劳动参与率与劳动力增长:1982～2050年

劳动参与率是影响劳动力变化的三要素之一。它一方面具备相对稳定的模式,另一方面又受到一系列个人和外部因素的影响。文章基于普查数据,着重分析了劳动参与的年龄模式和主要影响因素,并预测了未来劳动力的发展趋势。结果发现,中国劳动参与年龄模式正趋向于稳定的倒U形,存在着明显的性别、城乡差异。回归结果表明,高中以上受教育程度可大大提高劳动参与,特别是女性的劳动参与,表明人力资本是未来劳动力发展的一个根本因素。预测结果显示,劳动力规模10年后将不可避免地出现负增长,同时中老年劳动力的比重也会大幅上升。对此,应采取相应措施以减轻劳动力变化所带来的震荡。     

新疆昌吉市现代化进程预测及实现方式探析

昌吉市现代化进程的测量与预测指标由经济现代化、社会现代化、科技现代化、人的现代化等指标构成,同时,根据昌吉市的实际进程,选择每项指标的具体要素进行测量,依据测量的结果进行预测分析。在推进现代化进程时,昌吉市应坚持体制创新与技术创新、经济发展速度与发展质量、国际市场与国内市场、社会发展与人自身发展的统一。     

我国通货膨胀拐点预测模型及其应用研究

影响我国通货膨胀的结构性因素包括:流动性水平、成本推进、工业化和城市化、资产价格泡沫、财政政策与产业政策、量化宽松货币政策、人民币升值预期、国际大宗商品市场价格上涨8个方面25个典型代表性经济指标。基于上述指标创造性地建立了我国通货膨胀的拐点预测模型。将模型分别应用于我国2011年和2012年的通货膨胀预测,发现通货膨胀由上升状态转为下降状态的拐点时刻为2011年7月,2012年上半年通货膨胀会保持大于2的下降趋势,这与我国通货膨胀实际表现相一致。根据通货膨胀在今年下半年会下探到小于2随机游走状态的可能,结合我国通货膨胀内部压力结构的分析,提出合理化解和控制通货膨胀内部压力的五条建议,来保持我国通货膨胀的稳定与适度。     

为何城市总体规划 不能准确预测未来人口规模? ——对中国城镇化经济动因的空间计量分析

梳理16个城市历次城市总体规划对其未来人口规模的预测,发现近80%的样本低估了未来人口规模。因此通过构架劳动力转移模型,并使用空间计量模型分析2000-2017年间中国31个省市城镇化的经济动因,发现:第二、三产业比重越高、市场化程度越高、城乡收入差越大、房地产占GDP比重越高、人口增长速度越高的地区,城镇化率也越高,而资本形成占GDP比重越高的地区城镇化率越低,GDP增速对城镇化率没有显著影响。基于驱动城镇化的计量结果,认为有三方面原因导致预测人口规模失败:一是政府忽略了人口转移的经济规律,二是由于制度原因政府偏好小城镇并刻意压低人口规模,三是苏联模式后遗症的影响。因此,在未来城市发展进程中,应结合人口转移的经济规律进行城市规模预测,继续强化市场机制建设,充分信任市场作为资源配置的主要机制,减少制度性障碍,积极调整公共资源的供给缺口,认真落实社会法治,做好公平市场竞争机制的维护者。     

基于模糊综合评价法的新疆包容性增长水平测度及评价

包容性增长是新疆在一带一路的机遇中突破自身发展又兼顾边疆长治久安的必然选择.本文运用模糊隶属度综合评价法及综合评价模型从经济包容度、社会包容、生态包容、文化包容四个方面对新疆2005-2014年包容性增长水平进行测度,并运用指数平滑法对其未来发展趋势进行动态预测.研究发现:新疆包容性增长水平十年间呈现低幅匀速上升趋势;2005-2011年新疆包容性增长水平处于“勉强包容”阶段,2012-2014年新疆包容性增长水平处于“基本包容”阶段;从分类包容度指数走势角度分析,社会的健康发展是新疆包容性增长的核心动力,生态环境恶化是新疆包容性增长的制约因素;短期内新疆包容性增长水平将保持不断上升的趋势,但增速迟缓,表明新疆未来发展仍有较大阻力.     

基于马尔科夫状态转换GARCH模型的汇率波动预测

文章利用汇率波动状态下的均值方程修正了面向汇率日波动特征测度的GARCH模型,并以动态多维条件修正针对汇率波动特征预测的马尔科夫状态转换GARCH模型,结果证实:汇率波动的动态发展趋势具有左部相对厚尾和一定程度的尖峰特征,汇率波动的动态特征及过程中更多动态相互干扰造成了汇率影响的参数异方差效应属性.     

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

模糊变权组合预测方法研究

在不确定环境组合预测中,用模糊权重系数更能体现各单项预测方法的客观表现.文章提出一种新的权重系数为三角模糊数的组合预测方法.首先建立以组合预测精确度指数最小为准则的模糊加权组合预测模型,为了避免样本数据中极端值对模型的影响,对模型进行改进,提出带有0-1变量的模糊加权组合预测模型.进一步考虑到单项预测方法在不同时刻的表现有所差异,建立基于诱导有序模糊加权平均(IOFWA)算子的模糊变权组合预测模型,该模型不仅能克服极端值的影响,而且具有更高的预测精确度.并实证验证了该方法的适用性和灵活性.