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。

基于图注意力LSTM深度学习的季度GDP预测应用

GDP预测一直以来都是宏观经济领域的重要研究议题。同时,融合深度学习算法并实时监测GDP的动态变化已是宏观经济指标预测的必然趋势。基于此,本文考虑到宏观经济变量的多源非线性时空特征,提出了一种新的GAT LSTM融合深度学习模型并对季度GDP进行预测。该模型采用图注意力网络(GAT)捕捉空间拓扑结构信息,并运用长短期记忆神经网络(LSTM)提取时间序列信息,以提高模型预测效果。结果表明:与其他基准模型相比,本文所提出的GAT LSTM模型在回归拟合度(R^(2))上平均提升了0.5929、均方误差(MSE)上平均下降了0.6617,具有良好的泛化能力和鲁棒性。该模型在GDP预测领域具有较好的应用前景,以帮助投资者、企业和国家作出科学决策,提高经济效益。

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。

基于深度学习神经网络的季度GDP预测

针对季度GDP数据,文章基于深度学习长短期记忆(LSTM)神经网络模型,结合小波分析技术(WA)分解所选取的宏观经济变量,构建了LSTM&WA预测模型,同时,引入多个基准模型进行对比分析。研究表明:对于季度GDP数据,深度学习模型结合小波分析预测结果更优;针对结构复杂的非线性多变量数据,LSTM&WA预测模型具有较好的泛化能力,其预测精度均优于其他基准模型。

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GM(1,1)模型的河南省GDP预测研究

GDP是一个衡量国家或地区经济发展规模的核心指标,对政府的经济管理和宏观决策具有重要的理论依据。选取河南省2010—2019年的GDP数据,建立了河南省GDP的GM(1,1)预测模型。通过级比偏差检验、后验差比检验和小误差概率检验后,发现该模型精度可以达到一级。该模型可为河南省的经济发展研究提供决策依据和理论参考。

利用EH4、GDP-32Ⅱ预测内蒙新民煤田煤系地层空间特征

目标勘查区煤层赋存规律不清,难以通过地表调查和常规的技术方法准确搞清煤系地层控制因素、空间位置、形态等重要参数.本文采用EH4电导率成像系统、GDP-32Ⅱ多功能电测系统,结合亚米级差分GPS开展测量.针对研究区地质特征,结合研究区物探异常特殊形态,预测了研究区可能的煤系地层空间分布.研究区煤系地层EH4测量电阻率具有较低特点（100~300Ωm）、GDP-32Ⅱ激电测量具有明显高充电率特点（最高可达38%）,为下一步研究工作及工程验证提供指导.实践证明,采用EH4、GDP-32Ⅱ能够高精度预测煤系地层的空间分布特征,值得推广.

深度学习神经网络能改进GDP的预测能力吗?

目前国内外复杂的经济形势加大了预测GDP的难度,因此,如何有效地预测GDP是值得研究的重要理论与现实问题。有鉴于此,本文构建了既具有宏观经济理论基础又符合中国宏观经济特征的指标体系,并构造了一个用于GDP预测分析的LSTM模型,将之与BVAR模型进行对比研究,以科学地判断LSTM模型是否能够提升GDP预测的精确度。研究结果表明:第一,本文选择的扩展指标能够提升BVAR模型与LSTM模型的GDP预测能力;第二,相比于BVAR模型,LSTM模型能够更好地挖掘扩展指标对GDP的非线性影响,从而提升短期GDP预测能力。鉴于LSTM模型强大的自我学习能力、良好的泛化能力以及较好的模型可调节性,LSTM模型在GDP预测领域具有广阔前景。

基于神经网络集成的GDP预测模型

GDP预测是一项重要而复杂的工作,目前尚未有完美的解决办法。鉴于GDP预测的非线性、时变性和不确定性,提出了一种基于神经网络集成的GDP预测模型。该模型利用神经网络解决了非线性和时变性问题,利用神经网络集成解决了样本数据量少、偏差大的问题,使得GDP预测结果更为有效。

时间序列分析模型及其在GDP预测中的应用研究

分析了时间序列模型中求和自回归移动平均模型ARIMA（p,d,q）的建模过程,依据1970~2008年广西南宁市GDP数据,建立了ARIMA（1,1,0）模型,并结合Eviews 5.0统计软件实现对模型的检验,结果显示,模型具有较好的预测效果和现实意义,可为南宁市制定经济发展目标提供决策参考。

混沌时间序列及其在我国GDP(1978～2000)预测中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容。本文利用混沌动力学原理,通过混沌时间序列的相空间重构,运用局域预测方法,建立了预测模型。并用其确立的混沌动力学模型对1978～2000年我国GDP进行了预测。把此预测结果与实际值进行了比较,结果证明误差较小。同时还将此预测结果与用指数平滑法建立的预测模型的预测结果相比,结果表明混沌时间序列建立的模型其短期预测效果更好。

基于GP的非线性GDP预测模型的构建与应用

针对线性GDP预测模型中存在的不足,利用遗传规划(GP)方法构建了非线性GDP预测模型,并将其应用于黑龙江省的GDP预测当中。利用黑龙江省1978—2005年实际GDP数据作为建模样本,对模型进行了训练,结果表明,与灰色GM(1,1)预测模型相比,基于GP的非线性预测模型平均拟合误差只有2.86%,远远低于GM(1,1)预测模型8.26%的结果。利用构建的基于GP的非线性预测模型对2006年黑龙江省的GDP进行预测,相对预测误差只有2.74%,远远低于GM(1,1)预测模型14.68%的结果,表明GP非线性预测模型的预测效果比较理想。最后利用基于GP的非线性预测模型对黑龙江省2007—2020的GDP进行了预测,结果表明黑龙江省的GDP呈现出稳定增长态势,年均增长率将达到8.61%。

确定万元GDP取水量定额方法的探索

万元GDP取水量是水资源管理的重要宏观指标。本文提出用指数模型预测法和年下降率模型预测法预测城市取水量,并以上海为例,建立了上海市不同行业万元GDP取水量预测模型,计算出上海未来不同水平年万元GDP取水量的预测值。通过与发达国家和城市比较,以及对未来不同水平年取水量估算与上海市供水规划预测成果的对比分析,确定了上海市未来不同水平年、不同行业的万元GDP取水量定额。最后对确定的万元GDP取水量定额进行了评价,说明本文提出的预测、分析方法可以推广应用。

基于时间序列模型的中国GDP增长预测分析

作为度量一个国家或地区所有常住单位在一定时期之内所生产和所提供的最终产品或服务的重要总量指标,如果能够对GDP做出正确的预测,必然可以有效引导宏观经济健康发展,为高层管理部门提供决策依据。选用适合短期预测的ARIMA模型对中国1952～2010年的GDP进行计量建模分析,预测结果认为未来五年中国的经济增长仍将处于一个水平较高的上升通道。

中国各地区人均GDP的马尔可夫预测及变动分析

首先将中国各地区的人均GDP情况划分为5种状态,然后使用Markov方法建立一个预测中国各地区人均GDP在10年后和20年后发展状况的分析模型,利用此模型对中国各地区人均GDP的演化和变化情况进行了科学地分析和预测,它对研究中国各地区的经济发展和保持各地区经济发展的均衡,实施宏观调控具有一定的参考价值。

ARIMA模型和指数平滑法在天水市GDP预测中的应用

运用时间序列分析法,对天水市1998~2015年生产总值进行分析。通过对数据进行综合分析,建立ARIMA(1,2,1)模型。应用结合指数平滑法对2000~2006年的实际值与预测值进行比较,并对天水市未来7年的生产总值进行预测,结果表明:ARIMA模型拟合度较高,相对误差较小,能准确模拟并预测天水市生产总值的变化趋势,为天水市经济建设和城市规划提供理论依据。

泰安市GDP预测的灰色模型

运用灰色理论研究了泰安市国内生产总值(GDP)1990～2003年的变化规律,建立了泰安市国内生产总值预测的灰色模型,对2004～2009年泰安市国内生产总值作了预测,得出了2007年泰安市国内生产总值将超过1000亿的结论。利用灰色关联度分析,分析了泰安市第一、二、三产业对国内生产总值的影响程度。

灰色模型在江西省国内生产总值(GDP)中的应用与分析

运用灰色系统理论,建立了江西省国内生产总值(GDP)及各产业的预测模型,并对模型进行了关联检验;利用灰色关联分析,分析了江西省各产业对GDP的影响。

遗传算法和BP神经网络在GDP预测中的应用

GDP是衡量一个国家或地区宏观经济状况的综合表现的一个重要指标,要想做到对宏观经济进行积极而有效的调控,首先要对未来经济的走势进行预测,根据预测结果制定相应的宏观调控手段,对GDP与经济发展提出政策思考,是十分有意义的。因此,文章运用遗传算法和BP神经网络对GDP进行预测,以揭示其变化规律和发展趋势,为制定科学的宏观调控政策提供依据。

与GDP相关的生活需水量预测模型

在目前生活需水量多种预测方法中,往往回避将经济发展指标作为直接影响因素。本文用传统的预测方法,先对生活必需水量加以预测,然后单独考虑GDP对生活需水量的影响,建立了与GDP相关的生活需水量预测模型。用该模型对西安和北京两地的生活需水量进行预测,结果表明该模型进行生活需水量预测是可行的。