区块链下的政府统计数据溯源机制初探

引言 信息时代的到来激发了数据量的成倍增长,面对多元化的海量数据和统计对象,政府统计工作迎来了新挑战.由于政府统计整理、分析、预测各项社会经济数据,并向地方政府部门提供统计数据和信息咨询,其数据资源的准确性、可信度备受重视,因此如何提供数据追溯机制,解答数据为什么是该状态(Why)、数据从哪儿来(Where)以及如何变...     

基于网络搜索量和混合频率模型的经济变量预测研究

针对大数据背景下利用互联网搜索量数据进行经济预测的问题,提出建立能够充分利用高频变量信息的混合频率模型,并尝试解决建模过程中的关键词选取、数据预处理和降维等问题。在对金融和消费领域预测的实证研究中,经过筛选的关键词搜索量变量与作为预测对象的经济变量是高度相关的,并且混频模型相对于经过频率转换的模型具有更优的估计量性质和更高的样本内外预测精度。同时,根据估计结果得到的权重函数还可以发现月内各日搜索量在预测模型中的贡献度分布具有不同模式,借助该分布模式可以对经济主体行为进行描述和测度,也为搜索量数据的频率转换提供了一些参考。     

时间序列分析与季节调整方法浅析

时间序列分析（Ｔｉｍｅ Ｓｅｒｉｅｓ Ａｎａｌｙｓｉｓ）作为统计数学的一个分支,是分析动态数据,提供定量预测的重要理论和方法。西方国家现已较为普遍地在经济、金融领域运用时间序列模型分析预测各种发展趋势。近年来,随着我国改革开放的深人和经济的飞速发展,对经济领域中存在的大量数据进行动态分析处理,摒弃静态分析的高误差率,并进一步用科学的方法进行预测、决策已显得愈加必要,时间序列分析方法在经济界的推广普及已是大势所趋。 所谓时间序列分析（即动态数据处理）,是指一批按时间先后顺序记录下来的观测结果（时间序…     

计量经济学中的机器学习方法：回顾与展望

文章从传统计量经济学的三大作用——经济预测、验证理论、政策评价入手,梳理了机器学习与计量经济学融合发展过程中机器学习在计量经济学中的应用途径。研究发现：机器学习可以更高效地探索变量之间的关系,以做出更精准的预测;在大数据背景下机器学习丰富了经济数据的多样性,通过对大量经济数据进行分析和处理,从而揭示出数据中的潜在模式、关联性和趋势,继而能够检验一些更复杂、更富有挑战性的研究假设;机器学习从识别假设条件、函数形式拟合、“反事实”预测等角度提高了因果处理效应估计的准确性和稳定性,进而更精确地定量评估政策效应,服务国家重大战略需求。     

基于改进背景值算法的优化GM(1,1)模型及其应用

研究表明,GM(1,1)模型的背景值构造方法是影响其建模精度的一个重要因数。文章研究了已有的相关文献中关于背景值的构造方法,进而提出了一种新的背景值构造方法,其具有更好的适应性。同时,为了进一步提高灰色GM(1,1)模型的模拟及预测精度,利用拟合值和原始值平方和误差最小对预测模型的初始值进行了优化。文章改进的优化GM(1,1)模型既适用于对低增长指数的数据也适用于对高增长指数的数据进行GM(1,1)预测实例建模结果展示了其具有更高的精度和适应性。     

基于VaR-GARCH模型的机场货运量数据实证研究

机场货运量一直是机场各种数据预测中最难以预测的一种。该数据预测结果的准确性直接影响到机场高层决策者决策的效果,对管理者日常经营活动的安排也至关重要。文章将广泛应用于金融风险管理中的VaR方法,引入到非金融领域,以上海机场为应用背景,对机场货运量波动情况分析预测问题进行了讨论。使用GARCH模型对机场货运量数据波动性进行检验。将计算所得的VaR值与利用ARMA模型计算出的预测值相结合得出机场货运量的最大波动预测区间。经过采用配对样本差异性t检验过程对机场货运量的真实值和预测值进行检验,得出货运量的预测值与真实值不存在显著性差异,说明采用本方法得出的预测结果合理可靠。     

GDP总量预测方法探讨研究

一、研究背景 在经济形势分析中,常常需要对主要经济指标进行预测,特别是对GDP的总量和增长速度进行预测(政府统计部门和发展计划部门的这种要求尤为迫切)。在以往的预测中,人们大多利用固定资产投     

基于改进功效分析的企业财务预警系统研究

企业财务预警系统是根据经济预警理论和仿生学原理,应用现代评价技术、预测技术、统计工具、风险管理和其他分析工具,有效地分析、整合企业数据和行业数据,实现对企业经营过程中的各种风险进行预测和警报.     

回归分析预测认识中的一个误区

一元线性回归模型是统计学中对数据进行预测的一种重要方法。应用时,在对数据进行线性回归后还要做F检验。F检验的目的是判别解释变量与因变量之间有无线性相关关系。普遍认为做F检验时,F的值越大,用此模型进行预测得到的结果就越可信。国民生产总值GDP是一个重要的经济指标,人们经常通过GDP来分析经济运行情况,因此人们经常会对GDP的增长率作出预测。本文分别运用三种线性回归模型对GDP数据进行回归分析,并预测GDP的增长率。证明了当回归模型的F值最大时,预测的效果不一定最好。选择线性回归模型进行预测,还要结合实际情况。     

信息质量与信息资源的商品化

我们常说“质量是经济信息的生命”,在信息时代尤其如此。随着社会信息化水平的提高,建立在信息基础上的分析、预测和决策,成为经济活动的主要内容。作为一种新资源,经济信息转换所形成的生产力已成为人类社会发展的最为持久、最为强劲的推动力量。近些年来,我国的经济核     

遗传算法优化的GM(1,1)模型研究

为提高GM(1,1)模型预测精度,文章分析了模型中背景值构造与预测结果误差的关系,并总结了背景值改进研究的相关成果。采用权值序列替换原模型背景值构造公式中的单一权值,建立了GA-GM(1,1)预测模型,利用遗传算法迭代寻优获得的一组最优权值序列来构造背景值,以提高模型精度。用两组数据进行GA-GM(1,1)模型与GM(1,1)模型的对比实验,结果表明GA-GM(1,1)具有更小的预测误差,验证了该模型的有效性。     

统计数据在地理信息系统上的应用——地理信息系统在统计领域的应用(三)

统计与地理信息的结合将统计信息直观的表现在地理信息系统之上,并根据空间位置及相关统计信息进行一定的经济、人口、社会等方面的经济决策分析和数据挖掘、宏观预测,以推动统计工作的发展,使统计数据更好的为政府决策、社会公众需求服务。从人口和经济数据在地理信息系统上的表现,就可以说明统计数据和空间数据的一些实际应用价值。1、人口状况的查询与统计、分析(1)查询、统计本年度全市某行政区域人口数据、人口指标数据、行政区划数据、街道办事处数据,并根据结果建立预测模型,对未知区域进行相关数据预测;(2)地图显示按人口密度的色差…     

我国分季度GDP估算方法的研究

 近年来随着各国经济的不断融合和金融市场的日趋国际化,宏观经济的短期波动越来越受到各国的重视,季度GDP作为高质量的子年度统计数据可以说具有独特的研究价值,为此各国都在探讨季度GDP的核算方法,以获取更加及时、准确的统计数据。我国近两年经济波动较大,寻找及时、准确的高频数据进行短期经济分析具有重大意义。为此,本文借鉴国际上的Chou-Lin方法对我国季度GDP进行分产业的估算,并将估算结果与官方数据进行比较,发现估算结果与官方数据偏差极小,可以作为高频数据进行经济分析及预测。     

基于网络搜索数据的中国消费者信心指数的测算

世界上的多数经济都是消费者驱动的,因此消费者信心指数(CCI)在经济预测中占据非常重要的位置.文章利用社交媒体中人们的网络“行为”数据对CCI建模并拟合预测.通过建模,拟合的CCI具有较好的拟合优度和较小的误差,同时结果也表明,耗时、耗力的传统CCI测算方法可以通过挖掘社交媒体中的行为数据进行建模分析来获得.模型构建之后的对比及检验评价都表明该模型在计算和分析上是稳健的.     

基于ANN的预警指标预测系统在企业经济运行预警中的应用

预警指标的预测是进行经济预警的前提,在企业经济运行预警中的主要功能是根据历史数据对指定的预警指标进行预测,这一步预测的有效性直接影响到最终预警结果的有效性.本文提出的预警指标顸测系统的原理是根据已经建立的预警指标体系,从本企业历史财务指标数据库中提取数据,通过人工神经网络进行时间序列预测,得到预警指标未来时段的预测结果.     

基于移动平均法的改进

在管理会计和统计学中,算术平均法、移动平均法和移动加权平均法是预测分析中较为常用的方法,这三种方法由于使用简便而被广泛使用.但是这三种方法在使用过程中由于没有充分考虑到经济事项发展的过程,所以由此而预测得出的结果往往会脱离实际数据,给决策造成失误.文章就这一问题进行了改进,使得预测结果更加贴进实际.     

农民收入与农业生产结构调整

一、方法与数据(一 )关于结构调整对农民整体收入的影响从农业生产结构调整到农民收入变化 ,中间有几个因素必须予以考虑 :各种农产品的数量、价格、成本、效益。在微观层次上进行分析时 ,也即对部分农户或部分地区通过调整部分农产品生产进行分析时 ,有可能收集到关于上述 4个方面的较为全面和客观数据。而且 ,也往往可以利用微观经验分析结果来预测未来另外一些农户类似的调整行为可以获得类似的结果。对于最初的部分农户来说 ,这种预测是有效的。但是 ,这种预测其实已隐含了一个假设 ,即这部分农户 (包括最先进行生产的农户 ,也包括后加…     

不良数据下的"统计陷阱"

一、不良数据及其影响究竟什么是不良数据? 这与研究的问题和背景有关,如果原始数据是错的,显然是不良数据,然而实际背景却可以使问题更扑朔迷离.例如在回归分析中,预测变量错误可以导致回归系数产生偏差从而在解释变量时产生问题,但是如果预测来源于同一分布的变量时却不会产生任何问题.同样地,数据的"良好"与否也取决于研究目的,准确、精密的测量对于错误的问题是无效的.     

融合股市数据的社会消费品零售总额预测方法

社会消费品零售总额是衡量消费水平的重要指标,分析预测其发展趋势对把握中国经济态势具有重要意义。现有研究大多通过传统政府统计指标建模,预测误差较大。为此,文章在传统政府统计指标的基础上扩大数据源,引入股市数据对其进行预测;并采用K-L信息量法对各变量确定最优滞后期,构建了融合股市数据的预测指标体系。结果表明:股市数据能够提升模型预测精度,且对OLS的提升效果最为显著;融合股市数据的LSTM预测效果最优,可以为政府、企业提供更为准确的参考。     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。