基于网络搜索数据的GDP组合预测研究

网络搜索数据(Web Search Data, WSD)是研究宏观经济现象的重要微观信息依据。从需求、供给与政策环境等方面选取和筛选关键词来合成网络搜索指数,采用金枪鱼群(Tuna Swarm Optimization, TSO)算法优化的最小二乘支持向量回归(Least Squares Support Vector Regression, LSSVR)模型,对GDP进行预测。结果表明,网络搜索指数与GDP具有强相关性,合成的网络搜索指数能较好地反映GDP的波动走势;网络搜索数据的加入使得预测结果呈现出强时效性,预测效果及预测精度都取决于对最优模型的选择,引入参数智能优化算法可提高模型的预测性能。提出的TSO-LSSVR&WSD模型充分利用网络搜索数据及组合预测优势,提高了GDP的预测精度和时效性,可应用于宏观经济指标预测中。

基于变权组合预测模型的新疆GDP发展预测

本文利用1985—2018年新疆GDP数据构建基于ARIMA模型与曲线估计模型的定权组合预测模型和变权组合预测模型。结果显示:模型预测值的均方根误差均小于3%,但变权组合预测模型的预测结果最好,误差也最小。因此,本文采用变权组合预测模型对2021—2025年新疆GDP进行预测,预计2021—2025五年内新疆GDP值近似呈直线式增长,且增长速度较快。

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础。以我国GDP数据的准确性为例,选取1985~2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型。在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表＂真值＂,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究。

基于组合预测模型的我国GDP预测分析

利用中国1990—2009年的GDP数据,在建立指数曲线模型、ARIMA模型和三次多项式模型的基础上,以误差平方和最小为最优准则建立组合预测模型,对中国2010—2015年的GDP值进行预测。结果显示,组合预测模型的精度高于各个单项预测模型;2010—2015年的年均增长率为14.79%,我国国民经济仍以较快的速度增长。

组合预测模型在安徽省人均GDP预测中的应用

本文以安徽省1990年至2007年安徽省人均GDP为样本,在三个单一预测模型的基础上建立了非最优正权组合预测模型。为了提高预测精度,引入最优线性组合预测模型,将几个单一预测模型有机地组合起来。综合各个预测模型的优缺点,通过使组合预测误差平方和最小,确定各单一预测方法的权重系数,得到最优线性组合预测模型,并对未来5年安徽省人均GDP进行了预测。研究表明该模型在实际预测工作中具有较好的实用性。

组合模型在我国GDP预测中的应用

将组合预测法应用于我国GDP的预测,以提高预测精度。通过赋予合理权重,将指数平滑模型、拟合模型、ARIMA模型和支持向量回归模型加权组合。对各模型进行平均绝对百分误差(MAPE)、均方根误差(RESE)和希尔不等系数(Theil IC)等指标的比较,证明单一模型经过组合能够提高预测精度。

基于IOWGA算子的江苏人均GDP的组合预测模型

选取1990—2009年江苏省人均GDP为样本数据,2010—2014年江苏省人均GDP作为验证数据,分别建立了ARIMA模型、指数平滑模型和多元回归模型对未来3年的江苏省人均GDP进行预测,然后在前3种单向预测方法基础上建立基于诱导有序加权几何平均(IOWGA)算子组合预测模型,再对此模型进行相应的效率评价.最后用组合预测模型对未来3年江苏省人均GDP进行预测.结果表明:相比于上述3种单项预测方法,基于IOWGA算子的组合预测模型的预测精度更高.预测结果表明2015—2017这3年,江苏人均GDP会继续增长,人民生活水平将继续提高.

基于灰色BP网络的GDP总量组合预测模型应用研究

将GM(1,1)模型与BP算法相结合建立灰色人工神经网络组合模型应用于GDP总量的预测。以安徽省1992-2007年的数据为例,对2005-2007年的GDP总量进行检验性预测,结果表明灰色人工神经网络组合模型大大提高了预测精度。

基于ARIMA-PLS的动态组合模型的人均GDP预测分析

本文以川陕革命老区为研究对象,首先建立了GDP的ARIMA预测模型,其次采用偏最小二乘回归PLS模型和灰色预测对GDP进行预测,从三个不同模型充分挖掘已有的数据信息。最后利用预测的结果,构建了基于信息熵的ARIMA-PLS动态组合预测模型,提高了预测精度和可靠性,为川陕革命老区经济可持续发展提供了科学的依据。

基于组合预测模型对安徽省GDP的预测研究

基于1978—2018年安徽省GDP数据,首先建立ARIMA(0,1,1)模型和Holt-Winters无季节性模型,再通过B-G组合预测模型选择最优组合权重,最后建立组合预测模型(ARIMA-Holt-Winters无季节性模型)。通过比较ARIMA-Holt-Winter无季节性模型、ARIMA(0,1,1)模型和Holt-Winters模型的预测结果,发现ARIMA-Holt-Winters无季节性模型能够更加较为准确地描述安徽省GDP状况,能够得到较好的短期预测结果,为政府制定经济目标和实施相关经济政策提供参考。

基于IOWA算子的安徽省人均GDP的组合预测模型

根据1990-2012年安徽省人均GDP的历史数据,分别建立了指数预测、多元回归和指数平滑三种单项预测模型,引进IOWA算子的概念,在三种单项预测模型的基础上,把最小的组合预测误差平方和作为标准,建立基于诱导有序加权平均算子的最优组合预测模型。通过模型的预测有效度评价可知,基于IOWA算子组合预测的精度比三种单项预测模型精度要高,而且更加合理。运用IOWA算子组合预测了2013-2017年的安徽省人均GDP,实例分析结果表明,该组合预测模型更加精确有效。

经济预测方法评价研究——基于新疆GDP数据

通过选择7种较为典型的预测方法,以1978年-2015年新疆生产总值为样本进行预测分析,通过比较各个方法的预测精度及相对误差,选择出精度最优的预测方法。结果显示,所有的预测方法在预测2015年时均出现较大误差且2014年预测效果最好的是ARIMA模型,预测相对误差为1.31%。而2015年误差较大的原因是因为政府的主观干预,与实际情况吻合。

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断。

基于最优组合模型的中国GDP预测

利用1990～2010年中国GDP数据,在建立ARIMA、多项式趋势拟合模型和GM(1,1)模型基础上,以误差平方和最小为最优准则建立组合预测模型,并把它应用于我国GDP的预测。所得结果误差优于三个模型的分别预测,表明组合预测模型在时间序列数据的预测中更有优势。并用所建的组合预测模型进行2011～2015年的预测。

基于组合模型的浙江省GDP预测研究

区域GDP的发展趋势是高速公路规划和建设的重要参考依据。基于浙江省1978—2019年的GDP数据,分析数据特性,构建预测模型,掌握发展规律。首先,将GDP数据转化为时间序列,建立ARIMA(2,2,0)模型;其次,将GDP数据以滑动窗口的方式生成输入矩阵,建立BP神经网络模型;最后,利用ARIMA分析GDP时序的线性部分,利用BP神经网络分析GDP时序的非线性部分,建立组合模型。通过计算相对误差比较模型的预测效果,3个模型的平均相对误差分别为6.30%、13.10%、6.08%。结果表明,组合模型的平均相对误差最小,预测效果最好。

GMDH-ARCH组合模型在GDP预测中的应用研究

一、引言 GDP即英文(gross domestic product)的缩写,也就是国内生产总值.GDP指一个国家或一个地区在一定时期内国民经济生产活动的总成果,即是对一个国家或一个地区在一定时期内国民经济生产活动的总成果的一种计量.……

一类组合模型及其在GDP预测中的应用研究

为了提高组合预测模型的预测精度, 文章在动态三次指数平滑和混合时间序列模型的基础上,以误差全距作为优化指标,建立了一类组合预测模型,并将该组合预测模型应用于宁夏GDP 的预测.文章所建立的组合预测模型具有较高的拟合精度.

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM（1,1）模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005~2013年GDP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM（1,1）模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测。

新疆国际旅游客源量的线性组合预测

利用新疆历年来的统计数据 ,探讨线性组合预测方法在新疆境外客流量预测中的应用 。

组合预测方法在重庆市GDP预测中的应用

GDP是国民经济发展的一个重要衡量标准,对其进行准确地预测非常重要;以重庆市为研究对象,基于统计数据,应用时间序列分析中的指数平滑法和ARIMA模型以及组合预测模型分别对2015—2020年重庆市的GDP进行了预测,并进行对比分析;研究结果表明:3种方法的误差均较小,但组合模型预测精度更高,重庆市未来几年的GDP年增长率将维持在10%左右。