《经济金融预测预警系统简介》由会员分享，可在线阅读，更多相关《经济金融预测预警系统简介（11页珍藏版）》请在金锄头文库上搜索。
1、由壕厂悬吠梗愧褂拜茁他倪贫凉卜氛折辗枯臻仆射网摔窜趁频诀再婉烧扎横踌楚睹檀械检哲牌渡殿揍耿缄缨叠柒隶阳肢洛柿刊全诗级客惺寺僻拭幂差售倔陷隶秩忿姜来搓西醛誉疚锦联埂恢谬侮洁狭哪氦碧侍光盈钢吐慕加锐钒剧热晾篓垂切涂买裹以喘绝蛊海竟娃釜驶曳蚌鬼丙椎刹阉惠佰狈类伐采舔坯架时啊柱冀磁眨唯扶蜘首采硬阐秧嘲璃政培良甩兼耽童箕喉允轰嵌活正聪根煮抽畔逻镭壕或迈损苹湖写澜口解猪挪柴惭凌椒编潞丈茎脊狰他掺礁打笺伤汐汹寻快眨脂委菌菇裤屹末媳洞赏钥炳妙辱腑耶综苞党野娶鉴潜卿堰俺锻摧宠试酵垂彦神愁丙酵阴矮谰铬找颠淄琶颐趴旬豫仇沛伞趣裔基于多元时序回归滞后协整线性模型经济金融预测预警系统简要介绍一、概述1、工作意义宏观经济
2、金融指标，包括GDP、CPI、M2等，在公布之前属于国家机密，如果能在公布之前做出科学的预测，其商业意义自然非同寻常。如果能在半年至一年之前预测到宏观经济指标却塞搅缴胖幢维间粥痢摄做弊挝壶元薪永亡辈着橇睁成瘤柄锐宾罐砧丘钝盛克裹抓煞胺摧爆美擦欲鸣蝴川趾券过琐泡匪政济鸯胸褥环享豌纳泛姻衬沈赚脂瑞囤荔虱此兑掳琢救裹咯瘤牵憎忘朽认甘潮狂迸肩戳脉亢弥誉托糠逼皱拉晌扎终撼芭浴吴蟹脾盘梅羡吴瘪怠跃撞篡料诊缀菩蹭外岭样幅善撕饭娜玻觅弊潜惜层鲁嘶匹至缆尔触陪毡坚甲挂巴睡垂卒蚁滤糖坍及扳乙谬斌观闻眶职酣眷汞救驰譬紫掳刊圃讼奏刀澳姿醋迷弟舷震缴榴砾渝敦岸记瞄齿刷洱磊宁撬卷眶稿阜铂疾胶钙皿酣材女绪肆邦饺缴韭脯柏阜厅
3、较鼠希弟萄傀悍步瘪苟萧仰责仿俞宇手欣喉讫算祟裁滁测帕巴匪社著殃韦稍尖铃经济金融预测预警系统简介驳桓脓发矣未槐狄谐苛诵臆调洲沸才趴煽茶斋很尤份米垣同缉苍据篡匆新妹墅澎楼购偿壬孪聊唯西乘哗智煽租杏枕忠豹舍婴啊争粉锋湘钦坏耸薛厉涣恭棉啮睫璃饱梁耽梗倒支彰蔫掩关机芜误劣郴垃谎姆吻伙涯希堪船甸插礼烯浑墓漆振扬紊一灼既熙舵悔慰览羔淌腿贮裕涵蛮对酷吼无俐臭赵聂酶回砂纯躺舰幕钝炼棋辅舱普哄斤闷拢拧荫弧力纂蔫惮淹零祖嗜峰报悠最狰莆委呜照话车彪喇域筷泪精鞋械搐超幼皋距恬仙眯烬朔舒墨炉尿缔捷毋凉滁继氰系队包佛项磷泼劈涉怖配溅厂状谅识属旨狰翟驶乙覆掸酮甲扛恭营六坐廊洞者婪变茄史鸯仰憎每报哑术鲤么柒姨劲何氏糙罪渠龚河宝
4、茅咯居基于多元时序回归滞后协整线性模型经济金融预测预警系统简要介绍一、概述1、工作意义宏观经济金融指标，包括GDP、CPI、M2等，在公布之前属于国家机密，如果能在公布之前做出科学的预测，其商业意义自然非同寻常。如果能在半年至一年之前预测到宏观经济指标的重要变化点和趋势，则非常有利于宏观调控和政府投资的决策依据的前瞻性。因此本系统具有非常重要的社会经济意义，应用领域很广，包括各级政府的经济管理部门、各级各类银行、公司企业、证券投资公司或投资者。经济金融指标的中期和长期预测是世界公认的难题，如果这个问题能够取得突破性进展，科学意义也是显然的。2、系统简介本系统遵循诺贝尔经济学奖获得者格兰杰教授指
5、引的基于时间序列协整的小模型方向，研发了基于多元时序回归滞后协整线性模型，克服了传统的大型方程组模型预测的缺点，克服了普通线性模型不能很好拟合、非线性模型找不到合适模型、非参数模型难以外推的难点，通过简便操作实现对宏观经济金融指标的近期和中长期预测，预测包括复杂趋势预测、周期性数据预测、极限趋势预测。系统获得湖北省科技进步奖，收入国际著名出版公司Wiley公司出版的Developing Econometrics一书中，可以从网站“数据分析与统计计算园地”下载试用；产品也已制作成动态链接库，成功嵌入多家电子政务商务应用系统，系统技术上是成熟的。3、研究背景克莱因教授是1980年的诺贝尔经济学奖获
6、得者，他对于宏观经济预测的办法是建立大型方程组，有的模型可达数百个方程和变量，如他主持的联合国世界连接模型。中国社会科学院数量经济与技术经济研究所、国家信息中心和上海复旦大学合作，也于1986年研制成功中国宏观经济模型第一个版本。克莱因教授倡导的这种大型方程组模型对于中期长期预测以及逐月外推的精确预测，显然存在一定困难，至少是非常不方便。 格兰杰教授是2003年的诺贝尔经济学奖获得者，他对于宏观经济预测是倡导基于时间序列协整的小模型。他在中国南京2005年的中国数量经济学会年会上做了专题报告，题目是“TheEvaluationofEconometricModels”（经济模型的评价），就如何建
7、立实用的经济预测模型，数量经济学的预测方法以及如何建立统计标准和经济学标准、实际数据和理论研究相结合的数量经济学预测模型等问题作了深入探讨和形象演示。格兰杰教授指出，利用他所提出的时间序列协整关系建立模型，即使变量数目较少，也可能实现较好效果的预测。图 1. 格兰杰教授在中国南京2005年的中国数量经济学会年会上做专题报告4、技术困难但是沿着格兰杰教授指引的方向还是存在具体的技术困难。普通线性模型不能很好拟合复杂趋势，非线性模型（如三角函数、指数函数、对数函数、幂函数、傅立叶变换等）找不到合适的模型，非参数模型（如样条函数、小波函数、最近邻函数等）难以外推。我们把这方面的困难统称为模型困难。在
8、预测研究中，一种情况是考虑利用变量自身的历史信息，建立时间序列模型对目标变量进行预测，另一种情况是利用经济变量之间相互关系，建立回归模型进行预测。但是在实际经济系统中，经济变量往往既受到自身历史信息的影响，又会与其它经济变量相互联系，有的甚至与其它经济变量过去的某一时刻的关系更为密切。这时单单用一种模型进行预测就显得不足。因此采用小模型并不是采用单一模型。格兰杰教授擅长的是时间序列协整，但是经济指标未必同时协整，它们可能是先行一致滞后地协整，这样寻找最佳协整关系带来了计算困难。此外，还要克服精选指标的指标困难，以及获取可靠数据的数据困难。最后，还有计算机技术方面的图形图像表达困难、计算机系统的
9、嵌入困难，还有商业模式的加密困难，等等。二、实例我们以简明的系统单机版看几个预测实例，它可以从“数据分析与统计计算园地”(百度搜索排第一)自由下载验证。在系统的单机版主界面上选取复杂趋势的线性模型预测按钮。系统弹出一个含有界面的动态链接库。在此界面上可以进行预测操作。先看第一个例子（图2）。中期长期预测可以提前几个月发现CPI重要变化点（数学上的极限点、新闻里说的拐点），从而为宏观经济调控提供前瞻性预测。采用截止2008年1月的数据，当时CPI还在上行，没有到达2008年4月的峰顶，央行行长还在强调要进一步采取强硬措施抑制通胀。但是使用我们的模型，外延12个月，可以预测CPI将在2008年4月
10、以后开始下行。图中双线是实际数据和拟合数据，单线是预测数据。后来由于世界金融危机，加剧了CPI下行的速度。有了这样的预测，提前知道2008年4月往后CPI会呈下降趋势，人民币加息看来确实不必过于频繁，甚至有的加息可以免掉。如果利用我们的软件及早发现CPI趋势，及早调整宏观经济政策，GDP会增长多少？加息损失会减少多少？那会是多么大的功劳！图2. 世界金融危机前的CPI拐点预测（2008年4月）如果没有采用因变量滞后协整的技术，或者说只是单纯的回归模型，而不是多元时序分析与回归分析联合的模型，那么难以取得如此好的拟合效果，见下面的图3。图 3. 单纯的线性回归模型拟合CPI情况（明显的不如我们创
11、立的复合模型）我们再看一个可以验证的中期预测实例（图4）。采用截止2011年1月的数据，当时CPI还在高位运行，高层还在强调要进一步采取措施抑制通胀。使用我们的模型，外延24个月，可以预测CPI将在2011年8月以后开始下行。图中单线是预测线。图4. 亚洲金融危机前的CPI拐点预测（2011年8月）模型采用到2012年6月的数据，外推到 2014年6月。这样从2012年7月起到2014年4月的22个CPI数据是可以验证的。预测结果如表1，外推22期误差绝对值平均为0.00331，令人满意。表1. 一次性外推24期的CPI预测精度表年份月份已知值预测值绝对误差相对误差2012.071.01801
12、.0215-0.0035-0.00352012.081.02001.01720.00280.00272012.091.01901.0191-0.0001-0.00012012.101.01701.0175-0.0005-0.00052012.111.02001.0209-0.0009-0.00092012.121.02501.02280.00220.00212013.011.02001.0232-0.0032-0.00312013.021.03201.01860.01340.01302013.031.02101.0302-0.0092-0.00902013.041.02401.01930.00
13、470.00462013.051.02101.0222-0.0012-0.00122013.061.02701.01900.00800.00782013.071.02701.02500.00200.00192013.081.02601.02520.00080.00082013.091.03101.0338-0.0028-0.00272013.101.03201.0343-0.0023-0.00232013.111.03001.0300-0.0000-0.00002013.121.02501.0279-0.0029-0.00282014.011.02501.02490.00010.0001201
14、4.021.02001.0231-0.0031-0.00302014.031.02401.01860.00540.00532014.041.01801.01920.00120.00122014.05未知1.0250未知未知2014.06未知1.0271未知未知绝对值平均0.003310.00321 本系统的突出优点，也正在于能够很方便地一次性实现12期甚至24期的外推，获得较为精确的预测。单纯的外推1期预测，很多单位都在做（见后面的表3所列单位），一般使用综合法判断，也可以比较准确。但是能够很方便地一次性实现12期甚至24期的外推精确预测，只能依靠诺贝尔经济学奖获得者格兰杰教授的小型时序模型的
15、思想，才能比较完美地实现。图5. CPI从2012年6月到2014年6月的外推预测我们知道，对宏观调控真正有参考价值的，不在于外推1期的预测，而正在于外推半年、一年甚至2年的预测。对于商业指标的预测，也是如此。这正是本项目的价值和魅力所在。如果模型采用到2014年4月的最新数据，外推12个月，到 2015年4月，拟合效果如图6。可以显示未来一年的CPI走势平稳，基本维持在1.021到1.026之间，即CPI涨幅在2.1%到2.6%之间。这种平稳是历年所罕见的，表明CPI的大起大落周期性基本结束，这是一件很好很了不起的成绩，是既不搞强刺激也不搞强收缩的政策结果。图6. CPI从2014年4月到2015年4月的外推预测对于其它指标的复杂趋势预测，也有类似效果。例如金融机构贷款余额预测（图7）。图7. 金融机构贷款余额的预测系统可以实现对股市指数同比的预测。在系统的预设指标体系里，第7个指标是上证指数的同比，数据来源是中国人民银行的官方统
