毕业论文数时代金融 摘 要.docxVIP

时代金融 摘 要: 关键词: 一、 引言 一个国家的国民经济有很多因素构成, 省区经济则是我国国 民经济的重要组成部分, 很多研究文献都认为中国的省区经济是 宏观经济的一个相对独立的研究对象, 因此, 选取省区经济数据 进行区域经济的研究, 无疑将是未来几年的研究趋势。而省区经 济对我国国民经济的影响, 已从背后走到了台前, 发展较快的省 区对我国国民经济的快速增长起到了很大的作用, 而发展相对较 慢的省区, 其原因与解决方法也值得我们研究。 本文选取华中大省湖北省进行研究, 具有一定的指导和现实 意义。湖北省 2006 年 GDP 为 7497 亿元, 人均 GDP13130 元, 达 到中等发达国家水平。从省域经济来说, 湖北省是一个较发达的 经济实体。另一方面, 湖北省优势的地理位置和众多的人口使之 对于我国整体经济的运行起到不可忽视的作用, 对于湖北省 GDP 的研究和预测也就从一个侧面反映我国国民经济的走势和未来。 尽管湖北省以其重要位置和经济实力在我国国民经济中占 据一席之地, 但仍不可避免的面临着建国以来一再的经济波动, 从最初的强大势力到如今的挣扎期, 湖北省的经济面临着发展困 境。近年来, 湖北省的经济状况一再呈现再次快速发展的趋势, 但 是这个趋势能够保持多久却是我们需要考虑的问题。 本文选择了时间序列分析的方法进行湖北省区域经济发展 的预测。时间序列预测是通过对预测目标自身时间序列的处理来 研究其变化趋势的。即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作出 预测。 二、 基本模型、 数据选择以及实证方法 ( 一) 基本模型 ARMA 模型是一种常用的随机时序模型, 由博克斯, 詹金斯 创立, 是一种精度较高的时序短期预测方法, 其基本思想是: 某些 时间序列是依赖于时间 t 的一组随机变量, 构成该时序的单个序 列值虽然具有不确定性, 但整个序列的变化却具有一定的规律 性, 可以用相应的数学模型近似描述。通过对该数学模型的分析, 能够更本质的认识时间序列的结构与特征, 达到最小方差意义下 的最优预测。现实社会中, 我们常常运用 ARMA模型对经济体进 行预测和研究, 得到较为满意的效果。 但 ARMA模型只适用于平稳的时间序列, 对于如 GDP 等非 平稳的时间序列而言, ARMA模型存在一定的缺陷, 因此我们引 入一般情况下的 ARMA模型 ( ARIMA模型) 进行实证研究。事实 上, ARIMA模型的实质就是差分运算与 ARMA模型的组合。 本文 讨论的求和自回归移动平均模型, 简记为 ARIMA ( p, d, q) 模型, 是美国统计学家 G.E.P.Box 和 G.M.J enkins 于 1970 年首次提 出, 广泛应用于各类时间序列数据分析, 是一种预测精度相当高 的短期预测方法。建立 ARIMA ( p, d, q) 模型计算复杂, 须借助计 算机完成。本文介绍 ARIMA ( p, d, q) 模型的建立方法, 并利用 Eviews 软件建立湖北省 GDP 变化的 ARIMA ( p, d, q) 预测模型。 ( 二) 数据选择 1.本文所有 GDP 数据来自于由中华人民共和国统计局汇编, 中国统计出版社出版的 《新中国五十五年统计数据汇编》 。 2.本文的所有数据处理均使用 EViews5.0 软件进行。 ( 三) 实证方法 ARMA模型及 ARIMA模型都是在平稳时间序列基础上建立 的, 因此时间序列的平稳性是建模的重要前提。任何非平稳时间 序列只要通过适当阶数的差分运算或者是对数差分运算就可以 实现平稳, 因此可以对差分后或对数差分后的序列进行 ARMA ( p, q) 拟合。ARIMA ( p, d, q) 模型的具体建模步骤如下: 1.平稳性检验。一般通过时间序列的散点图或折线图对序列 进行初步的平稳性判断, 并采用 ADF 单位根检验来精确判断该序 列的平稳性。 对非平稳的时间序列, 如果存在一定的增长或下降趋势等, 则需要对数据取对数或进行差分处理, 然后判断经处理后序列的 平稳性。重复以上过程, 直至成为平稳序列。此时差分的次数即为 ARIMA ( p, d, q) 模型中的阶数 d。为了保证信息的准确, 应注意避 免过度差分。 对平稳序列还需要进行纯随机性检验 ( 白噪声检验) 。白噪声 序列没有分析的必要, 对于平稳的非白噪声序列则可以进行 ARMA ( p, q) 模型的拟合。白噪声检验通常使用 Q 统计量对序列 进行卡方检验, 可以以直观的方法直接观测得到结论。 2.ARMA拟合。首先计算时间序列样本的自相关系数和偏自 相关系的值, 根据自相关系数和偏自相关系数的性质估计自相关 阶数 p 和移动平均阶数 q