基于ARIMA-GM組合模型的中國GDP預測獲獎科研報告

基于ARIMA-GM組合模型的中國GDP預測獲獎科研報告

摘

要：本文基于求和自回歸移動平均模型（ARIMA）與灰色模型GM（1，1）先對中國GDP單獨擬合，再構建ARIMA-GM組合模型來優(yōu)化GDP預測效果。利用1980年—2014年中國歷年GDP數(shù)據(jù)構建ARIMA模型，以2015年-2017年數(shù)據(jù)作為模型測試值，將上述ARIMA模型擬合時產(chǎn)生的殘差值進行處理，用GM（1，1）模型擬合，構建ARIMA-GM組合模型擬合并預測。在三種模型擬合與預測GDP中，ARIMA-GM模型的均方根誤差RMSE值均為最小，其他指標都表明ARIMA-GM的擬合及預測誤差最小。

關鍵詞：ARIMA模型;GM（1，1）模型;ARIMA-GM組合模型;GDP預測

00F234

000A

引言

國內生產(chǎn)總值（GrossDomesticProduct，GDP）：是指一個國家（或地區(qū)）所有常住單位在一定時期內生產(chǎn)的全部最終產(chǎn)品和服務價值的總和，常用來衡量國家（或地區(qū)）經(jīng)濟狀況的指標。它能夠反映其國家或地區(qū)的經(jīng)濟增長、經(jīng)濟規(guī)模、人均經(jīng)濟發(fā)展水平、經(jīng)濟結構和價格總水平變化。在中國改革開放之后，我國經(jīng)濟持續(xù)發(fā)展，GDP不斷上升，實現(xiàn)了“高增長—低通脹”的宏觀格局[1]。GDP作為衡量國家經(jīng)濟的一個重要指標，對GDP的精確分析與掌控就尤為重要，因此建立一種GDP擬合和預測精度較高的模型十分必要，同時也能為我國經(jīng)濟發(fā)展供相當重要的參考。以往有不少學者針對GDP預測應用時間序列分析[2-4]，本文嘗試時間序列的組合模型來提升擬合和預測效果。

本文基于求和自回歸移動平均模型（ARIMA）與灰色模型GM（1，1）單獨分析與ARIMA-GM組合分析，以我國1980年-2017年國內生產(chǎn)總值為依據(jù)，對數(shù)據(jù)進行擬合和預測分析。最后選取最優(yōu)模型對我國未來三年的GDP作出合理的預測。

1資料與方法

1.1資料來源

從中華人民共和國國家統(tǒng)計局官網(wǎng)（http：///）獲取中國1980年至2017年國內生產(chǎn)總值數(shù)據(jù)，資料來源可靠。

中華人民共和國國家統(tǒng)計局官網(wǎng)提供的GDP數(shù)據(jù)：1980年以后國民總收入與國內生產(chǎn)總值的差額為國外凈要素收入;按照我國國內生產(chǎn)總值（GDP）數(shù)據(jù)修訂制度和國際通行做法，在實施研發(fā)支出核算方法改革后，對以前年度的GDP歷史數(shù)據(jù)進行了系統(tǒng)修訂。

1.2分析方法

1.2.1ARIMA模型

ARIMA模型是由博克思（Box）和詹金斯（Jenkins）在1970年代初提出來的著名時間序列預測模型之一，全稱為自回歸移動平均模型（AutoregressiveIntegratedMovingAverageModel），也稱為博克思-詹金斯法或Box-Jenkins模型記ARIMA（p，d，q），AR是自回歸，p為自回歸項數(shù)，MA是移動平均，q為移動平均項數(shù)，d為非平穩(wěn)時間序列轉化為平穩(wěn)時間序列時所做的差分次數(shù)（階數(shù)）。

ARIMA模型的基本思想是：將預測目標隨時間遷移而形成的數(shù)據(jù)序列視為一個隨機序列，用相對應的數(shù)學模型來描述這個序列中的自相關性。一旦模型被識別后，就可從該時間序列的過去值及現(xiàn)在值來預測未來值。建立ARIMA時間序列分析模型可歸納為3個主要步驟：（1）數(shù)據(jù)的預處理（序列的平穩(wěn)化）：觀察時序圖、自相關分析圖判斷平穩(wěn)性，通過相應差分進行序列的平穩(wěn)化，進行白噪聲檢驗;（2）模型的識別、定階與模型參數(shù)估計：采用Box-Jenkins方法建立ARIMA時間序列分析模型，也就是立足于考察數(shù)據(jù)的樣本自相關、偏相關函數(shù)判斷相應的階數(shù)。（3）模型的診斷檢驗及預測：典型方法是對觀測值和模型擬合值的殘差進行白噪聲分析，同時可以結合AIC等指標輔助評價，最后利用擬合較優(yōu)的模型進行預測。

1.2.2GM模型

GM灰色系統(tǒng)理論認為，一切隨機變量都是在一定范圍內、一定時段上變化的灰色量和灰過程。GM是對灰色量進行處理，將雜亂無章的原始數(shù)列，變成比較有規(guī)律的時間序列數(shù)據(jù)，即利用以數(shù)找數(shù)的規(guī)律，再建立動態(tài)模型。對原始數(shù)據(jù)的處理有兩個目的，一是為建立模型提供信息，二是弱化原始數(shù)據(jù)的波動性。GM（1，1）模型的預測原理是：對某一數(shù)據(jù)序列用累加的方式生成一組趨勢明顯的新數(shù)據(jù)序列，按照新的數(shù)據(jù)序列的增長趨勢建立模型并進行預測，再用累減的方法進行逆向計算，恢復原始數(shù)據(jù)序列，從而得到預測結果。

最后，利用最優(yōu)模型ARIMA-GM預測2018-2020年的中國GDP，分別為832096.0599（億元）、880512.8094（億元）、928508.2344（億元）。可見中國GDP在未來還是持續(xù)增長的。

3討論

3.1對未來中國GDP的探討

近年來，我國GDP穩(wěn)步增長，形勢一片大好。一方面最近幾年來儲蓄率不斷下降，國民可支配收入不斷上升，由此推動消費支出的增加，繼而推動整個經(jīng)濟的發(fā)展。另一方面，國民收入不斷上升，部分地區(qū)早已達到發(fā)達國家水平，新型投資理財?shù)确绞揭仓饾u成為新趨勢。

但是，在GDP增長的過程中，我們也面臨著一些挑戰(zhàn)：一是經(jīng)濟體系脆弱不穩(wěn)定。經(jīng)濟自由化、全球化、網(wǎng)絡化和信息化發(fā)展到全新階段，國家間相互依賴不斷上升，科技創(chuàng)新在為人們帶來更多財富、知識和機會的同時，也加劇了經(jīng)濟系統(tǒng)的脆弱性[5]。二是，2013年，全球基尼系數(shù)達到0.625。近幾十年來，中國、印度等發(fā)展中國家通過經(jīng)濟增長，總體上縮小了與發(fā)達國家的收入差距，但發(fā)展中國家內部的不平等狀況不降反升[6]。因此加強對GDP的預測分析尤為重要。

3.2組合模型的選取

在當今時代，經(jīng)濟形式多變，各國經(jīng)濟發(fā)展各不相同。對于中國經(jīng)濟發(fā)展用單個模型擬合GDP顯然不能完全體現(xiàn)原數(shù)據(jù)的全部信息，因此選取ARIMA-GM嘗試擬合改革開放以來（本文選取了1980-2017）的中國GDP數(shù)據(jù)。ARIMA時間序列模型與傳統(tǒng)的趨勢模型相比，屬于外推預測法，具有自己獨特的優(yōu)點。由于傳統(tǒng)的預測方法，基本上只是對某種典型趨勢特征現(xiàn)象比較適用，但在現(xiàn)實中，許多經(jīng)濟現(xiàn)象所表現(xiàn)出來的時間序列資料卻并不具有典型趨勢特征，更多情況下可能是一種完全隨機性質的，這樣用傳統(tǒng)方法建模就不能吻合隨機性質的要求，會對預測效果帶來了很大的影響。所以利用GM不需要大量樣本與有規(guī)律性分布的優(yōu)點，用它來擬合AMRIA模型的殘差部分從而進優(yōu)化模型。

另外，考慮到世界經(jīng)濟環(huán)境的復雜變化，單因素的模型擬合往往會缺失一定的信息，