基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析

基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析

ID:9555058

大?。?3.50 KB

頁(yè)數(shù):4頁(yè)

時(shí)間:2018-05-02

基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析_第1頁(yè)
基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析_第2頁(yè)
基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析_第3頁(yè)
基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析_第4頁(yè)
資源描述:

《基于時(shí)間序列模型的中國(guó)gdp增長(zhǎng)預(yù)測(cè)分析》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在應(yīng)用文檔-天天文庫(kù)。

1、基于時(shí)間序列模型的中國(guó)GDP增長(zhǎng)預(yù)測(cè)分析基于時(shí)間序列模型的中國(guó)GDP增長(zhǎng)預(yù)測(cè)分析  1引言  作為度量一個(gè)國(guó)家或地區(qū)所有常住單位在一定時(shí)期之內(nèi)所生產(chǎn)和所提供的最終產(chǎn)品或服務(wù)的重要總量指標(biāo),國(guó)內(nèi)生產(chǎn)總值(英文GrossDomesticProduct,簡(jiǎn)寫(xiě)為GDP)對(duì)于判斷經(jīng)濟(jì)態(tài)勢(shì)運(yùn)行、衡量經(jīng)濟(jì)綜合實(shí)力、正確制定經(jīng)濟(jì)政策等諸多方面,以及在經(jīng)濟(jì)研究實(shí)際工作中,均起著不可替代的重要作用。自從國(guó)家統(tǒng)計(jì)局于1985年建立相關(guān)制度以后,GDP核算已經(jīng)成為決策層掌握宏觀經(jīng)濟(jì)運(yùn)行狀態(tài)的重要手段,如果能夠?qū)DP做出正確的

2、預(yù)測(cè),必然可以有效引導(dǎo)宏觀經(jīng)濟(jì)健康發(fā)展,為高層管理部門(mén)提供決策依據(jù),從而也為制定宏觀經(jīng)濟(jì)中長(zhǎng)期發(fā)展規(guī)劃、區(qū)域經(jīng)濟(jì)發(fā)展戰(zhàn)略和宏觀經(jīng)濟(jì)政策提供堅(jiān)實(shí)的保障?! ⌒苤颈螅?011)深入分析了時(shí)間本文由.LA模型和NN模型,并根據(jù)一定算法對(duì)兩種模型進(jìn)行了集成。將GDP時(shí)間序列的數(shù)據(jù)結(jié)構(gòu),根據(jù)在非線性空間和線性空間的預(yù)測(cè)優(yōu)勢(shì),進(jìn)一步分解為線性非線性殘差和自相關(guān)主體兩部分,即首先用ARIMA分析技術(shù)構(gòu)建線性主體模型,然后用NN模型估計(jì)非線性殘差,再對(duì)序列的整個(gè)預(yù)測(cè)結(jié)果進(jìn)行最終集成。仿真實(shí)證結(jié)果表明:與單一模型相比,集

3、成模型的預(yù)測(cè)準(zhǔn)確率顯著提高,進(jìn)行GDP預(yù)測(cè)當(dāng)然使用集成模型更為有效[1]。桂文林和韓兆洲(2011)認(rèn)為由于迄今為止,包括季度GDP在內(nèi)的經(jīng)季節(jié)調(diào)整之后的經(jīng)濟(jì)數(shù)據(jù),中國(guó)政府尚未進(jìn)行公布,不但無(wú)法進(jìn)行國(guó)際之間的橫向比較,也不利于監(jiān)測(cè)中國(guó)宏觀經(jīng)濟(jì)態(tài)勢(shì)。本文運(yùn)用1996年第1季度至2009年第4季度的中國(guó)實(shí)際GDP數(shù)據(jù),構(gòu)建了狀態(tài)空間模型,使用卡爾曼濾波迭代算法對(duì)季節(jié)調(diào)整模型狀態(tài)向量的各分量,進(jìn)行了最優(yōu)平滑、預(yù)測(cè)和估計(jì),并使用極大似然方法估計(jì)了超參數(shù)。經(jīng)過(guò)對(duì)GDP的主要季節(jié)和趨勢(shì)特征分析的基礎(chǔ)上,計(jì)算出了環(huán)比

4、增長(zhǎng)率指標(biāo)來(lái)監(jiān)測(cè)和分析經(jīng)濟(jì)走勢(shì),并與國(guó)際通用的TRAMO-SEATS季節(jié)調(diào)整模型進(jìn)行了對(duì)比,以便鑒別趨勢(shì)拐點(diǎn),制定相關(guān)的經(jīng)濟(jì)政策[2]。高帆(2010)運(yùn)用1952年至2008年的上海GDP增長(zhǎng)率數(shù)據(jù),實(shí)證研究其內(nèi)在變動(dòng)機(jī)制,將GDP增長(zhǎng)率分解為純生產(chǎn)率效應(yīng)、純勞動(dòng)投入效應(yīng)、純生產(chǎn)結(jié)構(gòu)效應(yīng)、純勞動(dòng)結(jié)構(gòu)效應(yīng),并分析了這四種效應(yīng)之間的交互影響。實(shí)證研究結(jié)果表明:在上海GDP增長(zhǎng)率提高的四種效應(yīng)之中,純生產(chǎn)率效應(yīng)起到了關(guān)鍵作用。上海GDP增長(zhǎng)率自1978年改革開(kāi)放之后,在整體上對(duì)純生產(chǎn)率效應(yīng)的依賴度趨于增強(qiáng)。

5、在1978年至1989年期間,純勞動(dòng)結(jié)構(gòu)效應(yīng)是GDP增長(zhǎng)的主要因素,由于市場(chǎng)化改革的進(jìn)一步加大,勞動(dòng)力跨部門(mén)流轉(zhuǎn)在很大程度上得以實(shí)現(xiàn)。在1990年至2008年期間,純生產(chǎn)率效應(yīng)是GDP增長(zhǎng)的主要因素,正是由于在此歷史階段,由于資本深化進(jìn)一步加速,從而有效提高了部門(mén)勞動(dòng)生產(chǎn)率?;趯?shí)證的研究結(jié)論,可以針對(duì)性地制定出今后上海市經(jīng)濟(jì)實(shí)現(xiàn)持續(xù)增長(zhǎng)的若干宏觀政策[3]。騰格爾和何躍(2010)利用中國(guó)季度GDP數(shù)據(jù)分別構(gòu)建了ARIMA和ARCH模型,同時(shí)利用GMDH自組織方法嘗試建模,經(jīng)過(guò)Bon-ferroni-

6、Dunn檢驗(yàn),表明與單一模型相比,組合模型的擬合能力更強(qiáng)。預(yù)測(cè)分析的實(shí)證研究表明,基本GMDH組合的GDP模型預(yù)測(cè)精度更高,無(wú)論是經(jīng)濟(jì)正常增長(zhǎng)時(shí)期,還是在經(jīng)濟(jì)出現(xiàn)較大波動(dòng)時(shí)期,組合模型的可靠性與準(zhǔn)確性都相對(duì)較高[4]?! 鹘y(tǒng)預(yù)測(cè)方法的原理其實(shí)非常簡(jiǎn)單,主要是抓住事物趨勢(shì)的典型特征,然后推測(cè)某些社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展變化。時(shí)間序列模型預(yù)測(cè)是在充分掌握歷史數(shù)據(jù)的基礎(chǔ)之上,分析目標(biāo)對(duì)象隨著時(shí)間改變的發(fā)展規(guī)律,從而準(zhǔn)確預(yù)測(cè)其未來(lái)的變化情況。時(shí)間序列建模本質(zhì)上屬于外推法,也就是通過(guò)對(duì)時(shí)間序列的處理來(lái)研究目標(biāo)變化,然

7、后利用外推機(jī)制將內(nèi)在規(guī)律推演到未來(lái)。由于在GDP分析和預(yù)測(cè)的實(shí)際應(yīng)用中,傳統(tǒng)方法運(yùn)用存在很大的難度,而ARIMA模型是目前經(jīng)濟(jì)預(yù)測(cè)中的公認(rèn)的比較先進(jìn)的時(shí)間序列模型之一,因此本文選用的ARIMA模型對(duì)中國(guó)1952年至2010年的GDP總量進(jìn)行短期預(yù)測(cè),具有重要的現(xiàn)實(shí)意義和學(xué)術(shù)價(jià)值?! ?時(shí)間序列模型  2.1ARIMA模型的一般介紹  時(shí)間序列進(jìn)行分析的基本思想是:某些數(shù)據(jù)序列可以看作是隨著時(shí)間t而隨機(jī)變化的變量,該序列的單個(gè)數(shù)據(jù)構(gòu)成序列值雖然不確定,但是整個(gè)序列卻呈現(xiàn)一定的變化規(guī)律,可以用數(shù)學(xué)模型去近似

8、地描述?,F(xiàn)實(shí)社會(huì)中,人們常常運(yùn)用時(shí)間序列ARIMA模型來(lái)進(jìn)行實(shí)證研究,以達(dá)到最小方差意義下的最優(yōu)預(yù)測(cè)效果[5]。ARIMA模型,英文名稱為autoregressiveintegratedmovingaverage,全稱為求和自回歸移動(dòng)平均模型,簡(jiǎn)記為ARMA(p,d,q),模型結(jié)構(gòu)如下:    2.2ARIMA模型的簡(jiǎn)潔定義  定義之一:如果通過(guò)次差分,序列能夠變?yōu)槠椒€(wěn),但序列,也就是差分序列并不平穩(wěn),那么通常認(rèn)為序列是階單整序列,記為。特

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文

此文檔下載收益歸作者所有

當(dāng)前文檔最多預(yù)覽五頁(yè),下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學(xué)公式或PPT動(dòng)畫(huà)的文件,查看預(yù)覽時(shí)可能會(huì)顯示錯(cuò)亂或異常,文件下載后無(wú)此問(wèn)題,請(qǐng)放心下載。
2. 本文檔由用戶上傳,版權(quán)歸屬用戶,天天文庫(kù)負(fù)責(zé)整理代發(fā)布。如果您對(duì)本文檔版權(quán)有爭(zhēng)議請(qǐng)及時(shí)聯(lián)系客服。
3. 下載前請(qǐng)仔細(xì)閱讀文檔內(nèi)容,確認(rèn)文檔內(nèi)容符合您的需求后進(jìn)行下載,若出現(xiàn)內(nèi)容與標(biāo)題不符可向本站投訴處理。
4. 下載文檔時(shí)可能由于網(wǎng)絡(luò)波動(dòng)等原因無(wú)法下載或下載錯(cuò)誤,付費(fèi)完成后未能成功下載的用戶請(qǐng)聯(lián)系客服處理。