基于ＢＰ网络我国Ｍ２增长率的预测及其分析（经济学论文资料）.doc

基于ＢＰ网络我国Ｍ２增长率的预测及其分析（经济学论文资料） 文档信息 ： 文档作为关于“经济、贸易或财会”中“财政、国家财政”的参考范文，为解决如何写好实用应用文、正确编写文案格式、内容素材摘取等相关工作提供支持。正文5131字，doc格式，可编辑。质优实惠，欢迎下载！ 目录 TOC \o 1-9 \h \z \u 目录 1 正文 1 文1：基于ＢＰ网络我国Ｍ２增长率的预测及其分析 2 一、引言 2 二、广义货币供应量和通货膨胀 2 三、基于BP神经网络的预测方法 3 2.基于BP网络时间序列预测描述 3 四、我国M2增长率的近期预测 4 五、预测结果分析 4 六、结论与建议 5 文2：房价增长率的年度差异性分析 6 一、引言 6 二、基本思想和原理 6 三、数据设计 7 四、结果分析 8 五、结语 9 参考文摘引言： 9 原创性声明（模板） 10 文章致谢（模板） 10 正文 基于ＢＰ网络我国Ｍ２增长率的预测及其分析（经济学论文资料） 文1：基于ＢＰ网络我国Ｍ２增长率的预测及其分析 一、引言 随着我国经济市场化程度的提高，中央政府对宏观经济的调控越来越倚重经济手段，与狭义货币供应量（记作M1）相比较，广义货币供应量（记作M2）更能够反映社会总体经济的变动和货币政策松紧度，它已经成为我国宏观经济重要监测指标和调控指标。因此宏观政策的制定者往往都密切关注M2的变化规律及相关因素。有关M2的相关因素，众多学者也表现出极大的兴趣。文献[1]论述了M2对经济具有主导性作用，在货币的价格指标和货币供应量(Ml、M2) 对宏观经济变量解释能力中，M2对宏观经济变量具有显著的解释能力。文献[2]得出这样的结论，若使国内生产总值（记作GDP）增长保持在9％(不变价计算)左右，则M2增长率控制在 16％～19％之间为宜，而且M2增长的调控是反向”的。一个合适的稳定的M2增长率控制区间必然会带来经济的平稳增长期。因此，估计我国广义货币供应量增长率未来走势会对宏观政策的制定具有一定的参考价值。 不依赖于对象机理的神经网络较传统的线性模型在非线性预测领域具有明显的优势，这已被大量实例验证。本文用带有动量项和自适应学习率的BP神经网络（简称BP网络）预测出2008年至2009年我国M2增长率分别是%和%左右。为此本文提出了一些相应的政策建议。 二、广义货币供应量和通货膨胀 广义货币供应量在经济学中以M2来表示，其计算方法是社会流通货币总量加上活期存款以及定期存款与储蓄存款，它包括了一切可能成为现实购买力的货币形式，通常反映的是社会总需求变化和未来通货澎胀的压力状态。近年来，很多国家都把广义货币供应量作为货币供应量的调控目标。 通货膨胀是指货币发行量超过流通中实际所需要的货币量而引起的货币贬值现象，其最为直接的结果就是物价上涨。通货膨胀率是货币超发部分与实际需要的货币量之比，用以反映通货膨胀、货币贬值的程度，而价格指数则是反映价格变动趋势和程度的相对数。通常用CPI计算通货膨胀率，其公式为:通货膨胀率=(现期物价水平—基期物价水平)/基期物价水平。本文中M2增长率、GDP增长率和CPI数据均出自《中国统计年鉴》和中国人民银行网站。 三、基于BP神经网络的预测方法 网络的结构和算法流程 神经网络用于预测与用于控制的实时性要求不同，故本文选择三层BP网络。BP网络学习有两个过程：信息流的正向传递过程和误差的逆向修改过程，重复进行上述两个步骤，直到输出误差满足设置的精度要求或达到预定的学习次数为止。为加快收敛速度，加入了动量项和自适应学习速率。 2.基于BP网络时间序列预测描述 基于时间序列对未来时刻取值的估计值，是输入样本(历史数据)与预测值之间的非线性映射函数，可表示为，式中N为输入样本容量，为预测函数。基于BP网络的时间序列预测，就是通过反向传播学习算法使BP网络按设置的误差来拟合(逼近)非线性的预测函数。BP网络产生输出的过程，就是根据来预测未来值的过程。为了便于验证，本文BP网络有2个输出：原来观测值y1（即）和一步预测值y2（即），于是实际预测值的计算式则为。 有关BP网络预测方法的详细讨论见文献[3-4] 四、我国M2增长率的近期预测 用MATLAB语言编写BP网络程序，网络训练参数设定为：目标误差，初始学习率=，学习率增长系数a=，学习率减小系数b=，误差增长比率上限k=，动量项系数α=，最大训练次数1000。选择输出层有2个神经元，用搜索法确定了输入层有5个神经元、隐层有3个神经元，这样的三层BP网络（简记5-4-2结构的BP网络）是我国的CPI适合的预测模型。在1000次训练中第183次的平方误差均值最小。按此次的权值和阈值，预测