模式匹配在GDP时间序列预测中的应用

深入分析了自回归整合平均移动模型(ARIMA)以及时间序列在动态时间弯曲(DTW)距离下的匹配技术,并在此基础上建立了由多条时间序列集合而成的GDP整合时间序列预测模型。其基本思想是对与目标序列有着相同发展趋势的时间序列进行搜寻、匹配,并对这些具有相同历史进程时间序列所蕴含的信息进行充分的挖掘与利用,整合形成新的时间序列预测模型。仿真实验表明：整合GDP预测模型的预测准确率显著高于普通ARIMA模型的预测准确率,从而证实了整合时间序列模型用于GDP预测的准确性。     

基于ARMA模型的天津市“十一五”经济增长预测分析

本文利用天津市1978年到2006年人均GDP数据,构建了天津市时间序列趋势的ARMA预测模型,在此基础上,对天津市“十一五”经济增长进行了预测分析。希望所得结论为天津市未来的经济发展提供参考依据。     

基于SARIMA模型对中国GDP分析及预测

国内生产总值(简称GDP),是衡量一个国家或地区宏观经济状况的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。文章基于时间序列理论,主要利用季节时间序列模型对2000～2016年中国GDP季度数据建模,并且对2017年季度数据进行预测。结果表明,基于SARIMA的GDP预测模型的拟合和预测效果具有较高的可靠性与准确性。     

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA（2,2,0）模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。     

基于组合预测方法的“十二五”期间安徽省住房价格预测

以安徽省2001-2010年住房销售面积以及销售额为样本,采用灰色预测、三次指数平滑和BP神经网络三种预测模型,基于预测误差平方和最小为最优准则建立诱导有序加权平均算子组合预测模型,预测安徽省未来五年的平均住房价格。根据预测结果,安徽省未来五年平均住房价格以14.43%的速度增长。     

BP神经网络在安徽省GDP预测中的应用

根据2008年安徽省统计年鉴中的数据,构建并选用合适的BP神经网络建立了安徽省GDP的神经网络预测模型。计算结果表明,BP模型应用于安徽省GDP预测具有较高的预测精度和良好的泛化能力,它为经济预测工作提供了一种全新的思路和方法。     

把握宏观趋势 追踪行业发展——未来15年中国经济仍增势不减

国家信息中心和国家环境规划院联合首次研制了《国家中长期环境经济综合模拟系统》。该项课题在对经济发展、人口增长和环境保护综合模拟分析的基础上。预测了“十一五”期间以及到2020年，我国经济发展、环境污染、治理费用的目标。利用经济发展预测模型对我国未来15年经济发展进行了预测分析。模型测算表明。到2020年国内生产总值比2000年翻两番的目标完全可以实现。到2009年将提前一年实现GDP翻一番、2018年将提前两年实现GDP翻两番的计划。     

广东省财政支出与经济增长关系的实证研究——基于1978～2007年时间序列数据的验证

政府财政支出与经济增长之间的关系如何,学术界目前还没有一致性的结论。本文通过对广东省1978～2007年的财政支出与GDP时间序列数据进行分析,认为广东省GDP和财政支出总量之间有着正向的关系,并且它们之间有着长期稳定的均衡关系,经济增长是财政支出增长的格兰杰原因,而不是相反。     

北京市人口老龄化对经济的影响研究

论文分析了人口结构影响消费、储蓄及劳动力供给的机制,对2015—2040年北京市人口老龄化发展趋势进行了预测,首次建立了北京市人口老龄化动态CGE模型,并利用该模型模拟了人口老龄化对北京市经济的影响,结果显示：人口老龄化问题将在未来严重制约北京市经济增长,北京市未来经济增长的源泉主要靠技术进步。     

广东省人力资本、资本形成与经济增长的协整分析

文章根据1980～2007年的样本数据,利用单位根检验、协整检验和误差修正模型,判定了广东省国内生产总值(GDP)和资本形成总额、就业人口总数的时间序列均是带有一阶差分的趋势平稳过程,证实了三者之间存在协整关系以及动态相关性。最后文章提出促进广东省经济增长的相关建议。