基于时间序列模型的GDP预测-毕业论文

《基于时间序列模型的GDP预测-毕业论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、Ⅰ基于时间序列模型的GDP预测摘要国内生产总值(GDP)是现代国民经济核算体系的核心指标，是衡量一个国家综合国力的重要指标。国内生产总值(GrossDomesticProduct)是指在一定时期内(一个季度或一年)，一个国家或地区的经济中所生产出的全部最终产品和劳务的价值，它反映国家和地区的经济发展及人民生活水平，常被公认为衡量国家经济状况的最佳指标。这个指标把国民经济全部活动的产出成果概括在一个极为简明的统计数字之中，为评价和衡量国家经济状况、经济增长趋势及社会财富的经济表现提供了一个最为综合的尺度。可以说，它是影响经济生活

2、乃至社会生活的最重要的经济指标。对其进行分析及时准确的预测具有重要的理论与现实意义。时间序列是指同一空间、不同时间某一现象的统计指标数值按时间先后顺序形成的一组动态序列。时间序列预测方法则是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做出预测。传统的时间序列分析方法在经济中的应用，主要是确定性的时间序列分析方法，包括指数平滑法、移动平均法、时间序列的分解等等。随着社会的发展，许多不确定因素在经济生活中的影响越来越大，必须引起人们的重视。1970年，Box和Jenkins提出了以随机理

3、论为基础的时间序列分析方法，使时间序列分析理论上升到了一个新的高度，预测的精度大大提高。时间序列分析的基本模型有：模型和模型。本文基于时间序列理论，以我国1978年至2007年三十年的国内生产总值为基础，对数据进行平稳化处理、模型识别、参数估计，建立时间序列模型，并对模型进行检验，确定较适合模型为自回归移动平均模型。利用模型对我国2006—2007年GDP作出预测并与实际值比较，结果表明相对误差均在3%之内，预测模型良好，继续利用模型对我国未来5年的国内生产总值做出预测。关键词：时间序列，国内生产总值，模型，模型ⅠTimeSe

4、riesModelforForecastingGDPABSTRACTGrossdomesticproduct(GDP)isthemodernheartoftheSystemofNationalAccountsindicators,isameasureofacountryanimportantindicatorofoverallnationalstrength.GDPisdefinedasacertainperiodoftime(onequarteroryear),acountryorregion'seconomyinthepr

5、oductionofallfinalgoodsandservicesofvalue,itreflectsthenationalandregionaleconomicdevelopmentandpeople'slivingstandards,ameasureofanationisoftenregardedasthebestindicatorofeconomicconditions.Thisindicatorinalltheactivitiesofthenationaleconomy'soutputresultsinaveryco

6、ncisesummaryofthestatistics,andtoevaluateandmeasurethenationaleconomicsituation,economicgrowthtrendsandtheeconomicperformanceofthewealthofsocietyprovidesamostcomprehensivescale,itcanbesaidItistheimpactofeconomiclifeandsociallifeaswellasthemostimportanteconomicindica

7、tors.Analysisoftimelyandaccurateforecastsofgreattheoreticalandpracticalsignificance.Timeseriesreferstothesamespaceatdifferenttimesofthestatisticalindicatorsofaphenomenonofthetimesequenceofvaluesformedbyagroupofdynamicsequences.Thepredictingwayoftimeseriesisachievedb

8、yexploringthelawsthatphenomenalchangewithtime,inthehistoricalstatisticsoftimeseries.Timeseriesextendthelawstothefuturesoastopredictthefutu