深度学习神经网络能改进GDP的预测能力吗?

目前国内外复杂的经济形势加大了预测GDP的难度,因此,如何有效地预测GDP是值得研究的重要理论与现实问题。有鉴于此,本文构建了既具有宏观经济理论基础又符合中国宏观经济特征的指标体系,并构造了一个用于GDP预测分析的LSTM模型,将之与BVAR模型进行对比研究,以科学地判断LSTM模型是否能够提升GDP预测的精确度。研究结果表明：第一,本文选择的扩展指标能够提升BVAR模型与LSTM模型的GDP预测能力;第二,相比于BVAR模型,LSTM模型能够更好地挖掘扩展指标对GDP的非线性影响,从而提升短期GDP预测能力。鉴于LSTM模型强大的自我学习能力、良好的泛化能力以及较好的模型可调节性,LSTM模型在GDP预测领域具有广阔前景。     

高速公路发展及投资预测

通过对各年高速公路里程数、高速公路汽车总量、CPI、GDP的数据进行整理分析,建立了一元线性回归模型、灰色预测模型、基于ARIMA与NN的模型,分别预测到以上数据在短期内的数值. 首先利用高速公路里程数与GDP之间的线性关系可以预测高速公路的规模发展,可以得知未来高速公路的规模将得到继续发展.然后对里程数、汽车总量进行预测,用预测值可以简单计算出收入、贷款本息、维护费用,进而得出高速公路未来收益情况,这部分的收益相当可观,表明高速公路的发展前景良好.在此基础上,再考虑通货膨胀率对总盈利的影响,预测出高速公路的投资收益,具有良好的投资前景.最后,由基于ARIMA与NN的模型预测GDP,以GDP达到高收入国家标准的时间来确定收费政策的改变时间节点,分别对两段时间内的收费政策进行讨论.高速公路盈利较高,所以可以适当调整收费政策,使收费仅用于维护费和新建公路的费用,将"贷款修路,收费还贷"的收费模式转换为"以路养路"模式. 综上所述,无论是否考虑通货膨胀,总盈利情况都非常可观,在未来30年内高速公路的发展和投资前景均良好.当GDP达到一定水平的时候,可以适当降低收费标准,向少收费或不收费的方向倾斜.     

ARIMA模型在中国GDP预测中的应用

文章对我国1978-2015年国内生产总值进行了分析。运用Box-Jenkins方法建立了ARIMA模型。通过对数据的平稳性检验、模型参数识别与检验、模型检验等综合分析,确立了ARIMA(2,1,0)模型。该模型具有简单实用、预测精度高的特点,能恰当描述我国GDP(国内生产总值)状况,并对"十三五"期间的GDP增长速度做出短期预测,为政府部门制定"十三五"期间的经济计划提供依据和参考。     

我国人均国内生产总值的时间序列分析(1952-2011)与静态预测(2012-2015)

国内生产总值是最重要的宏观经济指标,人均国内生产总值是衡量国家发展程度与人民生活水平的重要标志。党的十八大报告提出到2020年全面建成小康社会,实现GDP和人均收入比2010年翻一番的目标,因此对我国人均国内生产总值进行时间序列分析与静态预测对实现GDP总量翻番的目标具有重要意义。文章从国内生产总值和时间序列模型的基本理论出发,选取了自1952年至2011年人均GDP的60个样本数据,建立了以时间序列为基础的AR(1)模型,模型通过了EViews软件中的所有检验,模型的精度较高。文章利用AR(1)模型对2012年至2015年的人均GDP做出了预测,预测结果表明,至"十二五"期末,我国的名义人均GDP基本可实现比2010年翻一番的目标。     

基于灰色系统分析的咸宁市经济发展预测

文章将2001-2009年咸宁市GDP统计数据构成原始数据列,建立灰色预测数学模型,检验模型的合格性,并利用模型进行外推预测,从而对十二五期间咸宁的GDP进行预测,预测结果:咸宁市2015年的GDP规模将达到1020亿。     

基于ARMA模型的我国经济增长率预测——三种基本形式预测效果的比较

文章基于我国1961-2016年GDP增长率的数据建立了AR模型、MA模型、ARMA模型,并据此预测了我国2012-2016年GDP的增长率.通过与2012-2016年实际GDP增长率的比较,发现:AR模型的预测效果是最差的,ARMA模型的预测效果要优于AR模型,MA模型的预测效果最符合当前我国经济的运行状况,但是波动幅度太大.最后,利用MA模型预测出2017年我国GDP增长率为7.32%.     

广西万元GDP取水量的预测方法初探

文章通过广西历年统计资料数据,建立指数曲线及生长曲线模型,分析模拟值与实际值的相关性,利用模型预测万元GDP取水量和万元工业GDP取水量,提出GDP当年价换算为可比价的计算方法,对预测结果与规划目标进行评价,说明提出的预测分析方法可以推广应用。     

基于遗传算法优化BP神经网络的集装箱吞吐量预测

集装箱吞吐量预测是港口规划建设、生产计划安排、调整港口发展方向的重要基础。针对集装箱吞吐量与其影响因素之间的复杂非线性特征,文章提出基于腹地GDP、腹地货运量、港口前三年集装箱吞吐量作为网络输入构建的遗传算法改进的BP神经网络预测模型(GA-BP),该方法综合考虑到BP神经网络非线性拟合能力强的优点,同时通过遗传算法全局搜索能力强等特点对BP神经网络易陷入局部最优进行改进。为验证提出模型的有效性,选取福州港为案例进行验证,结果显示GA-BP模型的预测精度明显优于BP神经网络,同时对比历史集装箱吞吐量作为输入变量的预测结果,GA-BP模型预测结果精度更高。     

基于模型分析的液压伺服系统性能参数预测

为了提高液压伺服系统的控制精度,文章对液压伺服系统中的一些非线性参数进行了预测与估计.参数估计之前,首先对目标液压工作系统进行了建模与参数化描述,抽取了其控制和工作模型,计算并推导了模型中主要的液压参数直接的数学关系,如液压受力分析、受力传递函数、噪声信号过滤函数等.在此基础上,采用最小二乘估计算法对液压伺服系统中的非线性参数进行预测,给出了详细的参数分析过程和预测参数推导过程,建立了主要参数的估计计算公式.最后,对所估计的非线性参数进行了仿真和测试.结果表明,文章所选择的参数预测结果与实际的运行结果基本吻合,预测算法参数估计误差小.     

基于混频回归类模型对中国季度GDP的预报方法研究

根据混频数据计量经济模型的建模理论和分析技术,本文构建了中国季度GDP 5种不同权重函数的混频数据回归预测模型（MIDAS）和非限制MIDAS模型。结合传统分布滞后模型推导出MIDAS模型的最小二乘识别方法,并在此基础上对中国季度GDP进行短期预报,分析了高频解释变量滞后阶数变化效应及其对低频变量GDP的影响效应。根据6种模型拟合及预测结果,进一步构建混频回归联合预测模型,并考察了混频回归联合预测模型的预测精度及预测效果。研究结果表明：非限制混频数据回归预测模型的预测精度及拟合效果高于5种不同权重MIDAS模型,以BIC为权重构建的混频联合预测模型在对我国季度GDP短期预报时表现最优。     

基于BP神经网络的西安市宏观经济预测

宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。     

“十三五”时期中国能源强度预测

本文采用中国1978-2010年的万元GDP能耗数据,分别构建了中国万元GDP能耗的普通自回归预测模型与分位自回归预测模型,对未来中国能源强度的变动趋势进行预测。研究发现,分位自回归模型的预测精度比普通自回归模型更高。因此,以分位自回归模型来对中国未来几年的能源强度进行预测。相比2015年,2020年中国万元GDP能耗将下降10.61%,低于政府提出的15%的目标,中国在节能道路上仍需努力。     

基于神经网络的刀具位置误差建模与仿真研究

非球面加工过程中,刀具位置误差对加工工件精度影响较大.本文利用神经网络非线性映射特性来建立非球面超精密磨床刀具位置误差模型.利用模型对非球面加工时刀具位置误差进行预测.最后通过仿真结果表明,利用建立的神经网络模型可以对刀具位置误差进行高精度预测,并且根据预测误差,对刀具位置误差进行补偿成为可能.     

中国人均GDP时间序列建模与相关分析

人均GDP是衡量一个国家和地区经济发展水平和综合经济实力的重要指标。本文在相关背景下收集了1978-2008年中国人均GDP时间序列数据,应用了SPSS软件进行数据分析并建立时间序列模型,利用模型预测了2009,2010年人均GDP数值,对制定相应的宏观调控政策有十分重要的意义。     

2004年我国主要宏观经济指标的变动趋势分析

本文首先采用基于菲利普斯曲线和奥肯定律的状态空间模型估计出我国的潜在GDP和失业偏移率，在此基础上对宏观经济形势进行了分析。研究表明，目前我国实际GDP仍低于潜在GDP，实际GDP增长率高于潜在GDP增长率，经济正处于扩张期。GDP偏移率的波动与经济周期波动基本一致，我们预测GDP偏移率将在2009年达到峰顶。根据预测结果，2004年我国GDP增长率为9．8％，通货膨胀率将达到2．3％，失业率为4．5％。     

改进的BP模型在混凝土早期弹性模量中的应用

混凝土的早期弹性模量对施工的进度和工程的可靠度有重要的影响.文章利用人工神经网络的非线性映射能力,在测定混凝土早期强度的基础上利用改进的BP神经网络对其弹性模型进行预测.经过计算结果的检验,证明该模型是可行的,对今后混凝土性能方面的预测具有借鉴意义.     

基于BP神经网络的企业财务危机组合预警研究

本文根据组合预测比单项预测具有更高预测精度的原因,采用基于BP神经网络的非线性组合的预测新方法,构建财务危机预警模型,并进行实证研究.通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性.     

ARIMA融合神经网络的人民币汇率预测模型研究

本文在深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型特点的基础上,建立了ARIMA融合NN的人民币汇率时间序列预测模型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,即将汇率时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARI-MA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终合成为整个序列的预测结果。通过对三种人民币汇率序列的仿真实验表明,融合模型的预测准确率显著高于包括随机游走模型在内的单一模型的预测准确率,从而证实了融合模型用于汇率预测的有效性。这一结果也表明,人民币汇率市场并不符合有效市场假设,可以通过模型对汇率未来走势做出较准确预测。     

基于支持向量机的福建省GDP预测研究

采用1981～2002年的福建省GDP数据作为支持向量机(SVM)的训练目标,以各期前三年的GDP作为输入向量构成训练样本。首先利用格子搜索法获得支持向量机模型中的参数(C,γ,ε)对样本进行训练。然后用训练所得模型对2003、2004、2005三年的福建省GDP进行测试,平均测试精度达98.12%。可以认为支持向量机具有较强的泛化能力,在宏观经济预测中具有较高的精度,从而可用于未来实际GDP的预测。     

利用人工序列多次分辨谱分析方法对中国国内生产总值进行波动分析

本文首先介绍人工序列多次分辨谱分析方法,然后将该方法应用于对中国GDP的研究,建立中国GDP的时间序列模型,并对中国GDP指数进行预测。 一、人工序列多次分辨谱分析方法 我们知道,确定性的周期函数在一定条件下可以由一些正弦函数和余弦函数叠加而