经济预测知识分析.ppt

经济预测知识简介 2007年4月22日 主要内容 第一部分 经济预测的有关概念 第二部分 经济预测方法 第三部分 预测中应注意的问题 第二部分 经济预测方法 一、经济判断法 弹性分析法（变化量之比） 国民经济的电力需求弹性系数=发电量增长率/国内生产总值增长率 时间序列分析--季节调整 季节调整（周期因素调整） 适用于周期性变化的时间序列数据 月度、季度、星期内的天数据 时间序列分析--季节调整 周期性时间序列数据构成 趋势因素部分T：时间序列的长期趋势； 循环因素部分C：非季节因素造成经济波动, 较长时间或趋势因素的循环波动； 季节因素部分S：包括日历天数、四季气候等周期性变化的外界因素； 不规则因素部分I：偶然的、突发的、不规律的影响因素等。 时间序列分析--季节调整 周期性时间序列数据构成 趋势循环因素部分TC：时间序列的长期趋势； 季节因素部分S：包括日历天数、四季气候等周期性变化的外界因素； 不规则因素部分I：偶然的、突发的、不规律的影响因素等。 时间序列分析--季节调整 时间序列分析--季节调整 时间序列分析--季节调整 时间序列分析--季节调整 季节因素的影响 影响对经济发展趋势的判断 影响对经济关系的分析 影响宏观调控政策的制定和实施 时间序列分析--季节调整 季节因素调整方法 同期比率法 因素分解法 时间序列分析--季节调整 同期比方法特点： 简单，不改变数据 数据长度要求不高 无法适应季节因素的变化 存在滞后性，无法反映最新变化 无法考虑循环因素和不规则因素 国际上不通用（欧盟、日本开始改变） 时间序列分析--季节调整 因素分解法的基本原理：移动平均 通过平均化处理消除不规则的变动因素 以一定跨越期的平均值作为规律 反映时间序列的规则波动 时间序列分析--季节调整 移动平均 时间序列分析--季节调整 移动平均 时间序列分析--季节调整 因素分解季节调整法的发展历史 1931年，加拿大人Macauley提出了季节调整的比率移动平均方法，该方法成为后来被广泛应用的X—11程序的基础。 1954年，Shisskin在计算机上将比率移动平均法用于季节调整，X—3发展到X—12。 ARIMA模型、贝叶斯方法、状态空间方法和卡尔曼滤波等方法 时间序列分析--季节调整 移动平均 计算平均数时每个原始数据的权数都相同；即 其中yt是时间序列第t期的观察值，n是移动平均的个数，跨越期数。 时间序列分析--季节调整 时间序列分析--季节调整 时间序列分析--季节调整 数据组合方式 加法模型 乘法模型 时间序列分析--季节调整 季节调整方法选择 乘法模型：季节性波动幅度随时间变化 季度GDP、工业增加值、社会消费品零售总额 加法模型：季节波动基本稳定 增长率指标 数据为零，或数据变化出现负数 时间序列分析--季节调整 时间序列分析--季节调整 时间序列分析--季节调整 时间序列分析--季节调整 因素分解法特点： 数据滞后性缩小，可采用环比比速计算 数据可比性较强 同时分解出循环因素和不规则因素 改变原有数据 要求足够的数据长度 方法较为复杂 时间序列分析--季节调整 因素分解法的条件： 时间序列的长度(技术要求) 时间序列中季节规律的稳定性(结果要求) 时间序列分析--趋势分析 分析指标时间序列数据随时间变动的情况 主要方法:曲线拟合 时间序列分析--趋势分析 增长曲线： 逻辑曲线 y= 龚珀兹曲线 直线拟合 多项式拟合 指数拟合 时间序列分析--趋势分析 数据趋势曲线主要形状　　指数曲线 　　 多项式曲线 直线 逻辑曲线 替代曲线