GDP时间序列模型构建及预测——以四川省为例

ARIMA时间序列模型是利用变量过去的变动规律对未来值进行短期预测的合适模型,GDP是衡量一个国家或地区经济发展和宏观经济运行状况的一个重要参考指标.本文利用四川省1978-2012年的时间序列数据建立四川省GDP的ARIMA(1,1,0)模型并利用该模型进行短期预测,预测出四川省在2016年国民生产总值将突破4万亿元,在2010年基础上翻一番.     

ARIMA模型在辽宁省GDP预测中的应用

本文通过建立时间序列模型对辽宁省1978年到2008年的实际国内生产总值时间序列数据进行了分析,经过合理筛选和选择,以ARIMA(1,1,1)模型作为最终模型,并以此模型预测了辽宁省2009-2011年GDP分别为14896.34亿元,17479.48亿元,20455.54亿元。预测误差分别为3%,0.7%。希望可以为辽宁省制定宏观经济政策提供定量依据。     

时间序列与BP神经网络在新疆GDP预测中的对比分析

根据新疆维吾尔自治区2009年统计年鉴中的数据,构建并选用合适的时间序列模型、BP神经网络模型,对2004年-2008年的新疆GDP进行预测,并用预测结果与实际值求得相对误差,然后将两种模型的误差进行比较。结果表明,BP模型应用于新疆GDP预测较时间序列预测有较高的预测精度和良好的泛化能力。     

会计盈余能预测宏观经济增长吗？——盈余结构分析视角?

基于A股上市公司2007年第一季度至2017年第一季度公开披露的季度会计数据,从盈余结构入手,直接考察对净利润进行分解能否提高会计盈余对宏观经济增长的预测能力。研究发现,相比总括会计盈余,扣除非经常性损益的净利润增长率与未来GDP增长率的相关性较强;对总括盈余进行分解能提高会计盈余对未来GDP增长率的预测效力,表明对盈余结构的分析可为预测宏观经济增长提供增量信息。此外,分产业分析发现,第一产业分解的会计盈余对前推三期GDP增长率的预测力较强,而第二、三产业会计盈余对GDP预测的增量贡献在前推两期较为突出。本文的研究结果不仅为“会计盈余与GDP预测”补充了新的经验证据,也能为政府部门适时调整产业经济政策提供决策支持。     

时间序列分析在成都GDP预测中的应用

本文基于时间序列理论,对成都市1980～2012年的GDP数据进行分析,初步建立AR（2）、ARMA（2,1）、MA（1）三个模型,再结合AIC准则和简约原则等,最终确定模型为ARIMA（2,3,0）.最后,利用所建模型做出预测,得到成都未来三年的GDP值.     

福建省GDP时间序列模型建立及实证分析

根据福建省1981—2011年GDP数据,利用Eviews6.0计量经济学软件和时间序列理论,建立了求和回归移动平均模型ARIMA(4,1,1),并根据模型进行实证分析,结果表明GDP预测效果较好,平均误差9.91%,并预测2014年GDP产值为22 569.578亿元。     

上海市2017-2020年GDP预测研究——基于改进的GM(1,1)模型北大核心CSSCISSCI

GDP是衡量一个国家(地区)在一定时期内的宏观经济综合表现的重要指标之一,对GDP做出科学正确的预测,可以为相关部门提供科学的决策依据,具有非常良好的实际应用价值。为了尽可能地降低GM(1,1)模型的预测误差,提高模型的预测效果,文章构建了基于对初始值进行数据转换以及对背景值改进的新GM(1,1)模型,并应用到我国上海市的GDP预测中。建模结果表明:改进的GM(1,1)模型不仅适合于GDP预测,而且具有非常明显的预测精度优势。最后利用改进的GM(1,1)模型来预测上海市2017-2020年的GDP。预测结果表明,未来几年上海市经济将保持年均7%的增长率平稳健康发展。     

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。     

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。     

山东省GDP的时间序列分析

本文广泛求证和搜集五十四年来山东省GDP的相关数据,运用统计学和计量经济学原理,从时间序列的定义出发,探索山东省GDP时间序列的平稳性,并结合统计软件EVIEWS运用ARMA建模方法,对山东省GDP时间序列进行识别、估计、诊断和预测后,建立最优计量经济模型进行经济预测,并为各级政府和企业的管理决策提供数量化的建议.     

我国宏观经济的新问题

一、当前宏观经济出现的新问题1.经济增速下降提前在4月份出现。从GDP季度数据看,去年下半年GDP的季度增长率呈现上升势头,四季度达到最高值9%,而今年一、二两季度呈现下降趋势,分别为8.3%和7.1%(预计上半年为7.6%),二季度比一季度下降1.2个百分点。GDP连续出现两个季度的回落,比原预料在下半年出现的时间     

关于新疆企业景气的数据挖掘分析

企业景气调查已经成为监测宏观经济发展趋势和企业生产经营状况的重要手段之一，对企业景气数据的有效分析将对宏观经济运行的整体判断和预测未来经济发展提供有效的支持。在大量的数据面前，如何利用数据挖掘技术对企业景气数据进行整理、初步分析是当前新疆企业景气研究的一个新方向。本文利用数据挖掘的关联规则方法验证企业景气数据的有效性，并用K—L方法分析了新疆企业景气的波动情况，给出了与新疆GDP发展的同步性指标，利用回归模型建立了基于同步性指标的新疆GDP发展速度与景气关系模型。     

山东省GDP的时间序列分析

本文广泛求证和搜集五十四年来山东省GDP的相关数据，运用统计学和计量经济学原理，从时间序列的定义出发，探索山东省GDP时间序列的平稳性，并结合统计软件EVIEWS运用ABMA建模方法，对山东省GDP时间序列进行识别、估计、诊断和预测后，建立最优计量经济模型进行经济预测，并为各级政府和企业的管理决策提供数量化的建议。     

基于动态神经网络的广东省经济增长预测

利用动态神经网络的时间序列预测功能,建立动态神经网络预测模型,以广东省1978年-2013年国内生产总值历史数据建立时间序列作为样本进行学习,对广东省GDP的发展趋势进行了模拟,然后对广东省未来五年的GDP发展趋势做出预测。未来五年GDP增长的预测结果表明预测模型具有较好预测效果,可以利用该模型对广东省经济增长进行预测。由于广东省处于经济转型过程中,经济增长未来有放缓趋势。     

时间序列在经济预测中的运用研究

近几年以来,我国的经济得到了快速的发展,为了保证我国经济的可持续发展,进行有效的经济预测是至关重要的,因此,我们可以采用结构时间序列模型对经济进行预测。时间序列模型当中所得到了指标都是不可观测的变量,因此,我们不能使用回归分析这一方法,所以,在对时间序列模型进行解答时,我们要采用一些科学、有效的方法。我们通过不同的结构时间序列模型可以准确的预测出社会消费品零售总额、GDP等,保证了经济预测结果的准确性。本文主要对时间序列在经济预测中的应用进行详细的探究。     

基于Gramer分解定理对我国就业人数变化趋势分析及预测

本文基于时间序列的Gramer分解定理,利用我国就业人数1978年到2007年的历史数据进行实证研究,建立确定性趋势模型和ARMIA模型的组合模型。最后得出组合模型能够很好的预测我国的就业人数,然后运用模型对我国就业人数进行短期预测和分析。     

江苏省GDP的时间序列分析

GDP是反映一国或一个地区国民经济的生产规模及综合实力的总量指标,中国近年来GDP增长加快,自2009年江苏省超过山东省成为全国地区GDP排名第二位,引起了广泛关注。2015年地区GDP总量前六名仍然是广东、江苏、山东、浙江、河南、四川。文章选取江苏省1978~2015年的GDP时间序列数据建立ARIMA模型,分析江苏省GDP增长的变化规律,并预测未来短时期内江苏省GDP的变化趋势。     

2020：经济总量或超美国

CCER中国经济观察项目（简称CEO），是在林毅夫教授、宋国青教授、周其仁教授领导下实施的一个项目，开始于2005年，主要内容是组织季度经济研讨会，邀请中国经济最顶尖的研究者发表对中国经济走势的看法。CCER还与20多个特约机构合作发布“朗润预测”，对GDP、CPI等九个主要宏观经济指标提出季度性预测，并在CEO上发布。     

中国经济初现“龙抬头”

伴随着国家一季度经济数据的发布,在4月25曰北京大学中国经济研究中心举行的第17次“中国经济观察”报告会上,传来最新的声音。密切关注中国宏观经济的专家对中国经济一致做出看多预期。对20家预测机构的预测结果加权汇总后做出的“朗润预测”显示：二季度中国GDP增速或为7％，高于～季度GDP增速6.1％。一系列先行指标的回暖,表明中国经济正在走出低谷，走向复苏。     

近代中国若干年度政府购买时序数据的估算(1903—1936)

本文利用近代中国若干年度已有的宏观经济数据——GDP、消费、进出口以及对外投资数据的估算,引入柯布—道格拉斯生产函数和国民收入核算方法估算出政府购买的时间序列数据,首次估算出我国1903—1936年的投资额并据此得到政府购买长序列数据,实证分析了近代中国财政收入与政府购买的关系,通过价格指数和进口额验证了投资数据的准确性。本文认为,通过柯布—道格拉斯模型中的人口、资本、GDP等数据得出的近代中国传统产业的投资额存在一定可信度,从而保证了政府购买时序数据估算的可靠性。