论文部分内容阅读
为推进经济稳步、强健的运行，各国各地区都对宏观经济进行积极而有效的调控。然而要对宏观经济进行调控就必须很好的把握未来经济的走势，对未来经济走势进行预测。并据此制订出各种有效的宏观经济政策与措施。而GDP又是一个国家或地区宏观经济形式的综合表现。这样我们在对宏观经济进行预测时也就转化为对GDP进行预测。对经济进行预测主要是依据历史资料，以往积累的经验及经济现在的发展状况，运用一定的理论和方法对未来经济走势进行积极有效的推断。在现行的预测方法中时间序列预测和回归预测是两种最常用的统计方法，然而宏观经济实际上是一个复杂的非线性系统，蕴涵的各种经济现象都不是线性的，所处的环境也不断发展变化。附加的干扰因素(突发事件)始终作用于宏观经济运行的全过程，经济预测建模所需的历史资料往往也是不稳定、不明确、不完整的；再加上宏观经济系统随时间推移，在不同时期具有不同的经济结构特性，不能用相对固定的模式统一表示其全过程。从而使得我们运用传统的统计方法对非线性的宏观经济预测变得不可行。本文正是针对宏观经济系统的以上特性，提出了运用神经网络并且基于石油需求对我国宏观经济进行预测。
人工神经网络具有生理学上的真实大脑的神经网络的结构和功能，是由某种理论抽象简化和模拟而构成的一种非线性信息处理系统。它通过不断的学习，训练和泛化显示出人脑的某些基本特征：大规模并行运算、非线性处理、自组织、自学习与自适应等。特别是由于它具有很强的非线性预测的能力，所以被人们不断的将其运用于各种实际问题的预测中。如：宏观经济预测、电力预测、股票收益预测等。
本文采用人工神经网络对我国宏观经济进行预测，在进行预测时我们不仅从传统的影响GDP的各变量出发对其进行预测，而且在传统变量的基础上加入石油需求变量，这是因为我们可以看到目前能源市场的任何风暴都会对经济产出产生影响，而且这种影响并未表现出任何线性关系，这就给人工神经网络发挥功用提供一定的空间。从本文中我们可以看出在加入石油需求变量后，利用神经网络对GDP进行预测可以得到更好的预测效果。