時(shí)間序列組合模型在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用

時(shí)間序列組合模型在經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用hhhh（ 東華理工大學(xué)）摘要：文中依據(jù)20032012年我國(guó)GDP年度資料相關(guān)數(shù)據(jù)，用ARIMA模型和趨勢(shì)外推法建立一個(gè)組合模型，對(duì)我國(guó)1992年到2012年中國(guó)GDP進(jìn)行分析，并預(yù)測(cè)2013年2018年中國(guó)的GDP。所得結(jié)果誤差優(yōu)于兩個(gè)模型的分別預(yù)測(cè), 表明組合預(yù)測(cè)模型在時(shí)間序列數(shù)據(jù)的預(yù)測(cè)中更有優(yōu)勢(shì)。關(guān)鍵詞: ARIMA 模型;趨勢(shì)外推法；組合預(yù)測(cè)模型; GDP 1 引言 國(guó)內(nèi)生產(chǎn)總值(Gross Domestic Product)是一個(gè)國(guó)家或地區(qū)在一定時(shí)期內(nèi)所生產(chǎn)和提供的最終貨物和服務(wù)的總價(jià)值。國(guó)內(nèi)生產(chǎn)總值是反映一國(guó)國(guó)民經(jīng)濟(jì)的生產(chǎn)規(guī)模及綜合實(shí)力的總量指標(biāo)，在經(jīng)濟(jì)研究中發(fā)揮著重要的作用。對(duì)GDP作正確的預(yù)測(cè)能為宏觀經(jīng)濟(jì)健康發(fā)展起到導(dǎo)向性作用，并為高層政策決策者提供決策依據(jù)。而一個(gè)國(guó)家的國(guó)內(nèi)生產(chǎn)總值又是由各省生產(chǎn)總值所構(gòu)成的，因此研究各省生產(chǎn)總值對(duì)研究國(guó)內(nèi)生產(chǎn)總值以及各省乃至全國(guó)經(jīng)濟(jì)都起著重要作用。目前關(guān)于GDP 的預(yù)測(cè), 大多采用單一預(yù)測(cè)方法。然而單個(gè)預(yù)測(cè)模型僅包含或體現(xiàn)所研究系統(tǒng)的局部信息, 若用不同的方法對(duì)系統(tǒng)進(jìn)行模擬, 往往是各有條件、各有特點(diǎn), 也各有不足,若將幾種預(yù)測(cè)方法線性組合形成組合預(yù)測(cè)模型, 既可以綜合利用各種預(yù)測(cè)方法所提供的息, 提高預(yù)測(cè)精度, 又能夠比較合理地描述系統(tǒng)的客觀現(xiàn)實(shí) 。本文在建立兩個(gè)單項(xiàng)預(yù)測(cè)模型的基礎(chǔ)上, 建立了組合模型，對(duì)中國(guó)GDP 的發(fā)展趨勢(shì)進(jìn)行預(yù)測(cè)。2 預(yù)測(cè)方法介紹2.1 ARMA模型及特征ARMA模型是由美國(guó)統(tǒng)計(jì)學(xué)家G.E.P.Box和英國(guó)統(tǒng)計(jì)學(xué)家G.M.Jenkins在二十世紀(jì)七十年代提出的時(shí)序分析模型,即自回歸移動(dòng)平均模型(AutoregressiveMovingAverageModel),用此模型所作的時(shí)間序列預(yù)測(cè)方法也稱博克斯2詹金斯(BJ)法。ARMA是由回歸模型（簡(jiǎn)稱AR模型）和移動(dòng)平均模型（簡(jiǎn)稱MA）為基礎(chǔ)組合形成的，也稱混合模型，記做ARMA(p,q)。ARMA(p,q)模型可表示為： （1）或者引入滯后算子B式（1）可簡(jiǎn)記為 （2）式（1）中；為白噪聲序列。ARMA(p,q)過(guò)程的平穩(wěn)充要條件是滯后多項(xiàng)式的根都落在單位元之外。ARMA模型構(gòu)造了一種更為復(fù)雜的白噪聲序列的線性組合，近似的逼近一個(gè)平穩(wěn)序列，可以看出ARMA模型的平穩(wěn)性完全取決于自回歸模型的參數(shù)（2.2 趨勢(shì)外推法某一些客觀事物（如：經(jīng)濟(jì)現(xiàn)象）相對(duì)于時(shí)間推移，常常有一定規(guī)。這時(shí)，若預(yù)測(cè)的對(duì)象無(wú)明顯的季節(jié)波動(dòng)，又能找到一條合適的函數(shù)曲線反應(yīng)其變化趨勢(shì)，即可建立趨勢(shì)模型：y=f(t),當(dāng)有理由相信這種趨勢(shì)可能會(huì)延伸到未來(lái)時(shí)，對(duì)于未來(lái)的某個(gè)t值就可以得到相應(yīng)的時(shí)序未來(lái)值，這就是趨勢(shì)外推法2.3 組合預(yù)測(cè)模型組合預(yù)測(cè)法是指通過(guò)建立一個(gè)組合預(yù)測(cè)模型, 把多種預(yù)測(cè)方法所得到的預(yù)測(cè)結(jié)果進(jìn)行綜合。在文中對(duì)中國(guó)GDP進(jìn)行預(yù)測(cè)，GDP發(fā)展主要是漸進(jìn)型的，其發(fā)展相對(duì)于時(shí)間變化具有一定的規(guī)律性。因此，當(dāng)預(yù)測(cè)對(duì)象依時(shí)間變化呈現(xiàn)出某種上升或下降趨勢(shì)，并且沒(méi)有明顯的季節(jié)變動(dòng)時(shí)，有可能找到一條合適的函數(shù)曲線反映這種變化趨勢(shì)，以時(shí)間t 為自變量，時(shí)序數(shù)值y 為因變量，建立趨勢(shì)模型：y=f（t）+ 當(dāng)有理由相信這種趨勢(shì)能夠延伸到未來(lái)時(shí)，賦予變量t 所需要的值，則可以得到相應(yīng)時(shí)刻的時(shí)間序列未來(lái)值。趨勢(shì)外推法就是以時(shí)間t 為自變量找出一系列歷史數(shù)據(jù)的趨勢(shì)線并外推于將來(lái)所進(jìn)行的中長(zhǎng)期預(yù)測(cè)。誤差項(xiàng)t既反映y 的長(zhǎng)期趨勢(shì)中隨機(jī)波動(dòng)的影響，又包含構(gòu)成y預(yù)測(cè)模型的主要因素之外的其他因素的影響。在運(yùn)用趨勢(shì)外推法進(jìn)行預(yù)測(cè)以后，由于一般不能滿足平穩(wěn)性條件，導(dǎo)致預(yù)測(cè)值存在較大的誤差，因此需要對(duì)模型進(jìn)行修正。修正方法就是對(duì)誤差項(xiàng)t建立ARMA 模型，與趨勢(shì)外推法結(jié)合，建立組合模型。由于它既包含了可由時(shí)間變量t 解釋的y 的部分變化，又包含了時(shí)間變量不可解釋的但可由ARMA 模型解釋的y的另一部分，因而預(yù)測(cè)的精確度得到了提高。3 實(shí)際情況分析3.1 數(shù)據(jù)表1 1992年2012年中國(guó)GDP數(shù)據(jù)年份GDP(億元)年份GDP(億元)年份GDP(億元)199226923.5 199989677.12006216314.4199335333.9200099214.62007265810.3199448197.92001109655.22008314045.4199560793.72002120332.72009340902.0199671176.62003135822.32010401202.0199778973.02004159878.32011471564.0199884402.32005184937.42012519322.03.2 模型的預(yù)測(cè)3.2.1 首先畫(huà)出歷年中國(guó)GDP的曲線圖，如圖1圖1 19912012年中國(guó)GDP曲線 由圖1 可以看出，GDP 隨時(shí)間變化呈現(xiàn)出上升的趨勢(shì)，并且沒(méi)有明顯的季節(jié)變動(dòng)，而且該曲線的形狀與二次曲線模型相似，因此，根據(jù)趨勢(shì)外推法的基本原理，可以建立以時(shí)間t 為自變量，GDP 為因變量的趨勢(shì)模型：GDP= （t=1、2、21），在eviews中可得到結(jié)果如下圖2圖2 趨勢(shì)外推模型的參數(shù)可以看到,F=630.54，在顯著性水平=0.05 的條件下，所有參數(shù)都通過(guò)了顯著性檢驗(yàn)。因此可以建立模型GDP=59618.09-8771.308t+1541.628t (3)用以上模型行預(yù)測(cè)，將實(shí)際值和預(yù)測(cè)值進(jìn)行比較，可以得到一組殘差，對(duì)其進(jìn)行單位根檢驗(yàn)，t是平穩(wěn)的，對(duì)殘差序列建立ARMA 模型，殘差序列自相關(guān)函數(shù)圖和偏相關(guān)函數(shù)圖如圖3，并分析得到圖4圖3 殘差序列相關(guān)偏相關(guān)圖 圖4 ar(1) ar(2) ma(2) 模型此模型為:GDP=1.42 （4）將模型（3）和模型（4）相結(jié)合對(duì)2001-2010年的實(shí)際值和預(yù)測(cè)值進(jìn)行比較如表2：表2 中國(guó)GDP 實(shí)際值與預(yù)測(cè)值對(duì)比（組合模型）年份實(shí)際值（億元）預(yù)測(cè)值（億元）相對(duì)誤差絕對(duì)值（%）2006216314.4221797.12.542007265810.3226008.71.812008314045.4319836.21.8420093409023571674.772010401202385136.84.002011471564473875.20.492012519322517053.60.44表3 中國(guó)GDP 實(shí)際值與預(yù)測(cè)值對(duì)比（趨勢(shì)外推法）年份實(shí)際值預(yù)測(cè)值相對(duì)誤差絕對(duì)值（%）2006216314.4238978.910.482007265810.33139343.422008314045.4274914.90.042009340902356036.54.4420104012024011222501.9522011471564449491.14.682012519322500843.33.56從表2 和表3 可以計(jì)算出，組合模型相對(duì)誤差絕對(duì)值的平均值為0.49%，而趨勢(shì)外推法預(yù)測(cè)的相對(duì)誤差絕對(duì)值的平均值為13.95%，運(yùn)用組合模型大大提高了預(yù)測(cè)的準(zhǔn)確性。對(duì)中國(guó)以后年度的GDP 進(jìn)行預(yù)測(cè)，得到2011-2020 年的GDP 預(yù)測(cè)數(shù)據(jù)如表4。 表4 2011-2020 年中國(guó)GDP 預(yù)測(cè)值年份預(yù)測(cè)值(億元)2013570354.42014620907.52015675815.12016735622.82017800324.2用Eviews畫(huà)出組合模型預(yù)測(cè)的折線圖5：圖5 組合模型預(yù)測(cè)的折線圖從圖5可以看出組合模型的擬合的很好，說(shuō)明預(yù)測(cè)效果比較好。4 總結(jié)本文在利用趨勢(shì)外推法、ARIMA 模型進(jìn)行預(yù)測(cè)分析，綜合兩個(gè)單項(xiàng)預(yù)測(cè)模型的優(yōu)點(diǎn)進(jìn)行組合預(yù)測(cè)，精度更高，可靠性更強(qiáng)。并且最終可以得到以下幾個(gè)結(jié)論：（1） 我國(guó)國(guó)內(nèi)生產(chǎn)總值正處于快速增長(zhǎng)階段, 需要保持和改進(jìn)現(xiàn)有的政策和措施。通過(guò)組合預(yù)測(cè)模型的預(yù)測(cè)以及和其他2種模型的比較可知, 在今后的年內(nèi), 我國(guó)國(guó)民經(jīng)濟(jì)仍將保持快速的增長(zhǎng), 并且在2017年將達(dá)到800324.2億元（2） 我國(guó)GDP 在未來(lái)的5年內(nèi)增速不會(huì)發(fā)生較大的變化, 仍以比較快的速度展, 符合我國(guó)的經(jīng)濟(jì)發(fā)展規(guī)律。( 3) 組合預(yù)測(cè)法由于考慮了更多的影響因素, 然后建立預(yù)測(cè)模型, 充分利用各單項(xiàng)預(yù)測(cè)的有用信息, 因此在GDP 預(yù)測(cè)中可得到可信度更高的預(yù)測(cè)值, 可以為有關(guān)部門(mén)提供科學(xué)依據(jù)。在實(shí)際應(yīng)用中應(yīng)注意, 單一模型是組合預(yù)測(cè)模型的基礎(chǔ), 應(yīng)盡力提高單一模型的預(yù)測(cè)精度, 對(duì)于精度很差的模型不予采用; 同時(shí)選擇單一模型時(shí), 盡可能從不同影響因素出發(fā), 充分利用數(shù)據(jù)所包含的有用信息。組合預(yù)測(cè)模型具有比其他模型更好的優(yōu)勢(shì), 結(jié)果更接近于現(xiàn)實(shí)的數(shù)據(jù), 所以, 可以把它應(yīng)用在其他數(shù)據(jù)的預(yù)測(cè)上。參考文獻(xiàn)1 龔國(guó)勇. ARIMA 模型在深圳GDP 預(yù)測(cè)中的應(yīng)用 J .