人口结构变化、老龄化趋势及延迟退休对经济增长的影响

检验人口结构对经济增长的影响,预测人口总量及其结构的走势和老龄化的未来趋势,分析人口总量及其结构,尤其是老龄化趋势对经济增长的影响。研究发现:第一,劳动力数量和劳动力占比增加、人口抚养比下降会促进经济增长,在对经济增长的回归中人口结构的解释力不及劳动力数量,但在预测未来时人口结构变化的影响力更大。第二,总人口会在低方案情况下已步入下降通道,如果总和生育率不快速提升的话,中国的老龄化程度在近50年将持续加深。第三,延迟退休可以减少老龄化对经济增长的负面冲击;提高生育率可以减缓老龄化程度,但在短期会抑制经济增长。延迟退休方案增加劳动人口越多,越能促进经济增长,延迟退休实施的力度越大,法定退休年龄越大,对老龄化的缓冲程度越大。如果男女每年延迟退休递增1年,分别最终延迟到70岁和65岁,在一些年份甚至可以完全抵消老龄化的抑制作用。

白条猪价格预测模型构建

【目的】增强农产品价格预测准确度,为农产品价格的有效预测提供参考。【方法】以河南省白条猪每周平均批发价格为研究对象,提出一种基于序列分解、主成分分析和神经网络(CEEMDAN-PCA-CNN-LSTM)的白条猪价格预测方法。首先,使用自适应白噪声完全集合模态分解方法(CEEMDAN)对白条猪价格序列进行分解;其次,选用皮尔逊相关系数筛选影响价格波动的相关因素;再次,利用主成分分析(PCA)对影响因素及分解得到的子序列降维处理并作为原始价格序列的特征值,并行输入到作为编码器的卷积神经网络(CNN)中进行特征提取;最后,引入长短期记忆网络(LSTM)作为解码器输出得到预测结果。将该方法应用于河南省白条猪每周平均价格数据,与LSTM、门控循环单元(GRU)、CNN、基于卷积的长短期记忆网络(ConvLSTM)模型进行比较。【结果】CEEMDAN-PCA-CNN-LSTM组合模型预测方法得到的平均绝对误差分别降低了44.95%、27.30%、28.13%、43.17%。【结论】CEEMDAN-PCA-CNN-LSTM模型对于河南省白条猪市场价格的预测性能更优,有助于相关部门针对河南省白条猪价格波动做出科学决策。

基于分解集成方法的小宗农产品价格预测研究

针对小宗农产品价格序列波动特征中呈现出的非平稳、非线性等问题,提出了一种基于“分解与集成”的WOA-VMD-LSTM组合预测模型。首先利用样本熵作为鲸鱼优化算法(WOA)的适应度函数,对变分模态分解方法(VMD)的两个自由参数进行全局寻优;再使用优化后的变分模态分解方法对价格序列进行分解;最后将得到的多模态分量及残差作为输入特征集成到长短期记忆网络(LSTM)中,构建组合模型。将该方法应用于马铃薯、莲藕、白萝卜、大白菜、西兰花、卷心菜的日均价格数据进行预测,实验结果表明,WOA-VMD-LSTM组合模型的均方根误差分别为0.292,0.381,0.129,0.125,0.782和0.142,且与EMD-LSTM组合模型以及ARIMA模型进行对比,WOA-VMD-LSTM组合模型在多种农产品价格的预测上具有更明显的优势。本研究提出的组合预测模型有助于相关产业对市场进行合理配置。

技术进步和能源结构转型对经济结构的影响

本文从高质量发展和生产技术变迁的角度出发,构建了一个可计算一般均衡模型,模拟了技术进步和能源结构转型对我国经济结构的影响,结果表明:技术进步对能源消费的影响存在“回报效应”,化石能源消费变动率和技术进步率之间的关系是复杂的;在各行业的产出变动率中,电力行业的变动率最大;技术进步和能源转型对劳动者报酬变化率的影响最小,对企业利润和政府税收变动率的影响最大;在限制化石能源消费占比的同时,持续的技术进步会减少对煤炭、石油、天然气行业的投资,但是对这三个行业的消费却有增加的倾向。

中国共同富裕指数:体系构建与测度研究

通过构建共同富裕指数,从全国、区域和省域层面分析中国共同富裕的发展水平、动态演进和空间差异。结果显示:我国共同富裕发展水平不断提高,发展差距趋于减小,但仍存在极化现象;东部、中部和南方地区实现共同富裕空间均衡的速度高于全国平均水平,东部和南方地区具有“示范效应”;各省份共同富裕发展具有空间正向聚集性,但不会发生水平等级跨越上升与降低。鉴于此,应注重“夯基础”“补短板”“促协同”,以扎实推进共同富裕。

2024年经济形势分析和2025年经济走势预测

2024年初以来,中国经济在经历疫情后的修复阶段后趋于稳定,但经济增速略有放缓,主要面临着有效需求不足、部分企业生产经营困难、群众就业收入面临较大压力、风险隐患较多、国际不利因素对我国的影响加深且不确定性大等这几个方面的问题。本文对2024年以来我国经济形势和存在问题进行了分析,提出了宏观经济政策和目标建议,并通过梳理中央经济工作会议提出的下一步工作任务,对2025年经济走势作了预测。

中国“十四五”时期可再生能源发展预测分析

为检验中国的可再生能源产业是否能够延续过去的快速发展势头并实现《“十四五”可再生能源发展规划》中的既定目标,采用平均弱化缓冲算子对风电、太阳能发电等非水可再生能源原始数据进行缓冲预处理,消除产业政策带来的冲击扰动,并在此基础上对可再生能源消费总量和发电量、风力和太阳能发电量等预测对象采用GM(1,1)模型建模预测。预测结果显示,上述预测对象均不能保证按期实现“十四五”规划中既定的发展目标。为确保按期实现“十四五”规划目标,一要增强市场消纳能力,提升可再生能源利用水平;二要完善市场化发展机制,实现可再生能源市场驱动发展;三要继续加强节能减排工作,控制能源消费总量增速。

中国式现代化与职工基本养老保险基金可持续发展

中国式现代化是实现共同富裕的现代化,这为中国特色养老保险制度的发展提供了基本遵循。我国基本养老保险制度在充分保障每个社会成员退休福祉的同时,更要为实现中国式现代化贡献力量,必须确保制度的可持续发展。希腊和德国的对比案例从正反两方面充分证明了养老保险制度的可持续发展与经济社会进步的重要关系。联系现实,我国职工基本养老保险制度虽然面对着来自人口老龄化等因素的严峻挑战,但依然有充足的政策工具可以使用,具有不断深化改革的空间和时间窗口。建立长期的养老保险基金精算模型分析表明,当引入“组合拳”式的一揽子养老保险改革政策后,我国可以实现养老保险基金长期的可持续发展,当务之急是尽早进行养老保险制度的深化改革。

科技金融赋能新质生产力:空间效应与异质性检验

文章基于2011—2021年我国30个省份的面板数据,分别构建科技金融和新质生产力评价指标体系,运用空间计量模型考察了科技金融赋能新质生产力的作用路径、空间效应和异质性。结果显示:科技金融对新质生产力具有显著的正向影响,且在经济距离权重矩阵下科技金融对其周边区域新质生产力产生了最大的正向空间溢出效应。从区域异质性来看,科技金融对东、中、西部地区新质生产力均能产生正向影响,作用效果表现为“西强、东弱”。作用机制检验结果表明,产业结构升级和绿色技术创新效率提升是科技金融赋能新质生产力的两条重要渠道。

住房投机与政策调控对房价波动的影响——基于中国40个重点城市的数据

构建住房需求结构、政策调控和价格的动态系统模型,依据2007-2021年40个重点城市季度数据,考量政策调控对于住房投机和房价波动实施效果。结果显示:住房投机推动了房价上涨,政府住房调控政策对房价波动影响差异显著;异质性分析显示,不同地区政策调控实施效果存在差异。鉴于此,应因城施策、分类指导,同时积极畅通房地产调控政策传导机制,提高传导效率,促进房地产市场平稳健康发展。

数字鸿沟视角下数字经济发展对共同富裕的影响

党的二十大报告中提出要加快发展数字经济,扎实推进共同富裕。以2011—2019年中国168个城市为样本,探讨了在数字鸿沟存在的情形下,数字经济发展和共同富裕之间的关系。研究发现,由于数字鸿沟的存在,数字经济发展对共同富裕的影响不是线性而是“U形”的。影响机制分析表明,数字经济可以通过产业结构高级化、劳动力转移影响共同富裕水平,数字鸿沟在这种关系中起到了显著的调节作用。数字鸿沟的存在一方面会通过阻碍产业结构升级、引起劳动力转移“回流”降低数字经济对共同富裕的积极影响,另一方面会使这种影响呈现出显著的区域异质性。研究结果对如何缩小数字鸿沟,促进数字经济发展赋能共同富裕提供了一定的政策启示。

金融强国视角下地方金融“央—地”双层监管体制的路径完善

为有效防范地方金融风险的产生和蔓延,我国逐渐构建起地方金融“央—地”双层监管体制,但实践效果不够理想,存在“央—地”价值取向不同、法律依据缺失、“央—地”监管范围不明、权责失衡、信息不对称以及地方政府的能力不足等现实问题。国家需要结合现实需求加强高位阶的立法、变革金融监管理念、明晰“央—地”金融监管范围和权责界限、建立信息共享平台以及设置相应的外部监督问责制度,促进“央—地”之间形成金融监管合力,依法共治。

基于GM-LSTM的港口物流需求预测——以宁波港域为例

文章针对现有港口物流需求预测的传统统计方法和机器学习技术,如ARMA模型等方法在处理复杂、非线性和长短期依赖特性数据时的不足,提出了一种结合GM (1,1)和LSTM的组合预测模型。对比ARMA法、GM (1,1)、BP神经网络和LSTM网络的预测效果,仿真结果表明:GM-LSTM组合模型在准确性和稳健性方面有显著提升。该组合模型能够有效预测宁波港域2023—2027年的物流需求,为港口管理决策提供了科学依据。研究成果有助于优化宁波港域的资源配置,降低物流成本,在国际竞争中保持其竞争优势,且为同类型港口提供了一种高效的物流需求预测方法。

互联网背景下的高校财务管理创新研究

财务管理作为高校日常管理工作的重要组成部分,是高校未来发展的重要保障。互联网的兴起与蓬勃发展给高校财务管理工作带来了深刻变革。在互联网+背景下,为了满足自身的发展需求,高校必须结合互联网时代的特点,从及时转变财务管理思维;全面提高信息化管理水准;建设互联网+复合型人才队伍;加强财务信息安全的风险防控等几个维度出发优化创新高校的财务管理模式,为高校的健康发展奠定坚实的基础。本文正是围绕互联网背景下的高校财务管理创新相关内容展开了深入研究与探索,以期全面提高高校的财务管理水平,让高校财务管理工作与时俱进,朝着信息化的方向改革与发展。

中国GDP增长率概率分布的预测分析——基于分位数因子模型

研究GDP增长率的概率分布,可以掌握经济增长的可能范围和经济发展趋势的不确定性,有助于决策者评估经济增长的风险和挑战,制定有效的经济政策。本文基于分位数因子模型(Quantile Factor Models,QFM),从高维宏观经济变量中提取分位数因子,拟合以分位数因子为条件的GDP增长率概率分布。实证结果表明:第一,分位数因子可为经济预测提供额外解释信息,提高模型的预测精度;第二,样本期间条件概率密度拟合结果表明QFM对GDP增长率的短期预测效果较好;第三,对比以分位数因子为条件和以实际GDP增长率为条件的两种概率分布,分位数因子为条件的分布在经济受到冲击时不确定性增大。本文对GDP增长率分布预测的研究与传统的均值预测相比,能提供比较全面和精确的经济预测信息,为经济不确定性和下行风险研究提供新思路,为经济波动机制的深入理解提供支持。

基于投资混频数据的中国经济波动预测

文章基于投资与经济波动之间的相关关系,充分体现统计调查数据和网络搜索数据的优势,利用两种数据对中国宏观经济波动进行研究。针对混频数据的特点和深度学习算法的优势,提出了融合混频数据和深度学习的宏观经济预测方法。首先,考虑到政府统计调查数据与经济波动的强相关性,选取政府投资统计月度指标合成投资统计指数;然后,结合网络搜索数据的时效性和高频性,选取与投资相关关键词的百度指数日度数据合成投资网络搜索指数;最后,构建多源混频数据长短期记忆神经网络模型(MM-LSTM),利用中国2011—2022年的相关数据进行实证研究,并考察模型的精度与时效性。结果表明,投资相关指标与中国GDP增长率之间存在正向关系;网络搜索数据的加入有助于提升宏观经济预测的精度;MM-LSTM模型提高了短期和中期的预测精度,具备提前预测能力,可为相关部门提供决策依据。

银发经济赋能老年教育高质量发展的机理与路径

随着人口出生率的下降和平均寿命的逐渐延长,我国人口老龄化日益加深,同时也催生了规模宏大的银发经济市场。老年教育作为银发经济不可或缺的间接产业要素,发挥着二次开发银发人力资源、提升老年人生活技能、解决老年人生理和心理危机、帮助老年人建立良好的互助互娱新“朋友圈”等重要功能。基于生产要素理论视角,深入解析银发经济核心意涵、银发经济与老年教育的耦合关系,从产业规模、产业政策、产业需求等方面研究银发经济赋能老年教育的机理,从资源整合、教育供给、产教融合等方面探索银发经济赋能老年教育的实施路径。

基于电力大数据的农业龙头企业经济发展趋势评价分析

为实现对地区企业经济发展趋势的直观分析,文章基于电力大数据视角,开展农业龙头企业经济发展趋势评价方法的设计研究。将电力指数作为评价乡村产业与农业龙头企业发展趋势的关键指标,明确电力指数由乡村产业兴旺电力指数、乡村生活富裕电力指数、乡村民生宜居电力指数、乡村绿色用能电力指数四部分组成,设计设计基于电力大数据的农业龙头企业经济发展趋势评价指标;为使用相同的计量单位统计评价指标,进行指标的标准化处理,并计算农业龙头企业经济发展协调程度;根据电力指数分项指标权重,计算并量化电力指数,以此实现对企业经济发展趋势的评价。以新疆“涉农龙头企业”作为试点,设计实验,实验结果表明:设计的评价方法应用效果良好,根据评价结果,可以掌握地区乡村产业经济变化趋势,并根据产业电力指数,以一种相对直观的方式,感知地区电力经济发展情况。通过此种方式,进一步为地区经济发展提供技术支持与指导。

经济预警方法研究综述

追溯经济预警系统发展的历史 ,重点阐述了目前经常使用的经济预警方法 ,包括景气指数法、ARCH法、基于概率模式分类法、判别式分析法和人工神经网络预警方法 ,最后指出对经济进行预警应该注意的问题和进一步深入研究的方向。

基于arima、bp神经网络与gm的组合模型

为了提高预测模型的精度,给出了一种新的组合预测模型.利用时间序列ARIMA预测模型、BP神经网络及GM灰色预测模型进行单一模型的拟合与预测,通过赋予适当权系数结合三种方法得到了新的组合预测模型.山西省人均GDP预测实例应用结果表明:组合预测模型很好地描述了山西省人均GDP的非线性发展,比单一预测方法具有更高的预测精度.组合模型发挥了这三种模型各自的优势,可以作为人均GDP预测的有效方法,该模型在时间序列的预测中是有效的.