论文部分内容阅读
国内生产总值(GDP)是国民经济核算体系的核心指标,它可以比较准确地衡量一个国家的宏观经济发展状况,并且能够为国家制定正确的经济发展战略和政策提供有力的理论支撑。近几年来,国际经济形势复苏缓慢,国内经济正处于三期叠加阶段以及结构性调整等一系列因素的影响,我国经济增长总体上呈下行的发展态势,经济发展进入“新常态”,GDP增长速度继续小幅度回落。“十三五”时期是全面建成小康社会的决定性五年,也是我国经济全面转型升级期。因此,在新经济格局下对我国“十三五”时期GDP总量实现高精度预测具有更为重要的指导意义。本文为了实现对我国GDP高精度的预测,提出了一种基于模型筛选的马尔可夫链优化IOWA算子的组合预测新模型。首先,选取ARIMA模型、双指数平滑模型、GM(1,1)模型、灰色Verhulst模型、GM(1,1)幂模型和BP神经网络六种单项模型用于GDP的预测。然后,利用基于时间权重修正的灰色关联度指标和预测有效度指标构建综合有效性指标对单项模型进行筛选,并采用冗余检验对模型进一步筛选。其次,将筛选出的单项模型建立基于方差-协方差、熵值、相关系数和IOWA算子的四种组合预测模型。其中,基于IOWA算子的组合模型能够对单项模型实现高低有序赋权,此时权系数与模型不再是对应固定不变的关系。但是由于无法知道预测阶段的预测精度,从而也就无法确定预测阶段的有序赋权顺序。传统的处理方式为对各模型的历史权系数取算术平均值作为未来的权系数,但是这样的处理方式缺乏足够的理论依据。最后,针对这一缺陷,本文利用马尔可夫链对IOWA算子进行优化,并提出基于马尔可夫链优化IOWA算子的组合预测模型。通过对我国GDP预测进行实例分析,并在建立的评价指标体系下比较各模型的预测效果。结果表明,本文建立的新组合预测模型比六种单项模型和四种组合模型预测精度都要高,并且能够显著改善传统IOWA算子组合模型的预测效果。根据模型预测,我国2018~2020年GDP总量分别为904182.3、982346.7、1085541.2亿元。