發(fā)布時間：2020-05-28 20:08

【摘要】：GDP不僅在反映一個國家的國民收入和消費能力、經(jīng)濟發(fā)展狀況等方面有著無可替代的作用,更幫助人們從宏觀上了解和洞悉一個國家的經(jīng)濟運行狀況,它是國家經(jīng)濟政策制定的關(guān)鍵依據(jù),也是檢驗經(jīng)濟政策是否有效和科學的關(guān)鍵手段。因此,如果我們運用恰當?shù)慕y(tǒng)計學方法揭露GDP數(shù)量變化的規(guī)律,并對短期GDP進行高精度預測,那么對宏觀經(jīng)濟的統(tǒng)籌規(guī)劃極具重要的實際意義。我國GDP歷史數(shù)據(jù),為非平穩(wěn)的時間序列,并同時擁有線性特征和非線性特征,本文分別基于四種模型對GDP數(shù)據(jù)建模,利用R軟件仿真計算,并分析比較四種模型的預測精度和泛化能力,獲得最優(yōu)模型。第一,建立傳統(tǒng)的ARIMA模型,序列平穩(wěn)化后,依據(jù)BIC準則結(jié)合自相關(guān)函數(shù)圖和偏自相關(guān)函數(shù)圖對模型識別定階,通過白噪聲檢驗后,確定最優(yōu)模型是ARIMA(0,1,2);第二,研究擁有良好非線性擬合能力的BP神經(jīng)網(wǎng)絡,結(jié)合我國GDP數(shù)據(jù)本身的特點,通過數(shù)據(jù)預處理將GDP數(shù)據(jù)轉(zhuǎn)化為輸入矩陣,設置合理的網(wǎng)絡結(jié)構(gòu)和激活函數(shù),挖掘GDP數(shù)據(jù)的非線性特征;第三,鑒于單一模型存在各自的缺陷和優(yōu)勢,將ARIMA模型和BP神經(jīng)網(wǎng)絡相結(jié)合,建立組合模型,即利用ARIMA模型預測GDP數(shù)據(jù)的線性主體,然后用BP神經(jīng)網(wǎng)絡對非線性殘差進行估計,并相加得到組合模型最終的預測值,實證分析表明,組合模型部分實現(xiàn)了模型間的優(yōu)勢互補;第四,考慮到相比單一模型,組合模型具有一定的優(yōu)勢,但依舊存在一些缺陷,需要繼續(xù)優(yōu)化。本文猜測GDP數(shù)據(jù)并不是完全的指數(shù)趨勢,因此,通過兩種方式實現(xiàn)平穩(wěn)化,并各自建立相應的ARIMA模型,再將兩個模型的預測值加權(quán),作為改進的組合模型線性部分的預測,并將Bagging集成算法納入到對GDP數(shù)據(jù)非線性殘差的預測中。結(jié)果表明,改進的組合模型在各方面都極具優(yōu)勢,對比前三種模型,改進的組合模型整體預測精度更高的同時預測效果也更穩(wěn)定。綜上,本文研究的四種GDP預測方法為:ARIMA模型、BP神經(jīng)網(wǎng)絡模型、組合預測模型、改進的組合模型,通過對四種模型預測結(jié)果的分析比較,證明,改進的組合模型預測效果最優(yōu),對我國GDP的預測也最有效。最后,根據(jù)此模型,對全部的GDP數(shù)據(jù)建模,預測未來三年的我國GDP。
【圖文】：

而關(guān)于ＡＲＭＡ模型的建立和預測方法己經(jīng)日趨成熟，因此，利用合逡逑理階數(shù)的差分運算來平穩(wěn)化，就能滿足對非平穩(wěn)系統(tǒng)輸出簡便有效的建模。上面逡逑介紹的多個時間序列模型之間的關(guān)系如圖２－１所示。逡逑／＊邐Ｎ逡逑ＡＲＩＭＡ（ｐ，ｄｒｑ）逡逑Ｓ，邐邋邋邋）逡逑ｎ逡逑ｄ邋＝邋０邋ｄ階Ｍ分逡逑１邋ｒ逡逑邐邋ＡＲＭＡ（ｐ，邋ｑ）邋邐逡逑ｑ＝0邐Ｋ邋｝邋Ｊ邐Ｐ＝0逡逑ｒ邐＾＾邐ｒ邐＾邐ｎ逡逑ＡＲ（ｐ）邐ＭＡ（ｑ）逡逑＼邐邐）邋＼邐邐）逡逑ｐ邋＝邋０邐（邐＇］邐ｑ邋＝邋０逡逑邐？白噪＊邐逡逑Ｖ邐Ｊ逡逑圖２－１模型間相關(guān)關(guān)系圖逡逑ｉｉ逡逑

正如本文前面內(nèi)容所介紹的，為促使序列的平穩(wěn)化，可以通過對數(shù)運算的方逡逑式來提�。牵模袣v史數(shù)據(jù)的指數(shù)趨勢，記轉(zhuǎn)化后的新樣本值為ｌｏｇＧＤＰ，再次繪制逡逑時序圖，如圖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逡逑圖２－４邋ｌｏｇＧＤＰ時序圖逡逑１４逡逑
【學位授予單位】：山東大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：F124

【相似文獻】

相關(guān)期刊論文 前10條

1 丁輝;李瑛瑛;;ARIMA模型在血液供應量預測分析中的應用[J];電腦知識與技術(shù);2019年22期

2 徐超;;一種基于ARIMA-SVR混合方法的匯率預測模型[J];智庫時代;2019年01期

3 陳黎明;趙元元;;季節(jié)ARIMA模型在保費總收入預測中的應用[J];福建金融管理干部學院學報;2018年04期

4 劉若愚;劉立波;;基于ARIMA模型的游客人數(shù)分析與預測[J];電腦與電信;2019年Z1期

5 曾藝旋;周小軍;楊姣;周孔香;胡煒華;;基于南昌市新建區(qū)居民傷害死亡趨勢的ARIMA模型構(gòu)建與預測[J];南昌大學學報(醫(yī)學版);2019年01期

6 劉恬s，

本文編號：2685766