经济预测与决策技术及MATLAB实现第2章-经济预测概述课件.ppt

1、第2章 经济预测概述 2.1 预测基本概念与原理 2.2 经济预测的内容及步骤 2.3 预测资料收集与预处理 2.4 数据的初始化处理练习与提高（二）练习与提高（二）2.5 样本预测及精度评价 2.1 预测基本概念与原理2.1.1基本概念预测是指根据客观事物的发展趋势和变化规律对特定的对象未来发展趋势或状态做出科学的推断与判断。即预测就是根据过去和现在估计未来，预测未来。首页首页经济预测是指以准确的调查统计资料和经济信息为依据，从经济现象的历史、现状和规律性出发，运用科学的方法，对经济现象未来发展前景的测定.经济预测三要素 实际资料是预测的依据；经济理论是预测的基础；数学模型是预测的手段。经济

2、预测学 对经济活动可能产生的经济效果和经济发展趋势作出科学预见的学科。包括：预测者、预测对象、信息、预测方法和技术、预测结果等五个基本要素。预测科学预测科学基本要素基本要素 这些基本要素之间的相互关系，构成了预测科学的基本结构。此基本结构是如何运动、变化和发展的，应遵循什么样的程序才能得到科学的预测结果，这就是预测的基本程序。1.系统性原理2.1.2、预测的基本原理是指预测必须坚持以系统的观点为指导，采用系统分析方法，实现预测的系统目标。具体要求：（1）通过对预测对象的系统分析，确定影响其变化的变量及其关系，建立符合实际的逻辑模型与数学模型；（2）通过对预测对象的系统分析，系统地提出预测问题，

3、确定预测的目标体系；（3）通过对预测对象的系统分析，正确地选择预测方法，并通过各种预测方法的综合运用，使预测尽可能地符合实际；（4）通过对预测对象的系统分析，按照预测对象的特点组织预测工作，并对预测方案进行验证和跟踪研究，为经验决策的实施提供及时的反馈。2.连贯性原理连贯性原理是指事物的发展是按一定规律进行的，在其发展过程中，这种规律贯彻始终，不应受到破坏，它的未来发展与其过去和现在的发展没有什么根本的不同。即：研究对象的过去和现在，依据其惯性，预测其未来状态。首页首页注意问题（1）连贯性的形成需要有足够长的历史，且历史发展数据所显示的变动趋势具有规律性；（2）对预测对象演变规律其作用的客观条

4、件必须保持在适度的变动范围之内，否则改规律的作用将随条件变化而中断，连贯性失效。3.类推原理指通过寻找并分析类似事物相似的规律，根据已知的某事物的发展变化特征，推断具有近似特性的预测对象的未来状态。首页首页具体要求 事物变动具有某种结构，且可用数学方法加以模拟，根据所测定的模型，类比现在，预测未来。两事物之间的发展变化具有类似性，否则，就不能类推。4.相关性原理是指研究预测对象与其相关事物间的相关性，利用相关事物的特性来推断预测对象的未来状况。按照先导事件与预测事件的关系表现分同步相关与异步相关两类：如基本建设投资额与经济发展速度，利息率的提高导致房地产业的衰落为异步相关。冷饮食品与气候变化有

5、关，服装的销售与季节的变化有关为同步相关。5.概率推断原理是指当被推断的结果能以较大的概率出现时则认为该结果成立。在预测中，采用概率统计方法求出随机事件出现各种状态的概率，然后根据概率推断原理去推测对象的未来状态。2.2 经济预测的内容及步骤2.2.1、经济预测学的研究内容 首页首页（1）经济预测的基本理论、发展过程、对国民经济的意义；（2）预测所依据的原始资料、各种预测方法；（3）模型和所采用的假设；（4）预测对象的发展趋势和以往的发展规律；（5）所研究经济范围的发展途径和可能达到的水平；（6）预测误差和预测结果可靠性等。2.2.2、经济预测内容、经济预测内容 主要是生产和资源预测、市场预测

6、、国民收入分配预测、人主要是生产和资源预测、市场预测、国民收入分配预测、人们生活消费预测以及国民经济综合平衡预测等。们生活消费预测以及国民经济综合平衡预测等。2.2.3、预测的一般步骤（1）确定预测目标首页首页就是要明确预测的目的以及预测所期望的结果。（2）收集、整理有关资料（3）选择预测方法（4）建立预测模型（5）评价预测模型（6）利用模型进行预测（7）分析预测结果 2.3 预测资料收集与预处理2.3.1数据的收集与整理（1）要注意数据的客观性和准确性，即要求数据如实地反映实际情况；（2）要求数据具有及时性、完整性、经济性；（3）要收集原始资料以及第二手资料；（4）资料整理：首先要对资料进行

7、校核，包括逻辑性校核和计算性校核，其次对资料按特征、结构、性质、规模等进行分类；（5）对变量序列的编制：经过分类整理的资料用数值表示，按不同的变量顺序，形成某变量的大小序列。首页首页 2.3.2数据类型时间序时间序列数据列数据 在一段时间内所收集的一个或多个变量的数据，与数据的观测、收集频率相关。如：周,月度,季度,年度；股票价值，交易日。首页首页横截面横截面数据数据 是某一时点上可收集的一个或多个变量的数据，如：某年的GDP、CPI、投资额、居民储蓄等。利用横截面数据主要讨论它们之间的关系。综列综列数据数据 同时具有时间序列数据和横截面数据的维度，如回归模型使用此类数据。2.3.3数据的分析

8、与鉴别首先，应对得到的数据作大体的估计，去掉与问题无关或不能说明问题的数据；其次，对值得怀疑和探讨的数据（大起大落）进行研究，调查其产生的背景，鉴别其真实程度，分析原因，以便判断这些数据是否异常或能否反映预测对象的正常情况。首页首页1.异常数据的鉴别方法异常数据的鉴别方法（1）图形观察法 【例2-1】我国2014年7月至2015年6月的货币供应量如表2-1所示，绘制图形观察异常点。x=57346.5 57997.61 58844.99 57691.6458438.53 60259.53.63040.51 72896.19 61949.81 60772.46 59075.9758604.26;p

9、lot(x,o-)set(gca,XTick,1 2 3 4 5 6 7 8 9 10 11 12)%确定刻度位置 set(gca,XTickLabel,2014-7;2014-8;2014-9;2014-10;2014-11;.2014-12;2015-1;2015-2;2015-3;2015-4;2015-5;2015-6)%确定刻度名称 xlabel(时间)ylabel(货币供应量/亿元)首页首页 （2）统计滤波法利用已有的数据确定数据允许变动的范围（上、下限），凡是在这个范围以外的数据被认为是异常数据。首页首页 1）计算样本均值和样本标准差：2）确定一个k与样本均值和标准差组成数据变动

10、的上限、下限 则不在区间范围内的数据即认为是异常数据。uyxksdyxks（3）拉依达准则(准则)样本点X=;%X数据同上x=mean(X)s=std(X)a=find(abs(X-x)3*s)%寻找异常点所在的位置z=X(a)%显示异常值|3kkxx样本均值样本方差 2.异常数据的预处理（1）剔除法。）剔除法。去掉那些不能如实反映预测对象正常发展趋势的数据 首页首页（2）还原法。）还原法。把数据处理成没有突变因素影响时本应表现出的数值，是一个估计值。可用异常数据前后两期数据的算术平均值或几何平均值作为还原值。112kkkxxx11kkkxxx因果关系建立模型时，若有自变量x和因变量y 当x和

11、y之间为线性关系时 首页首页2nnmmkky xy xyx当x和y之间为非线性关系 nnmmkky x y xyxnkmxxx【例例2-3】2012年第1季度至2014年第2季度我国城镇就业人口与职工工资额如表2-4所示，由于每年年底大部分单位都发年终奖，因而造成第4季度的数据有些高，因而建立模型时需要处理这些数据。x=14200.4 14474.2 14739.3 15236.4 14875.0 15307.1 15808.9.18098.0 17327.3 17746.7;%人口数y=15305.55 15236.30 16485.38 23886.98 17939.18 17894.10

12、.20087.09 37075.11 22990.51 22699.63;%工资额r=corrcoef(x,y)%原始数据的相关系数（3）拉平法。是通过分析造成数据过时的原因,对数据加以适当的处理,使其符合现时的实际发展情况。【例2-4】某汽车制造厂在2006至2015年的汽车产量如表2-5所示，其中2010年之后该厂为了扩大制造规模，与国外某品牌汽车公司合资，引进年制造能力为5万台的一条流水线，当年就制造出4万台新品牌合资汽车。（4）比例法销售条件与环境条件的变化会引起企业产品市场占有率的变化。当变化很大时，说明环境条件与销售条件的变化已超过其它因素对销售量的影响，也说明以前销售量统计数据所

13、表现的发展规律不再适用于现在和将来。因此，如果不能去掉以前的数据，那么就需要进行修改。【例2-5】国内某品牌奶业公司生产的罐装奶粉，在本地市场的销售量和市场占有率X=5.6 6.8 6.2 7.6 8.2 7.4 7.6 5.8;%实际销售量Y=0.25 0.28 0.23 0.27 0.26 0.25 0.22 0.15;Z=(X./Y)*0.15%处理后销售量 2.4 数据初始化处理设某项指标的原始数据X有n个样本，12,nXx xx处理后的数据为：12,nYy yy（1）归一化法1iinjjxyxY=X./sum(X)11iinjjxyxnY=X./mean(X)1iixyxY=X./X

14、（1）（2）标准化法iixxyY=(X-mean(X)./std(X)（3）零均值化法(1,2,)iiyxxinY=X-mean(X)（4）极差正规化法111minmaxminijj nijjj nj nxxyxx Y=(X-min(X)./(max(X)-min(X)（5）非负化处理1min iijj nyxx Y=X+abs(min(X)2.5 样本预测及精度评价2.5.1样本内预测与样本外预测样本内预测：用的是与模型中参数估计相同的样本数据集 样本外预测：不将所有用来估计参数的观测值都用作预测，而是将某些数据保留不用，而用于检查得到的预测值精度。2.5.2预测的精度评价预测精度是指预测模型拟合的好坏程度，即由预测模型所产生的模拟值与历史实际值拟合程度的优劣。均方误差（MSE）211()NiiiMSEyyN绝对平均误差(MAE)11|NiiiMAEyyN绝对平均误差(MAE)11|NiiiiyyMAPENy一般来说，均方误差（MSE）比绝对平均误差(MAE)或相对平均误差绝对值能更好地衡量预测的精确度。