基于SARIMA模型的我国季度GDP时间序列分析与预测.pdfVIP

理 论 新 探 基于SARIMA 模型的 我国季度GDP 时间序列分析与预测 赵喜仓，周作杰 （江苏大学 财经学院，江苏 镇江 212013 ） 摘 要：文章主要研究季节时间序列模型在我国季度 GDP 时间序列预测中的应用，并分析探讨 模型的准确性和实用性。 文章分析了我国 1992~2008 年的季度 GDP 时间序列，剔除时间趋势和季节 性后使原序列平稳并建立季节时间序列模型。 通过对不同模型进行参数估计和比较后发现： ARIMA (2,1,1)(1,1,1)4 能很好地拟合我国季度GDP 时间序列， 用该模型进行预测得出了2009 年四个季度和 2010 年前两个季度的 GDP 数值，分析发现季度 GDP 仍然呈增长趋势，但其速度放缓。 预测结果的 准确性较高，并具有一定现实意义。 关键词： 模型；季度 ；预测 SARIMA GDP 中图分类号： 文献标识码： 文章编号： （ ） F224 A 1002－6487 2010 22－0018-03 ARIMA 模型又称为 B-J 模型， 该模型是由美国统计学 家 和英国统计学家 于 世纪 年 0 引言 G.E.P.Box G.M.Jenkins 20 70 代创立的一类随机时序模型。 该方法通过时间序列的历史数 国内生产总值（GDP ）是指一个国家或地区在一定时期 据揭示现象随时间变化的规律， 并将这种规律延伸到未来， 内所生产和提供的最终产品和服务的总价值。GDP 不仅可以 从而进行短期预测。 ARIMA 模型的基本思想是：将预测对象 反映一个国家或地区的经济表现还能反映竞争力和财富，因 随时间推移而形成的数据序列视为一个随机序列，即除去个 此一直被公认为是衡量一个国家或地区经济状况的最佳指 别的因偶然原因引起的观测值外，时间序列是一组依赖于时 标。 自从1985 年国家统计局建立起相应核算制度以来，GDP 间的随机序列，虽然构成这个序列的单个序列值具有不确定 核算也已经成为我国宏观经济部门了解经济运行状况的重 性，但整个的序列的变化却有一定的规律性，并且可通过这 要手段和制定经济发展战略的重要依据。 目前国内很多学者 种规律性建立数学模型，从而利用过去值和现在值预测未来值。 已经尝试使用各种预测模型对GDP 进行短中期预测。 但进 然而， 当时间序列中有明显的时间趋势和季节性变化 行的是年度 GDP 分析和预测，而年度 GDP 并不能反映每个 时，单纯使用AR