基于时间序列模型的gdp预测

(Gross Domestic Prod uct)

是指在一定时期内

(

一个季度

或一年

)

，一个国家或地区的经济中所 生产出的全部最终产品和劳务的价值，它反映国

家和地区的经济发展及人民生活水平，常 被公认为衡量国家经济状况的最佳指标。这个

指标把国民经济全部活动的产出成果概括在 一个极为简明的统计数字之中，为评价和衡

量国家经济状况、经济增长趋势及社会财富的 经济表现提供了一个最为综合的尺度。可

以说，它是影响经济生活乃至社会生活的最重要 的经济指标。对其进行分析及时准确的

预测具有重要的理论与现实意义。

时间序列是指同一空间、不同时间某一现象的统计 指标数值按时间先后顺序形成

的一组动态序列。时间序列预测方法则是通过时间序列的历 史数据揭示现象随时间变化

的规律，将这种规律延伸到未来，从而对该现象的未来做出预 测。传统的时间序列分析

方法在经济中的应用，主要是确定性的时间序列分析方法，包括 指数平滑法、移动平均

法、时间序列的分解等等。随着社会的发展，许多不确定因素在经 济生活中的影响越来

越大，必须引起人们的重视。

1970

年，

Box

和

Je nkins

提出了以随机理论为基础的时间

序列分析方法，使时 间序列分析理论上升到了一个新的高度，预测的精度大大提高。时

间序列分析的基本模型 有：

ARMA

模型和

ARIMA

模型。

本文基于 时间序列理论，以我国

1978

年至

2 007

年三十年的国内生产总值为基

础，对数据进行平稳化处理 、模型识别、参数估计，建立时间序列模型，并对模型进行

检验，确定较适合模型为自回 归移动平均模型

ARIMA

?

1

,2,2

?

。利用

A RIMA

?

1

,2,2

?

模型

对我国

2006

—

2007

年

GDP

作出预测并与实际值比较，结果表明相对误差均在

3%

之内，

预测模型良好，继续利用

ARIMA

?

1

,2,2

?< /p>

模型对我国未来

5

年的国内生产总值做出 预

测。

关 键词：时间序列，国内生产总值，

ARMA

模型，

ARIMA

模型

Time Series Model for Forecasting GDP

ABSTRACT

Gross domestic product (GDP) is the modern heart of the System of

National Accounts indicators,is a measure of a country an important

indicator of overall national is defined as a certain period of time (one

quarter or year),a country or region's economy in the production of all

final goods and services of value,it reflects the national and regional

economic development and people's living standards,a measure of a nation is

often regarded as the best indicator of economic indicator in all the

activities of the national economy's output results in a very concise

summary of the statistics,and to evaluate and measure the national economic

situation,economic growth trends and the economic performance of the wealth

of society provides a most comprehensive scale,it can be said It is the

impact of economic life and social life as well as the most important

economic indicators. Analysis of timely and accurate forecasts of great

theoretical and practical significance.

Time series refers to the same space at different times of the

statistical indicators of a phenomenon of the time sequence of values formed

by a group of dynamic predicting way of time series is achieved by

exploring the laws that phenomenal change with time,in the historical

statistics of time series extend the laws to the future so as to predict

the future of a traditional analytical method of time series analysis

applied in economy is mainly the analytical method of time series in a fixed

time,such as Exponential Smoothing method,Moving Average

method,Decomposition of the time series and so the development of

society,many uncertain elements impose influences on economy,which should be

attached importance to 1970,Box and Jenkins proposed an analytical method

of time series based on random theory which not only takes the theory of

time series analysis to a new level but also promotes the preciseness of

basic analytical models of time series are

ARMA

model and

ARIMA

model.

Based on time series theory to China from 1978 to 2007 the gross

domestic product of three decades, based on the smooth of the data

processing, model identification, parameter estimation, establish a time

series model, and model testing, to determine more suitable model for

autoregressive moving average model

ARIMA

?

1

,2 ,2

?

. Model of China's GDP

forecast for 2006-2007 and compared with the actual values, results showed

that the relative error of 3%, the prediction model a good model to continue

to forecast the gross domestic product of China in the next 5 years.

KEY WORDS:

Time series,Gross domestic product,

ARMA

model,

ARIMA

model

目

录

摘

要

.......................... ...........................................

ABSTRACT .................. ................................................

1

引言

.................................................. ..................

GDP

概述及其分析预测原因

.......................................... ......

时间序列分析法简述

.................. ...................................

本文的主要工作

........ .................................................

2

时间序列分析基本方法

................. ...................................

时间序列分析的预处理

..... ..............................................

差分运算

.................................................. .........

平稳性检验

...................... ...................................

时间序列基本模型

....... ................................................

自回归模型

...................... ...................................

移动平均模型

......... ..............................................

自回归滑动平均模型

.................................................

ARIMA

模型建模步骤

数据平稳化处理

.................... .................................

模型识别

........... ................................................

参数估计

.................................................. .........

模型检验

....................... ....................................

3

基于时间序列模型的

GDP

预测实例分析

......................................

我国

GDP

时间序列分析

................................ ...................

平稳性检查

...................... ...................................

平稳化处理

.......... ...............................................

时间序列模型的建立

.................. ...................................

模型识别

........... ................................................

模型参数估计与建立

.................................................

模型检验

.................................................. .........

我国

GDP

短期预测及分析

.................................................

结

论

.......................... ...........................................

致

谢

.......................... ...........................................

参

考

文

献

.......................... .....................................

1

引言

GDP

概述及其分析预测原因

国内生产总值

(Gross Domestic Produc t

，简称

GDP)

是指在一定时期内< /p>

(

一个

季度或一年

)

，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，

常被公认为衡量国家经济状况的最佳指标。它不但可反映一个国家的经济表现，

更可以反映一国的国力与财富。

一般来说，国内生产总值共有 四个不同的组成部分，其中包括消费、私人投

资、政府支出和净出口额。用公式表示为：

GDP

?

CA

?

I

?

CB

?

X

。式中：

CA

为

消费、

I

为私人投资、

为政府支出、

X

为净 出口额。

一个国家或地区的经济究竟处于增长抑或衰退阶段， 从这个数字的变化便可

以观察到。一般而言，

GDP

位。当

GDP

的增长数字处于正数时，即显示该地区经济处于扩张阶段；反之，如

果处于负数，即表示该地区的经济进入衰退时期了。国内生产总值是指一定时间

内所生产的商品与劳务的总量乘以“货币价格”或“市价”而得到的数字，即名

义国内生产总值，而名义国内生产总值增长率等于实际国内生产总值增长率与通

货膨胀 率之和。因此，即使总产量没有增加，仅价格水平上升，名义国内生产总

值仍然是会上升 的。在价格上涨的情况下，国内生产总值的上升只是一种假象，

有实质性影响的还是实际 国内生产总值变化率，所以使用国内生产总值这个指标

时，还必须通过

< br>GDP

缩减指数，对名义国内生产总值做出调整，从而精确地反映

产出的实际变动。因此，一个季度

GDP

缩减指数的增 加，便足以表明当季的通货

膨胀状况。如果

GDP

缩减指数大幅度地增加，便会对经济产生负面影响，同时也

是货币供给紧缩、 利率上升、进而外汇汇率上升的先兆。

一国的

GDP

大幅增长，反映出该国经济发展蓬勃，国民收入增加，消费能力

也随之增强。在这种情况下，该国中央银行将有可能提高利率，紧缩货币供应，

< br>国家经济表现良好及利率的上升会增加该国货币的吸引力。反过来说，如果一国

的

GDP

出现负增长，显示该国经济处于衰退状态，消费能力减低 时，该国中央银

行将可能减息以刺激经济再度增长，利率下降加上经济表现不振，该国货 币的吸

引力也就随之而减低了。因此，一般来说，高经济增长率会推动本国货币汇率的< /p>

上涨，而低经济增长率则会造成该国货币汇率下跌。例如，

199 5-1999

年，美国

GDP

的年平均 增长率为

%

，而欧元区

11

%)

，法、德、意等主

要国家的

GDP

增长率仅为

< br>%

、

%

和

%

，大大低于美国的水平。这促使欧元自

1999

1

月

1

日启动以来，对美元汇率一路下滑，在不到两年的 时间里贬值了

30%

。但实

际上，经济 增长率差异对汇率变动产生的影响是多方面的：

进口，从而导致经常项目逆差，这样，会使本国货币汇率下跌。

二是如果该国经济是以出口导向的，经济增长是为了生产更多 的出口产品，则

出口的增长会弥补进口的增加，减缓本国货币汇率下跌的压力。

三是一国经济增长率高，意味着劳动生产率 提高很快，成本降低改善本国产品

的竞争地位而有利于增加出口，抑制进口，并且经济增 长率高使得该国货币在外

汇市场上被看好，因而该国货币汇率会有上升的趋势。

在美国，国内生产总值由商务部负责分析统计，惯例是每季估计及统计 一

次。每次在发表初步预估数据

(The Preliminary Estimates)

后，还会有两次的

修订公布

(The First Revision & The Final R evision)

，主要发表时间在每个

月的第三个星期。国内 生产总值通常用来跟去年同期作比较，如有增加，就代表

经济较快，有利其货币升值；如 减少，则表示经济放缓，其货币便有贬值的压

力。以美国来说，国内生产总值能有

3%

的增长，便是理想水平，表明经济发展是

健康的，高于此水平表示有通货压力；低于

%

的增长，就显示经 济放缓和有步入衰

退的迹象。

国内生 产总值（

GDP

）是指一个国家或地区所有常住单位在一定时期 内生产活动

的最终成果。这个指标把国民经济全部活动的产出成果概括在一个极为简明的 统计数

字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了 一

个最为综合的尺度，可以说，它是影响经济生活乃至社会生活的最重要的经济指标。< /p>

对其进行的分析预测具有重要的理论与现实意义。

本文以我国为例，利用时间序列分析方法，建立我国

GDP

< br>时间序列模型，分析经

济增长的内在特征。并对未来五年我国经济发展做出预测， 为政府制定经济发展战略

提供依据。

时间序列分析法简述

客观现象都是处 在不断发展变化之中，对现象发展变化的规律，不仅要从内部结

构、相互关联去认识，而 且还应随时间演变的过程去研究，这就需要运用时间序列分

析方法。

时间序列分析是一种广泛应用的数量分析方法，它主要用于描述和探索现象随时间 发

展变化的数量规律。

时间序列分析

(Time series analysis)

是一种动态数据处理的统计方法。该

方法基于随机过程理论和数 理统计学方法，研究随机数据序列所遵从的统计规

律，以用于解决实际问题。它包括一般 统计分析

(

如自相关分析，谱分析等

)

，统

计模 型的建立与推断，以及关于时间序列的最优预测、控制与滤波等内容。经典

的统计分析都 假定数据序列具有独立性，而时间序列分析则侧重研究数据序列的

互相依赖关系。后者实 际上是对离散指标的随机过程的统计分析，所以又可看作

是随机过程统计的一个组成部分 。

时间序列是按时间顺序的一组数字序列。时间序列分析就是 利用这组数列，

应用数理统计方法加以处理，以预测未来事物的发展。时间序列分析是定 量预测

方法之一，它的基本原理：一是承认事物发展的延续性。应用过去数据，就能推< /p>

测事物的发展趋势。二是考虑到事物发展的随机性。任何事物发展都可能受偶然