基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

结合PMI的中国GDP预测模型

文章首先对中国季度GDP序列分别建立GMDH模型、ARIMA模型来对GDP季度值进行预测,然后引入PMI指标,建立ARCH模型来进行预测。对比分析各模型预测结果表明:在预测季度GDP方面,引入PMI指标的ARCH模型的预测结果优于GMDH模型和ARIMA模型,更具实际意义。     

趋势-季节回归与ARMA混合模型在季度GDP预测中的应用

我国季度GDP时间序列具有趋势、季节性和周期性特征,文章运用趋势-季节回归和ARMA的混合模型,捕捉其动态变化,对近期季度GDP做出较为准确的预测。     

1999-2008年我国经济周期的状态划分及其拐点识别

文章利用1998年1季度至2008年1季度之间的中国GDP同比增长率的对数的一阶差分序列,采用两区制马尔可夫转换模型对该期间我国经济周期的运行特点和拐点进行了研究.研究表明,该模型很好地描述了同期的中国经济运行状况,支持将我国的经济周期划分成两个状态:扩张阶段和紧缩阶段.在此期间,我国经济有21个季度处于紧缩状态,16个季度处于扩张状态,共出现了10次拐点.     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

国际金融危机背景下经济增长干预效应的动态分析

通过确立金融危机时点和经济刺激政策时点,构建干预分析模型推演刻画GDP序列的变动轨迹,并测算金融危机和经济刺激政策对我国三大产业的综合影响。研究结果表明:国际金融危机对我国GDP负面影响最大时点处于2009年第1季度,而经济刺激政策对我国GDP拉动效应最大时点处于2009年第3季度,经济刺激政策能够有效缓和国际金融危机对我国实体经济的影响。政策时滞存在且大约为两个季度,实际GDP变动趋势仍与国际金融危机前高度拟合。     

中国经济增长的整体预测——基于月度扩散指数的实证

利用39个宏观经济指标构建中国月度扩散指数,分析了各扩散指数的特征,并利用动态因素模型预测中国2009年4季度至2010年3季度的GDP增长率,取得了较好的预测效果。实证结果表明,基于扩散指数的动态因素模型,具有提高模型自由度、降低多重共线性、综合大量信息、保证预测精确性等优势,对于宏观经济预测分析和决策具有一定的作用。     

人均GDP与各产业之间的时间序列分析

文章收集了1980—2010年我国第一产业增加值、第二产业增加值、第三产业增加值和人均GDP的时间序列数据，利用最小二乘法以及统计软件Eviews进行时间序列建模。实证分析结果显示：（1）模型整体效果很好；（2）随机误差显著地存在异方差；（3）随机误差项存在正的一阶正相关；（4）存在滞后一期的自回归模型。     

中国通货膨胀预测:基于AR和VAR模型的比较

文章用中国1996～2010年的CPI、PPI、货币量和产出等季度数据,考虑了两类基本但重要的时间序列模型——AR和VAR模型在预测中国通货膨胀上的样本外表现。研究表明:这两类模型在大部分预测期上对通胀的预测都优于简单的随机游走式预测;对不同滞后阶数的模型而言,通常滞后阶数越少的模型预测效果越好;M1增速、名义GDP增速和真实GDP增速都能改善仅仅依赖历史通胀信息形成的预测,但M0增速、M2增速以及PPI通胀,通常都不能改善;在含有M1增速的两变量VAR(1)模型中进一步引入产出增速构成的三变量VAR(1)模型对通胀预测没有明显改进。     

结合景气指数的GDP组合预测模型研究

文章首先对中国季度GDP序列建立了AR-GMDH预测模型;然后加入对GDP相关性较大的景气指数,建立了ARCH模型;最后利用GMDH自组织建模方法提出新的组合预测模型.对比分析各模型预测结果表明:两种单一模型预测误差均在可接受范围之内,基于GMDH组合的GDP预测模型的拟合和预测效果比单一模型更优.     

我国GDP时间序列的模型建立与预测

本文利用统计软件对我国1952年到2005年的实际GDP时间序列数据进行了分析,分别建立了ARMA模型和Holter-Winter非季节短期预测模型,并对2006年到2010年的全国GDP进行了预测。结果表明两个模型都有很好的预测效果。     

房价泡沫下GDP风险值的实证研究

文章通过研究GDP缺口时间序列数据,发现其具有和金融市场回报序列相同的统计特性,因此将金融风险度量技术--VaR技术扩展用以度量GDP风险值.由于房价泡沫会对宏观经济运行造成巨大的影响,通过度量GDP风险值发现在房价泡沫影响下,4到8季度后的风险值会被低估,12季度后恢复正常;而泡沫一旦破裂,造成的GDP风险和成本是巨大的,并且会引发长时间的经济衰退.因此,宏观政策制定者尤其是央行要考虑资产价格泡沫的影响,采取积极的政策响应,适当的采取金融约束来抑制泡沫的膨胀从而减少宏观经济风险.本研究立足中国市场特点,给出确定性建议,认为控制泡沫至关重要的在于前期融资、供需双方调节和整体市场的平稳.     

组合模型对统计数据准确性检验的适用性研究

文章以GDP数据的准确性为例,根据Cramer分解定理的基本理论对我国GDP数据时间序列建立了确定性趋势模型,对模型得到的平稳残差序列拟合ARMA模型;将两种模型组合起来对我国GDP数据进行预测,用预测值代表"真值",考察了预测值与观察值之间的差异;用异常值检验法对2001～2007年我国GDP数据的准确性进行了检验和分析,证明了组合预测模型在统计数据准确性检验中的适用性总体上不强,并提出了模型改进应用的思路.     

我国实际人均GDP的趋势分析及预测

文章建立了我国实际人均GDP的混合时间序列模型,分析研究了该模型的稳定性和可外推性,预测了2001～2010年10年间我国实际人均GDP的发展水平,指出我国人均实际GDP增长具有时间趋势和周期的稳定性。     

利用Excel实现时间序列分解分析

一、简介分解分析法是时间序列分析和预测过程中常用的统计方法。该方法假设时间序列是趋势变动（T）、循环变动（C）、随机变动（I）综合影响的结果,分解过程首先从原始序列中消除随机变动,然后在此基础上,分别识别出循环变动和趋势变动的变化模式。假设的合理性、方法的科学性和操作的简易性使分解分析法在经济预测中得到了较为广泛的应用。本文结合具体例子介绍如何用电子表格软件Excel实现时间序列的分解分析。二、实例如图（1）所示,表中A1至B13单元格是1996至1998年各季度某海滨城市旅游人口数（千人）,试预测1999年各季度旅…     

中国股市与经济增长的关联性研究

一、实证分析(一)变量与数据实证数据选取1992年第1季度至2005年第2季度的时间序列,共53组观察值。各变量的设定与数据来源如表1所示:以上变量的一阶差分记为Δecono-my、Δstock,恰好分别对应于各季度的经济增长率、股市收益率,具备良好的经济涵义。(二)单位根检验如图1所示,e     

利用互联网大数据预测季度GDP增速的方法研究

大数据为季度GDP走势预测创新研究带来重要突破口。本文利用百度等网站的互联网大数据,基于代表性高维数据机器学习(和深度学习)模型,对我国2011-2018年季度GDP增速深入进行预测分析。研究发现,对模型中的随机干扰因素作出一定分布的统计假设,有助于降低预测误差,任由模型通过大量数据机械地学习和完善并不总是有利于模型预测能力的提升;采用对解释变量集添加惩罚约束的方法,可以有效地处理互联网大数据维度较高的棘手问题;预测季度GDP增速的最优大数据解释变量集的稳定性较高。     

中国季度GDP的季节调整：结构时间序列方法

 内容提要：本文利用结构时间序列方法讨论了中国季度GDP的季节调整问题,从季节单位根、季节自相关、周期自相关等多个方面对不同季节模式的调整结果进行了比较。结论认为,随机虚拟变量形式和三角函数形式得到的调整结果非常相似;结构时间序列方法更好地捕捉到了时变季节特征,明显优于X-11和SEATS方法;非高斯稳健季节调整的结果表明,高斯结构时间序列方法具有较好的稳定性。     

我国财政收入占GDP比重的实证分析

文章通过对历年财政收入占GDP比重的时间序列数据资料建立了一阶自回归模型;分析比重变化规律,并进一步对未来几年财政收入占GDP的比重进行了预测;对现实工作提出了可行性建议及对策。     

基于干预模型与BP神经网络集成的GDP预测

文章将干预模型与BP神经网络模型相结合,提出了基于干预模型与BP神经网络集成的GDP时间序列预测模型,并实现了算法。利用我国1978~2004年的GDP数据建立多干预变量集成预测模型,对我国2005~2009年的GDP数据进行预测,并将预测值与其他文献所建模型的预测值进行比较,预测误差明显减少,证实了所建立模型处理外部事件(如宏观经济因素、政治因素等)的有效性。