景氣預測法

出自 MBA智库百科(https://wiki.mbalib.com/)

　　景氣是對經濟發展狀況的一種綜合性描述，用以說明經濟的活躍程度。經濟景氣是指總體經濟呈上升趨勢，經濟不景氣是指總體經濟呈下滑的發展趨勢。

　　經濟的景氣狀態，是通過一系列經濟指標來描述的，稱為景氣指標。景氣指標是從眾多的經濟指標中挑選出來的，分為先行指標、同步指標和滯後指標三類。

　　景氣迴圈又稱經濟波動，也稱經濟周期。經濟周期分為古典周期和現代周期。一個標準的經濟周期，通常包括擴張和收縮兩個時期，分為四個階段：複蘇、高漲、衰退和蕭條。

　　1、按類別：

　（1）古典周期

　　（2）現代周期

　　2、按長度：

　　（1）短：基欽周期

　　（2）中：尤格拉周期

　　（3）中長：庫茲涅茨周期

　　（4）長：康德拉提耶夫周期

　　景氣預測是通過正確地選擇景氣指標體系來實現的。景氣指標的選擇應遵循四個原則：

　　（1）重要性和代表性；

　　指標所代表的內容是經濟發展某一方面的綜合反映，在經濟的總量活動中居重要地位，同時又具有某類指標的基本波動特征

　　（2）可靠性和充分性；

　　可靠性是指數據的準確性和統口徑上的一致性。充分性要求指標樣本具有足夠的長度，以滿足季節調整的數據處理要求，並能揭示其迴圈波動的規律。

　　（3）一致性和穩定性；

　　一致性質景氣波動發生變化時，指標的波動狀況發生相應的變化，或提前、或延遲一段時間表現出來。穩定性指標總能以相對穩定的時滯發生這種變化。

　　（4）及時性和光滑性。

　　景氣指標用於短期分析和預測，因而要求及時地獲得統計數據，並要求指標具有一定的光滑型，不顧則波動因素較少的指標更能滿足預測的要求。

　　參照基準迴圈，可以將景氣指標分為先行，同步和滯後三類指標。

　　確定基準迴圈的方法有：

　　（1）以重要的經濟指標（GNP、GDP、工業總產值等）的周期為基準迴圈；

　　（2）專家意見及專家打分；

　　（3）經濟大事記和經濟迴圈年表；

　　（4）初選幾項重要指標計算曆史擴散指數；

　　（5）以一致合成指數轉折點為基礎。

　　先行指標選取標準：

　　（1）從經濟意義上分析，先行指標有明確、肯定的先行關係。

　　（2）與基準迴圈峰值相比，其峰值至少領先3個月以上，且在最近的連續3次周期波動中，至少有兩次保持先行，領先3個月以上。

　　同步指標選取標準：

　　（1）從經濟意義上分析，同步指標應與其基準迴圈有明顯的同步特征。

　　（2）與基準迴圈的峰值接近，峰值差別在2個月以內。

　　滯後指標的選取標準為：

　　（1）從經濟意義上分析，滯後指標有肯定的滯後關係。

　　（2）與基準迴圈的峰值接近，峰值要滯後3個月以上。

　　常用的景氣指標分類的方法有：峰谷對應法（圖示法）、時差相關、KL信息量法、馬場法、迴圈聚類法及三角函數法等。

　　乘法模型:Y=TCSI

　　加法模型:T=T+C+S+I

　　混合模型:Y=TC+SI

　　DI_t=(t期序列出現擴張的個數／屬於該類指標的序列總數)*100%

　　確定了每個指標在不同時期的擴張和收縮特征之後，即可以計算擴散繫數，並作出擴散指數曲線。擴散指數在經濟波動分析中具有重要的作用。

　　（1）當0<DI_t<50%時，表明上升指標數小於下降指標數，經濟系統運行於不景氣空間的後期。

　　（2）當50%<DI_t<100%時，表明上升指標數多於下降指標數，經濟系統運行於景氣空間，隨著 向峰值100%逼近，經濟越來越熱。

　　（3）當100%>DI_t>50%時，表明上升指標數仍然多於下降指標數，經濟系統運行於景氣空間後期，經濟正在走下坡路，整個經濟系統正處於降溫階段。

　　（4）當0%>DI_t>0時，表明經濟運行發生重大轉折，上升指標數小於下降指標數，經濟系統處於全面收縮階段，經濟系統進入一個新的不景氣空間前期。

　　擴散指數的局限性在於：

　　（1）無法明確的表示經濟波動的強弱；

　　（2）雖然能預測轉折點，但無法測定轉折點的具體位置。

　　合成指數又稱綜合指數。他的計算方法是先求出每個指標的對稱變化率；然後求出先行、同步和滯後三組指標的組內、組間平均變化率，使得三類指標可比；最後，以某年為基年，計算出其餘年份各月（季）的（相對）指數。

　　預警系統的原理是選擇一組反映經濟發展狀況的敏感指標，運用有關的數據處理方法，將多個指標合併為一個綜合性指標，通過一組類似於交通管制信號紅、黃、綠燈的標識，利用這組指標和綜合指標對當時的經濟狀況發出不同的信號，通過觀察信號的變動情況，來判斷未來經濟增長的趨勢。

　　預警系統的作用在於：

　　（1）正確評價當前巨集觀經濟的狀態，恰當地反映經濟形勢的冷熱程度，並能承擔短期經濟形勢分析的任務。

　　（2）能描述巨集觀經濟運行的軌跡，預測其發展趨勢，在重大經濟形勢變化或發生轉折前，能及時發出預警信號，提醒決策者要制定合適的政策，防止經濟發生嚴重的衰退或發生經濟過熱。

　　（3）能及時地反映巨集觀經濟的調控效果，，判斷巨集觀經濟調控措施是否運用恰當，是否起到了平抑經濟波動幅度的效果。

　　（4）有利於企業的經營決策。

　　（5）有利於改革措施出台時機的正確決策。

綜合利用傳統統計數據和企業景氣調查數據，建立產成品存貨指標的ARCH—GMDH組合預測模型，預測四川省2005年3季度至2006年1季度產成品存貨量，並根據預測結果來分析產成品存貨未來的景氣變動趨勢。同時分別利用傳統統計數據和企業景氣調查數據建立預測模型，對比分析不同類模型的預測效果。

　　一、歷史數據分析。

　　建模所需數據來自四川省企業景氣調查數據以及傳統統計數據，數據樣本為2002.1～2005.2共14個季度的數據，樣本容量相對較少。根據原始的景氣調查和統計數據，提取了59個變數x_1,K,X_59構成變數集，再從中選擇一系列變數建立產成品存貨的預測模型。

　　產成品存貨是一個關聯性非常強的指標。首先，產成品存貨量在一定程度上反映了經濟的冷熱程度。

　　產成品存貨量較小甚至出現未交訂貨，說明當前市場十分活躍，經濟增長較快。其次，產成品存貨量還可以反映當前的就業形勢。若產成品存貨量較小，為了保證滿足市場需求，企業往往會擴大自身產能，對勞動力的需求也隨之增加。最後，它直接影響產品銷售收入與銷售利潤。因此，預測未來時點產成品存貨量的值，判斷其發展走勢，具有十分重要的現實意義。

　　根據產成品存貨指標的歷史時間序列數據，可以得到它的走勢(見上圖)。圖中可以看出，產成品存貨量的發展走勢具有一定的周期性，周期一般為4個季度即一年，目前它正處於第四個周期。同時，產成品存貨總體呈現逐漸上升的發展趨勢。

　　二、產成品存貨與其它變數的相關性分析

　　利用SPSS軟體，對所有變數進行相關分析，得到59×59的相關係數矩陣。根據相關係數矩陣找到與產成品存貨量顯著相關的8個指標，見下表。

　　與產成品存貨顯著相關的指標

　　表1的8個變數中，前面3個變數屬於傳統統計指標，後面5個屬於景氣調查指標，這也充分表明將企業景氣調查數據和傳統統計數據相結合的必要性。

　　三、基於ARCH-GMDH的產成品存貨組合預測

　　首先建立四川省產成品存貨的ARCH預測模型。

　　在建立ARCH模型之前，必須對各變數進行分析。通過反覆試驗，逐步剔除模型中不顯著的變數，得到最終的預測模型。根據模型預測2005年3季度到2006年1季度產成品存貨量分別為339．27億元、327．63億元、337．82億元。而2005年3季度產成品存貨量的實際值為339．62億元，預測誤差為0．1％，可見模型的預測精度是非常高的。

　　其次，藉助電腦建立GMDH自回歸模型，根據模型預測2005年3季度到2006年1季度產成品存貨量的預測值分別為339．19億元、326．27億元、351．57億元。其中，2005年3季度產成品存貨的預測誤差為0．13％。

　　最後，建立ARCH模型和GMDH自回歸模型的組合預測模型。使用權繫數組合預測法，經過反覆嘗試，得到如下的組合預測模型：Y=-5548.05+0.998*ARCH+0.00395*GMDH　　(1)

　　根據模型(1)得到四川省2005年3季度至2006年1季度產成品存貨量的組合預測結果分別為339．38億元、327．71億元、337．98億元，其預測走勢見圖將2005年3季度產成品存貨量實際值與預測值比較，其預測誤差僅為0．071％。由此可見，組合預測效果比單一模型的預測效果都要好，而且預測精度更高。

　　上圖可以看出，2005年4季度產成品存貨量與3季度相比有小幅下降，而2006年1季度的產成品存貨量相對於上一季度又有所增加，這種發展趨勢與ARCH模型和GMDH自回歸模型的預測是一致的，其差異只在於變化幅度的不同。同時，從預測結果來看，2005年4季度經濟增長比較穩定，產成品存貨量將有所減少，但預計2006年1季度的經濟增長將有小幅下降，從而導致產成品存貨量增加。

　　四、不同類型模型預測效果比較

　　從上面的分析可以看出，ARCH模型的預測結果比GMDH自回歸預測更接近實際值。因此文章選用ARCH模型，分別建立基於傳統統計數據和基於企業景氣調查數據的產成品存貨預測，將預測結果與4．3節中綜合利用兩類數據得到的預測結果進行比較，如表2所示。

　　由表2可知，綜合利用兩類數據建立的景氣預測模型的擬合效果最好，擬合優度最高，達到0．99。

　　一方面，從對2004年3季度到2005年2季度產成品存貨的具體擬合值來看，綜合利用兩類數據的景氣預測模型的擬合誤差明顯小於單獨使用傳統統計數據或企業景氣調查數據的兩類模型。另一方面，在用不同類型模型預測2005年3季度的產成品存貨值時，綜合利用兩類數據的景氣預測模型的預測誤差最小，僅為0.07％。

　　結合有關專家對四川省產成品存貨未來景氣變動趨勢的分析來看，綜合利用兩類數據的景氣預測模型預測得到的產成品存貨三個時點的景氣變動趨勢，跟其實際變動基本一致，且預測誤差相對較小；而基於傳統統計數據的產成品存貨預測和基於企業景氣調查數據的產成品存貨預測均出現了較大偏差，隨著預測時點的延長，其誤差不斷增大，且明顯大於綜合利用兩類數據建立的ARCH—GMDH組合預測模型。這也表明瞭本文將傳統統計數據和企業景氣調查數據結合起來，綜合利用兩類數據建立景氣預測模型的必要性和有效性。