摘要:国内生产总值(GDP)常被用来衡量一个国家或者地区的经济发展状况。对GDP进行科学准确的预测能够为政府决策机构判断把握经济形势,制定经济发展战略目标,实施宏观经济调控并且检验经济政策的效率提供参考,因此,对GDP进行预测有重要的现实意义。本文基于江苏省1978至2016年的国内生产总值数据,建立差分自回归移动平均模型(ARIMA)进行GDP预测。在分析比较自回归移动平均模型(ARIMA)和神经网络模型(NN)的优劣之后,将GDP时间序列分成线性和非线性部分,通过ARIMA模型预测线性和NN预测非线性部分建立集成模型,在此基础上进行预测可以进一步缩小预测误差。通过比较可以得出集成模型能得到更好的预测结果。
关键词:差分自回归移动平均模型,神经网络,集成模型,GDP预测
目录
摘要
Abstract
一、研究背景-3
二、ARIMA模型概述-4
(一)ARIMA模型的原理-4
(二)ARIMA模型的基本建模步骤-4
二、ARIMA模型对江苏省GDP预测的实证分析-6
(一)数据的来源与描述-6
(二)GDP时间序列平稳性的检验-6
(三)模型的识别与建立-7
(四)模型的检验-11
三、模型的预测-12
四、模型的改进-12
(一)BP神经网络模型概述-13
(二)基于ARIMA和神经网络的集成模型-14
(三)集成模型对江苏省GDP预测的实证分析-14
(四)集成模型与单一模型的比较-16
五、结论-16
参考文献-18