２ ５ ） （ １ ２ ９ ． ７ ７ ５ ０ ） 色线） 两条曲线的拟合隋况来看 ， 二者走势基本一致 ， 许多地方将近重 方 差方程 ： ＝ ４ ． ５ ０ Ｅ ０ ５ ＋ ０ ． ３ ２ ７ ６ ２ ９ ｉ ｆ 合， 这说 明Ｇ Ａ ＲＣ Ｈ（ Ｉ ， １ ） 模型 的拟合优度很高， 相应的预测精度也很 ｚ ＝ （ １ ２ ． ３ ２ ９ ０ ９ ） （ ３ ． ０ ２ ５ ４ ３ ６ ） 高。 Ｒ ＝０ ． ９ ８ ２ ５ ８ １ 对 数似然值＝ ９ ８ ６ ． ８ ４ ５ ８ ＡＩ Ｃ ＝－ ６ ． ８ ４ ９ １ ０ ０
基于GARCH模型中国股市波动性的实证分析
基于GARCH模型中国股市波动性的实证分析基于GARCH模型中国股市波动性的实证分析摘要：本文应用ARCH,GARCH,TARCH,EGARCH,GARCH-M模型对中国股市收益率进行定性及定量的分析。
考虑到我国股市变动的实际效果，提出EGARCH模型对我国股市是较好的选择。
分析股市的ARCH效应，对我国上证180指数收益率进行实证分析。
关键词：上证180指数,;GARCH模型;ARCH效应;收益率一、模型简介ARCH模型最早是由Engle于1982年提出，是最简单最基础的条件异方差模型(自回归条件异方差模型)，用来描述波动的集群性和持续性。
但是为了获取条件异方差的动态特征需要高阶的ARCH模型。
Bollerslev将ARCH模型的阶数推广到无穷，得到广义的自回归条件异方差模型，即GARCH模型。
该模型大大减少了参数估计的个数，具有良好的处理厚尾的能力。
后来的研究中先后对ARCH模型进行扩展，提出了ARCH-M,TARCH和EGARCH等模型。
现在国内的一些学者对证券市场上股票的价格及收益率进行了研究，指出与西方比较相像，其波动性呈现出明显的尖峰厚尾，异方差，波动的群集性等特征。
目前我国一些学术界的人对我国证券市场的指数进行实证研究，岳朝龙(2002)，万蔚(2007)，曾慧(2005)都对上证综合指数进行了实证研究，同样反映出我国证券市场的指数收益率呈现尖峰厚尾的特性。
但是还没有对上证180指数进行过ARCH效应的实证检验。
二、研究的目的和数据的.选取上证成份指数(SSE CONSTITUENT INDEX，简称上证180指数)是上海证券交易所中选取的股票。
以2008年1月2日为基准日。
本文选取2008年1月2日至2012年12月31日的上证180指数的收盘价进行分析，共有1119个数据(资料来源于海通大智慧)。
本文的分析均用Eviews3、1进行分析。
由于这一指数属于时间序列，容易导致不稳定性，因而用对数指数收益率。
基于GARCH模型的上证综指波动性分析
TimesFinance2014年第3期中旬刊（总第546期）时代金融Times FinanceNO.3，2014（CumulativetyNO.546）基于GARCH 模型的上证综指波动性分析陈冬（青岛大学，山东青岛266071）【摘要】本文针对传统计量方法无法满足对股票收益率波动性大的特点进行分析这一缺陷，提出运用GA R CH 模型，建立异方差收益率假设，并对异方差的表现形式进行直接的线性扩展，对以上证综合指数为代表的上海证券交易所的股票价格的波动性进行了实证分析，并得出上证综指收益率波动呈现“尖峰厚尾”的特性以及非对称的GA R CH 模型能较好地拟合我国股市的股票价格序列波动的结论，从而对投资者的预测和决策起到指导作用。
【关键词】GA R CH 模型A R CH 模型一、绪论一般来说，在描述股票市场收益率时，传统的计量经济学模型通常都假定收益率的方差是不变的，但这一传统的假设并不合理，因为在实证研究中，通过大量的对股票收益率数据的分析表明收益率的方差并不是保持不变的。
大量对股票收益率数据的研究结果表明，股票收益率的波动程度在一段时间段内时而比较大，时而比较小。
这种时间序列具有“尖峰厚尾、微弱但持久记忆、波动集群”的特征，在运用传统经济计量方法时，并不能满足其假设的同方差性的条件，因此在对数据进行建模时，运用传统的回归模型进行推断并不能达到理想的效果，反而会产生严重的偏差。
针对这一问题，Engle 首先提出了ARCH 模型，为解决此类问题提供了新的思路，Bollerslev 在ARCH 模型的基础上对模型进行了改进，形成了应用更加广泛的GARCH 模型。
本文以GARCH 模型作为工具，对以上证综合指数为代表的上海证券交易所的股票价格的波动性先后进行了平稳性检验、自相关性检验，从而进行实证分析。
二、理论分析本文以上海证券综合指数为研究对象，选取2007年1月至2012年6月一千多个交易日的日收盘指数的数据，旨在用GARCH 模型来研究股价指数的收益率波动特征。
基于SARIMA模型的中国居民消费价格指数预测
基于SARIMA模型的中国居民消费价格指数预测作者：游蕊来源：《经济研究导刊》2014年第06期摘要：居民消费价格指数（CPI）是宏观经济分析以及价格水平监测和调控的重要指标。
利用2001年1月至2013年10月的以2001年1月为基期的定基比月度数据，运用Eviews6.0软件建立SARIMA模型，并进行CPI短期预测，根据预测结果提出相关政策建议。
实证分析证明SARIMA模型可以很好地拟合定基比数据，预测精度极高。
关键词：居民消费价格指数；SARIMA模型；短期预测中图分类号：F014.5 文献标志码：A 文章编号：1673-291X（2014）06-0001-03引言居民消费价格指数又称CPI，同人民生活密切相关。
它最能直接反映物价对人民生活的影响程度，能够通过货币购买力指数来反映居民的实际消费支出水平。
CPI是度量通货膨胀的一个重要指标，对保障低收入群体的利益、维持社会稳定、促进社会和谐都具有十分重要的意义[1]。
一、国内外文献综述针对CPI的建模，国内外不少学者对其进行研究。
Fabio C.Bagliano、Claudio Morana （2001）使用普通趋势模型测量美国1960-2000 年的核心CPI，并研究货币增长与通货膨胀之间的关系[2]。
Duarte等（2007）采用CPI分类指数，运用Factor-Augmented SARIMA模型评估短期物价膨胀预测的准确性[3]。
二、研究思路和创新本文运用2001年1月至2013年10月的以2001年1月为基期的CPI定基比数据，通过建立SARIMA模型，有效的拟合CPI的走势，预测未来4个月的CPI，为政府和央行地财政政策和货币政策提供向导，缩短财政政策和货币政策的时滞长短，保持物价水平可控，确保中国经济平稳较快发展。
本文从以下两个方面有创新：首先，前人利用ARMA模型进行预测多数是使用以上年同月为基期的同比CPI数据，本文利用定基比数据建立ARMA模型，研究模型拟合的精确程度。
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告
基于GARCH族模型的我国股市的波动性及联动性实证研究的开题报告一、研究背景和意义股市波动性及联动性作为风险管理的重要研究领域，一直备受关注。
在全球化的背景下，股市波动性和联动性越来越受到国内外研究者的关注，而GARCH族模型具有广泛的应用价值，可用于量化分析金融市场中的波动性并进行风险管理。
因此，对于我国股市的波动性及联动性进行实证研究，对于有效预测市场风险、提高资产的配置效率等具有重要的实际意义。
二、研究内容和方法本研究将选取我国股市中的代表性指数作为研究对象，采用GARCH 族模型，对股市中存在的波动性和联动性进行深入研究。
具体来讲，研究将从以下几个方面展开：1. 对我国股市中代表性指数的波动性进行测算，并探究其波动性的特点和趋势变化。
2. 基于GARCH族模型，对我国股市中不同指数的波动性进行建模，探究其模型参数的变化规律。
3. 将建立的模型应用于风险管理领域，探究其对于风险的预测和分析的能力；4. 基于GARCH族模型，分析我国股市中不同指数之间的联动性，探究其联动关系及波动性的传染效应。
三、研究预期成果通过本研究，预期可以得到以下成果:1. 揭示我国股市中存在的波动性和联动性特点和趋势变化，并探究其背后的原因和机制。
2. 建立GARCH族模型，并对我国股市中不同指数的波动性进行模型拟合，对风险进行预测和分析，为风险管理提供一定的支持和帮助。
3. 基于GARCH族模型，探究我国股市中不同指数之间的联动关系，为投资者提供合理的资产配置建议。
四、研究的实施计划本研究从2022年2月开始，预计在2023年底完成。
具体的实施计划如下:1. 第一年：调研前沿文献，整理参考资料，初步构建研究框架，并制定实验方案和数据采集计划，进行资料的搜集和整理，学习量化分析理论和工具。
2. 第二年：对股市中代表性指数的波动性进行实证研究，开展波动性的特征分析与测算，并对GARCH族模型进行建模。
3. 第三年：对股市中不同指数的波动性进行建模，并对风险进行预测和分析，探究其对于风险管理的作用，并对联动关系进行研究和分析，撰写论文，完成毕业论文。
基于EGARCH模型的居民消费价格指数波动分析
Ｏｌ ２８
２２ ＋ … … ｆ ＿
＋
２
ｔ ｐ —
如果 误 差 方差 中没 有 自相关 ， 就会 有 风 ： ＝
２＝ … ＝ 。＝０ 这 时 ｖ ｒ ）＝ ． ａ（ ＝ ０ 从而得 ，
到误差方差的同方差情形． 恩格尔曾表明， 容易通过 以下 的 回归 去检验 上述 虚拟假 设 ：
在市场中我们经常可以看到向下运动通常伴随 着 比同等程度 的向上运 动更强烈的波 动性． 为了解 释 这一 现象 ，ｎ ｅ和 Ｎ （９３ 描 述 了如 下形 式 对 Ｅ ｇ １９ ） 好消息和坏消息的非对称信息曲线． Ｔ Ｒ Ｈ模 型． Ａ Ｃ 或 者 门 限 （ ｈ ｓｏ ） ＡＣ ＴＲＨ Ｔ ｒ ｈｌ ｅ ｄ Ａ Ｃ 模 型 由 Ｚ ｋｉ （９０ 和 Ｇｏｔ ，ａａａ ａ ， ＲＨ ａｏ ｎ １９ ） ａ ｌ ｅ Ｊｆｎｔ ｎ ｓｎ ｈ
残差． １２ 非对称 Ａ Ｃ ． Ｒ Ｈ模 型
１ 条件异方差模 型
１ １ 自回归 条件 异方 差模 型 ．
自回归条 件异 方差模 型 （ ｕ ｒ ｒ ｓ ｅＣ ｎｉ Ａ ｔ ｅ ｅ ｉ ｏｄ ｏ ｇ ｓｖ —
基于GARCH模型的我国股票价格波动性研究
Forum学术论坛 2018年5月177DOI:10.19699/ki.issn2096-0298.2018.15.177基于GARCH模型的我国股票价格波动性研究—— 以上证指数为例山西财经大学应用数学学院 李亚楠摘 要：本文利用2012年1月24日至2018年3月21日期间上证综合指数日收盘价的数据，对其收益率序列进行了统计描述，并对上证综合指数的对数价格建立GARCH模型，进行实证分析，得出上证指数的对数价格具有波动率聚集现象的结论。
关键词：GARCH模型 上证指数 波动率中图分类号：F830 文献标识码：A 文章编号：2096-0298(2018)05(c)-177-02我国股票市场经历了将近30年的演变，从无到有，从不规范到逐渐规范，可以说我国股票市场未来的发展前景是值得期待的。
但是，在看到我国股票市场繁荣的一面的同时，也应该注意到它所蕴含的风险，正是由于这种风险的存在，才使我们开始关注股票价格的波动率。
如今对股票价格波动率的研究已经越来越多，它的估计值是否准确直接关系到投资策略的正确与否。
在国外，人们对波动率研究的历史更加悠久。
1982年Engle 提出了自回归条件异方差(ARCH)模型，它反映了波动率的聚集现象；1986年Bollerslev 在前者的基础上提出了广义ARCH(GARCH)模型，对原有的ARCH 模型进行了改进，相比ARCH 模型而言，GARCH 用很少的参数就可以充分描述股票价格的波动率过程；1991年Nelson 又进一步提出了指数GARCH 模型，它弥补了前面两者的缺陷，使得波动率对股票价格的大幅上升和下降具有不同的反映，即描述了波动率的杠杆效应。
本文主要在GARCH 模型的基础上对上证综合指数进行描述，旨在研究近年来我国股票市场的不确定性，并对此进行探讨。
最后，本文会对全文内容进行总结并得出相应的结论。
1 模型简介1.1 ARCH模型简介1982年Engle 提出了波动率建模的第一个模型——ARCH 模型，即自回归条件异方差模型，该模型假定若{a t }满足：a t =σt εt ，σt 2=α0+α1 a 2t-1+…+αm a 2t-m 其中{εt }是均值为0，方差为1的独立同分布随机变量序列，α0>0，且对i>0有a t ≥0。
中国猪肉价格波动的实证分析——基于GARCH类模型
'( ) *! " # $% $ & '( ) * +, - . /$0 1 2 34 5 %&6 " # 7 8 9 7 : '"("5(5-, ; )*< = > ? @ A B C . D E F GH . / $01 2 3 45 %&< = >? @ A B7 +"("(,5(5 ; )*< => ? @ A. / E F 7 @ I J K L M N O P Q -. D E F R S & # ' ( ) * + . D $0 1 2 3 4 5 %T U V K L .&"("5A8;@((+)/ + , - . W X Y "5%-,0 )1Z 1! " [ \ ] 1^ _ 17 ` 1K L a b c d e @ /
蛋 4个经济指标，并利用（6）式分别计算了其价格收
益率，依次记为{RY}、{RF}、{RB}、{RE}序列，其样本区
t
t
t
t
间和数据来源与{RPt}序列完全一致。 ! " # $ % ! " # $ % & ' ( ) * + , -
根据 GARCH类模型的构造思想，第一步是最大
限度地提取序列的固定信息，为此，本文对其水平均
自相关函数，二者都呈现典型的拖尾特征，并且滞后
6、12、18、24期的 Q统计量 所对应 P值均 远 远 小 于
①
0.0001，说明该序列存在明显的自相关性，是非白噪
声序列。平稳性和相关性检验都通过后，对{RP}序列 t
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于SARIMA—GARCH模型的我国居民消费价格指数波动性分析
作者：游蕊
来源：《时代金融》2014年第20期
【摘要】CPI同人民的生活密切相关，CPI的波动也会时时刻刻影响着人民的生活，企业的生产以及国家经济的运行。
文章利用1990年1月至2014年1月的全国同比CPI月度数据，运用Eviews6.0软件建立GARCH（1，1）模型，结果表明我国CPI的波动受到前期波动和外部冲击的影响，一旦形成波动，波动在短期内很难消除，波动持续性较长。
【关键词】CPI SARIMA-GARCH模型波动性
一、引言
居民消费价格指数又称CPI，同人民生活密切相关。
如今CPI已经不仅仅是消费价格指数的一个反映，它常常也是经济运行热度的一个晴雨表。
CPI的波动也会时时刻刻影响着人民的生活，企业的生产以及国家经济的运行。
无论CPI是持续上涨还是持续下跌，对经济都是不利的。
当CPI大幅上涨时，会对低收入群体带来不利影响，直接导致困难家庭生活水平下降；CPI的持续上涨将引发股市结构性调整，会传导至股市并影响资产价格的波动。
如果当前物价相对过去持续下跌，企业会担心价格的走低能否使现在生产的产品销售出去，当前的投资能否如期收回利润，进而影响到未来的投资。
所以CPI剧烈的波动会破坏市场经济机制作用的发挥，影响整个经济运行的秩序。
研究CPI波动的特征以及原因可以帮助我们更好的预防CPI的持续波动。
二、国内文献综述
傅俊辉、林春培、冯建勇（2008）应用ARCH类模型对CPI年增长率的波动性进行了建模，表明该模型有效拟合CPI年增长率的波动性特征，得出我国市场经济还不成熟，需要进行有效调控，以更好地保持物价的稳定，促进经济快速发展的结论。
方燕、尹元生（2009）选取2001年1月至2009年2月的CPI同比月度数据进行建模，利用基本统计方法和ARCH簇模型，得出物价波动周期长度为44个月左右，波动存在明显的季节性和周期性特征，对物价波动负向冲击的作用大于正向冲击。
马宇（2009）利用2001～2008年的季度数据，通过回归分析、脉冲响应分析和误差方差分解等方法，得出进口原材料价格变化对我国CPI波动影响显著，消费者信心对CPI波动影响不大。
林勇、张武浩、刘国平（2011）利用非对称性自回归条件异方差模型对我国通货膨胀系统内生波动性进行实证分析，表明通货膨胀系统不具备自我稳定的功能，只有政府采取适当的宏观调控才能实现物价平稳。
蒋成林、蒋汶秀（2013）利用GARCH、EGARCH和TGARCH模型对我国通货膨胀率的波动特征进行了分析，结果表明正
态分布下的GARCH和t分布下的EGARCH模型拟合效果较好，外部冲击对通货膨胀率的波动具有持久性影响。
三、实证分析
（一）理论基础
若一个平稳随机变量Xt可以表示为AR（p）形式，其随机误差项的方差可用误差项平方的q阶分布滞后模型描述，
则称ut服从q阶的ARCH过程，（1）式称为均值方程；（2）式称为ARCH方程，其中α0>0，αi>0，为保证σt2是一个平稳过程，应满足α1+α2+…+αq
为避免ut2的滞后项过多，在ARCH（p）模型的方差方程中加入σt2的滞后项，得到GARCH（p，q）模型：含有p个GARCH项和q个ARCH项，即GARCH（p，q），
σt2=α0+λ1σt-12+…+λpσt-p2+α1ut-12+α2ut-22+…+αqut-q2，模型应满足的条件是α0>0，αi>0，i=1，2…q；λj>0，j=1，2…p；∑qi=1αi+∑pj=1λj
GARCH（p，q）模型将经济变量的波动来源划分为变量过去的波动性σt-p2和外部冲击ut-q2，而λj和αi分别反映了它们对本期变量波动的作用强度。
（二）数据选取
本文选取1990年1月至2014年1月的全国同比CPI月度数据。
{1}使用Eviews6.0对数据进行作图。
图1 全国月度同比CPI
（三）平稳性检验
为是原始数据线性化，对其进行对数处理。
然后运用自相关图和偏自相关图检验数据是否平稳。
自相关函数衰减的很慢，所以取对数后的原始序列非平稳。
进行一阶差分。
而且具有明显的季节性趋势，季节周期为12，于是做一阶季节差分。
下面进行单位根检验平稳性。
图2 单位根检验结果
由图2单位根检验结果，ADF的t值为-9.226938，小于显著性水平为5%的临界值-
1.941986，所以拒绝原假设，认为不存在单位根，季节差分后的序列为平稳序列。
（四）SARIMA模型的建立
通过分析并经过不断调整，确定建立（1，1，0）X（1，1，0）12模型。
通过观察图3，残差的平方在较大幅度波动后紧接着较大幅度的波动，在较小幅度波动后紧接着较小幅度的波动，具有明显的群聚现象，说明残差项可能存在条件异方差性。
图3 残差序列的平方
（五）ARCH效应的检验
用ARCH-LM检验残差项是否具有ARCH效应。
表1 ARCH效应检验结果
表1中，滞后8阶的相伴概率值均小于0.05，事实上滞后23阶的相伴概率值都小于
0.05，所以认为残差具有显著的异方差性。
（六）GARCH模型的建立
建立GARCH（1，1）模型，得到如图4的结果。
方差方程中，α0>0，α1>0，λ1>0；α1+λ1=0.648700+0.152022 =0.800722
四、结论和政策建议
通过分析方差方程，σt-12的系数反映变量CPI前期的波动性对本期波动性影响的大小，ut-12的系数反映外部冲击对本期波动性影响的大小。
α1+λ1=0.800722比较接近于1，说明冲击对CPI波动的影响会缓慢的消失，波动持续性较长。
σt-12的系数为0.6487
据统计，居民消费的八个消费大类中，食品的价格波动幅度最大，且在核算体系中所占比重达到34%，对CPI指数的影响也最大。
同时工业品出厂价格以及货币供应量也是CPI波动的主要影响因素。
所以为稳定CPI提出以下几点建议：
第一，国家应有效地对食品实施价格监控，注重农业生产的稳定发展，及时发现食品供给方面问题，积极组织生产，加强流通，保障供给；对季节性食品价格出现的波动要引导消费，保证市场总体平稳。
第二，加强对PPI指标的监测，根据PPI向CPI传导的三种渠道，做好农业生产资料和煤炭、燃气等基础性产品和能源性产品价格的管理，针对PPI上涨的不同诱因和不同传导渠道，及早出台相应的针对性强、可操作的政策措施，从传导渠道上对价格总水平进行监控，提高价格管理措施的针对性。
第三，施行稳健的货币政策，控制货币发行增量，防止货币供应量的过快增长导致CPI的大幅波动。
控制M2增长率和信贷规模，合理运用货币政策工具，合理引导外汇占款。
注释
{1}数据来自国家统计局网站。
作者简介：游蕊（1990-），女，汉族，北京人，首都经济贸易大学在读金融学硕士，研究方向：商业银行经营与管理。