ARIMA 模型在湖北省 GDP 预测中的应用

本文依据1978至2010年湖北省 GDP 的相关数据建立 ARIMA 模型。利用 STATA 统计分析软件对时间序列数据进行了平稳性检验、模型的选择、模型的定阶和模型的检验。经过合理筛选，选择 ARI－MA（0，1，1）模型作为最终模型，并以此模型对湖北省2011至2015年 GDP 值做出预测。结果显示，2013年前的预测结果基本符合事实，2014—2015年 GDP 的预测值具有参考价值，所以模型具有可应用性。     

基于GA-SVR模型的中国上市公司融资风险预测

提升融资风险预测精度对促进企业资金融通与缓解企业融资约束问题具有重大意义。将中国上市公司作为研究对象,利用粗糙集理论（RS）筛选出企业融资风险预测指标,利用遗传算法（GA）对支持向量回归（SVR）模型的参数进行寻优,并采用GA-SVR模型预测上市公司的融资风险。研究表明:粗糙集理论筛选后得到的17个融资风险预测指标具有较强区分企业是否出现异常状况的能力;资产规模对上市公司的风险预测具有至关重要的作用;GA参数寻优后的SVR模型具有良好的预测精度与稳健性。     

基于随机森林算法的宏观经济先行指数体系构建

本文选取2001年1月至2022年6月的数据作为样本,构建了国内生产总值（GDP）、价格指数和出口的宏观经济先行指数,并用2022年7月至12月的数据进行样本外预测。并将本文构建的随机森林（RF）指数体系与现存的指数进行效果对比,结果表明:（1）相比传统先行指数,RF先行指数可以更好地反映宏观经济变量的变动趋势,对历史期的经济发展拐点和波动幅度均高度拟合。（2）RF指数构建方法对于不同领先期数的设定和不同被预测变量的选择在样本内是稳健的。（3）RF指数对名义GDP、工业生产者出厂价格指数（PPI）和出口指数的样本外数据成功预测了走势和振幅,对于实际GDP和居民消费价格指数（CPI）的走势预测效果较好,但振幅的预测效果一般。综上,RF先行指数体系和方法对现有指数的计算方法、操作流程的简便性、期数选择和变量选择的稳健性以及预测效果等多个方面都具有显著的改善。     

市场化指数与人均GDP关系的实证研究

利用各地区市场化指数和人均GDP的面板数据（Panel Data）使用面板数据模型对各地区市场化程度与人均GDP之间的关系进行实证研究，结果表明，市场化指数和人均GDP之间具有正相关关系，说明市场化程度越高，人均GDP越高、增长越快．     

ARIMA和GM（1，1）模型预测上海市卫生总费用

卫生总费用是评价一个国家或地区卫生投入水平和资金利用状况的重要指标。文章采用2005—2018年《上海市统计年鉴》相关数据,利用ARIMA模型与灰色GM（1,1）模型,分别对上海市卫生总费用及其占国内生产总值（GDP）比重发展趋势进行预测分析。研究发现,2018—2025年上海市卫生总费用及其占GDP比重将继续保持稳定增长,预测结果显示,2025年上海市卫生总费用及其占GDP比重将分别达到4 765.19亿元（8.53%）、5 976.59亿元（10.21%）。所建立的ARIMA模型与灰色GM（1,1）模型平均相对误差均小于10%,拟合度较好、预测精度较高,但灰色GM（1,1）模型的预测效果要优于ARIMA模型。文章提出今后上海市应在保持卫生总费用继续投入的基础上,控制其合理增长;保持卫生费用的投入与经济发展水平恰当匹配,提高卫生效率,为居民提供更高质量、更加普惠、更有效率的健康服务。     

脉冲响应函数下的我国货币需求变动与决定

基于V A R模型的脉冲响应函数法和预期方差分解法,分析了我国2000年至2013年期间的货币需求与相关经济因素之间的动态影响特征。研究表明狭义货币、广义货币分别与相关的经济变量存在长期的均衡关系。狭义货币、广义货币对GDP的冲击分别呈现抑制效应、对SV的随机冲击主要呈现正效应、对R的随机冲击主要呈现抑制效应、对CPI的冲击呈现正效应和抑制效应交叉出现的现象。狭义货币、广义货币新息冲击对其自身预测均方误差的贡献度最大。新息冲击对狭义货币预测均方误差的贡献依次为：一年期定期存款名义利率（R）、沪深两市A股总市值（SV）、国内生产总值（GDP）、消费者物价指数（CPI）。新息冲击对广义货币预测均方误差的贡献依次为：国内生产总值（GDP ）、消费者物价指数（CPI ）、一年期定期存款名义利率（R ）、沪深两市A股总市值（S V ）。根据实证结论,得出相关经济变量对货币需求的影响,并据此提出有利于完善货币政策的建议。     

基于S-WLLE算法和SVR的植物叶片图像识别方法

针对加权局部线性嵌入（Weighted Locally Linear Embedding,WLLE）算法不能充分挖掘样本类别信息以及传统流形学习算法中利用已有训练样本流形邻域关系近似得到测试样本低维嵌入的低精确性,提出了基于监督加权局部线性嵌入（Supervised Weighted Locally Linear Embedding,S-WLLE）算法和支持向量机回归（Support Vector Regression,SVR）的植物叶片图像识别方法。首先利用叶片样本监督距离代替WLLE算法中的欧式距离,对训练样本进行降维;然后学习训练样本已有数据得到SVR模型,预测测试样本的低维嵌入;最后利用最近邻分类器分别实现正负类样本以及负负类样本之间的识别。实验表明,该算法不仅提高了正负类叶片的识别精度,而且能够有效实现负负类叶片的识别。     

我国经济增长与石油进口的因果关系研究

以1978—2009年中国经济统计数据为基础,利用向量自回归模型（VAR）研究中国经济增长与石油进口量、国际油价之间的关系,得出GDP与石油进口值之间存在长期均衡关系的结论;并根据Granger因果关系检验的结果对这两个变量之间的长、短期因果关系进行分析,发现经济增长是石油进口的长期Granger原因;并且长期经济增长以及石油进口还是国际油价的Granger原因,中国石油行业还可能存在成本推动的内生进步机制。同时对未来11年的石油进口额和实际GDP值做了预测。     

PSO—SVR方法在权证价格预测中的应用

以江铜CWB1（580026）权证为样本,将标的股票价格和权证规定的行权价格之比、无风险利率、波动率和权证到期期限作为输入,权证价格作为输出,利用支持向量回归和粒子群算法进行仿真分析和预测,发现经过PSO算法优化过的SVR方法对权证价格的仿真结果精度高,能够较好地拟合和预测样本权证价格。     

基于神经网络的信息产业收益率预测

基于神经网络的预测技术的基本原理是首先利用前馈神经网络,在大量历史数据的支持下,学得输入（影响或决定预测对象的诸因素）——输出（预测对象）之间的映射关系,然后将预计的输入值输入到神经网络,由此获得预测值（神经网络的相应输出值）并将这种方法应用于信息产业收益率预测中     

基于SVR的股市预测与择时研究

本文首先阐述支持向量回归机原理,在此基础上建立了SVR预测模型,以HS300指数数据为测试样本,分析了SVR模型在时间序列预测问题中的优势,并在此基础上进行了交易实验.结果表明：支持向量回归机适用于预测股市大盘的短期走势,并能够得到比较好的预测效果.     

混沌时间序列分析法在生产总值预测中的应用分析

国内生产总值是国家经济建设中一个重要的参数,是衡量国家经济实力和经济发展规模的重要指标,利用混沌动力学原理,采用相空间重构技术的混沌时间序列分析法,对改革开放以来(1978-2004年)我国国内生产总值(GDP)时间序列进行了分析,计算了时间序列的嵌入维数、延迟时间等关键参数,建立了局域预测模型。并且把预测结果和用灰色系统预测结果进行了比较。结果表明,用混沌时间序列分析法预测国内生产总值具有较好的精度。     

ARMA模型在成都市人均GDP预测中的应用

从时间序列的基本概念出发，以成都市1978～2010年的人均GDP时间序列数据为基础，建立了ARMA模型，并对成都市未来三年的人均GDP进行短期预测．     

基于最小一乘的GA-SVR用电量预测

基于最小一乘准则和交叉验证思想下,提出了一种基于自适应遗传算法参数寻优的支持向量回归机模型。该模型采用最小一乘准则作为训练标准,提高了模型的整体稳定性。使用自适应遗传算法对支持向量回归模型进行参数寻优,加快了训练时间,提升了预测精度,同时,交叉验证方法的采用,又进一步地提升了模型的泛化能力和预测精度。采用该模型对江苏省全社会用电量进行预测的结果表明,其预测精度要优于传统的支持向量回归模型和一般的粒子群优化支持向量回归模型。     

乳业——黑龙江经济发展的战略选择

阐述了国内乳业现状及其对经济的促动作用,通过对黑龙江乳业发展的区域资源优势和潜力分析,证明乳业将是黑龙江国民经济极具牵动力的活力产业。预计2004～2015年平均对 GDP 贡献率将达3.59%,年平均对 GDP 增长贡献率将达3.76%,同时将促进农业结构的优化调整,分流农业剩余劳动力,增加农民收入以及提高农业绩效发挥重大作用。乳业是黑龙江经济发展的战略选择。     

陕西省农村劳动力转移效应分析

根据陕西省1978—2008年的统计数据,应用Chenery在研究工业化与经济增长中的测算方法,分析了陕西省农村劳动力转移效应及其对总量生产率和实际GDP增长率的贡献。研究结果表明,陕西的农村劳动力转移效应较显著,农村劳动力转移对总量生产率的贡献和实际GDP增长率的贡献均逐步增加。提出了实行城乡居民的居住地管理制度、提高农民的就业技能及农民工工资水平、建立农户承包土地使用权流转和农户宅基地流转制度、城乡一体化的养老保障制度等制度建设。     

广东高等教育的周期波动：基于CF滤波的分析

文章依据从时间序列变量中分离趋势成分和周期成分的CF滤波方法,对广东1978~2009年间包括实际GDP、人均GDP、高等教育毛入学率、每万人口大学生、普通高等学校、招生、在校生、毕业生、生均经费等在内的9个时间序列变量进行了消除趋势的处理,进而采用相关度研究,对作为普通高等教育基准周期退势后的GDP或人均GDP时间序列与退势后的其他7个时间序列变量之间的共动性进行经验统计分析。通过对高等教育与经济发展的波动性和协动性分析,总结出广东高等教育周期波动的经验特征和典型化事实（Stylized facts）。     

FDI对中国经济增长影响的实证分析--基于Almon分布滞后模型

外商直接投资( FDI)在世界经济发展中扮演着重要的角色。中国作为世界上最大的发展中国家,如何更好地利用外资推动经济发展,在经济发展的同时更好地吸引外资尤为重要。基于我国2003—2012年FDI和GDP的数据,通过Almon分布滞后模型检验了FDI和经济增长的关系。结果表明,GDP和FDI的关系是长期、均衡的;GDP与FDI之间存在单向的因果关系,FDI的增加是GDP增长的格兰杰原因;FDI的增加对经济增长的影响是显著的正向推动作用。     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。