关于我国GDP的预测方法研究

发布时间：2020-05-28 20:08

【摘要】：GDP不仅在反映一个国家的国民收入和消费能力、经济发展状况等方面有着无可替代的作用,更帮助人们从宏观上了解和洞悉一个国家的经济运行状况,它是国家经济政策制定的关键依据,也是检验经济政策是否有效和科学的关键手段。因此,如果我们运用恰当的统计学方法揭露GDP数量变化的规律,并对短期GDP进行高精度预测,那么对宏观经济的统筹规划极具重要的实际意义。我国GDP历史数据,为非平稳的时间序列,并同时拥有线性特征和非线性特征,本文分别基于四种模型对GDP数据建模,利用R软件仿真计算,并分析比较四种模型的预测精度和泛化能力,获得最优模型。第一,建立传统的ARIMA模型,序列平稳化后,依据BIC准则结合自相关函数图和偏自相关函数图对模型识别定阶,通过白噪声检验后,确定最优模型是ARIMA(0,1,2);第二,研究拥有良好非线性拟合能力的BP神经网络,结合我国GDP数据本身的特点,通过数据预处理将GDP数据转化为输入矩阵,设置合理的网络结构和激活函数,挖掘GDP数据的非线性特征;第三,鉴于单一模型存在各自的缺陷和优势,将ARIMA模型和BP神经网络相结合,建立组合模型,即利用ARIMA模型预测GDP数据的线性主体,然后用BP神经网络对非线性残差进行估计,并相加得到组合模型最终的预测值,实证分析表明,组合模型部分实现了模型间的优势互补;第四,考虑到相比单一模型,组合模型具有一定的优势,但依旧存在一些缺陷,需要继续优化。本文猜测GDP数据并不是完全的指数趋势,因此,通过两种方式实现平稳化,并各自建立相应的ARIMA模型,再将两个模型的预测值加权,作为改进的组合模型线性部分的预测,并将Bagging集成算法纳入到对GDP数据非线性残差的预测中。结果表明,改进的组合模型在各方面都极具优势,对比前三种模型,改进的组合模型整体预测精度更高的同时预测效果也更稳定。综上,本文研究的四种GDP预测方法为:ARIMA模型、BP神经网络模型、组合预测模型、改进的组合模型,通过对四种模型预测结果的分析比较,证明,改进的组合模型预测效果最优,对我国GDP的预测也最有效。最后,根据此模型,对全部的GDP数据建模,预测未来三年的我国GDP。
【图文】：

建模流程

而关于ＡＲＭＡ模型的建立和预测方法己经日趋成熟，因此，利用合逡逑理阶数的差分运算来平稳化，就能满足对非平稳系统输出简便有效的建模。上面逡逑介绍的多个时间序列模型之间的关系如图２－１所示。逡逑／＊逦Ｎ逡逑ＡＲＩＭＡ（ｐ，ｄｒｑ）逡逑Ｓ，逦邋邋邋）逡逑ｎ逡逑ｄ邋＝邋０邋ｄ阶Ｍ分逡逑１邋ｒ逡逑逦邋ＡＲＭＡ（ｐ，邋ｑ）邋逦逡逑ｑ＝0逦Ｋ邋｝邋Ｊ逦Ｐ＝0逡逑ｒ逦＾＾逦ｒ逦＾逦ｎ逡逑ＡＲ（ｐ）逦ＭＡ（ｑ）逡逑＼逦逦）邋＼逦逦）逡逑ｐ邋＝邋０逦（逦＇］逦ｑ邋＝邋０逡逑逦？白噪＊逦逡逑Ｖ逦Ｊ逡逑图２－１模型间相关关系图逡逑ｉｉ逡逑

时序图,时序图,内容,样本值

正如本文前面内容所介绍的，为促使序列的平稳化，可以通过对数运算的方逡逑式来提取ＧＤＰ历史数据的指数趋势，记转化后的新样本值为ｌｏｇＧＤＰ，再次绘制逡逑时序图，如图２－４所示。逡逑ｌｏｇＧＤＰ逡逑Ｉ邋NB逡逑８邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｍ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋Ｉ邋ＩＩ邋Ｉ邋ＩＩ邋ＩＩ邋Ｉ邋Ｍ邋Ｉ邋Ｉ邋ｉ邋Ｍ邋ｌｌ邋Ｉ邋Ｉ邋Ｍ￣逡逑１９７８邋１９８３邋１９８８邋１９９３邋１９９８邋２００３邋２００８邋２０１３邋２０１８逡逑图２－４邋ｌｏｇＧＤＰ时序图逡逑１４逡逑
【学位授予单位】：山东大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F124

【相似文献】