何新易

（南通大学 商学院，江苏 南通 226019）＊

一、引 言

作为度量一个国家或地区所有常住单位在一定时期之内所生产和所提供的最终产品或服务的重要总量指标，国内生产总值（Gross Domestic Product，GDP）对于判断经济态势运行、衡量经济综合实力、正确制定经济政策等诸多方面，以及在经济研究实际工作中，均起着不可替代的重要作用。

熊志斌（2011）深入分析了时间序列模型与神经网络（NN）模型的优势和劣势，按照两种模型的预测特性，在比较的基础之上，分别构建了ARIMA模型和NN模型，并根据一定算法对两种模型进行了集成。将GDP时间序列的数据结构，根据在非线性空间和线性空间的预测优势，进一步分解为线性非线性残差和自相关主体两部分，即首先用ARIMA分析技术构建线性主体模型，然后用NN模型估计非线性残差，再对序列的整个预测结果进行最终集成。仿真实证结果表明：与单一模型相比，集成模型的预测准确率显著提高，进行GDP预测当然使用集成模型更为有效［1］。桂文林和韩兆洲（2011）认为由于迄今为止，包括季度GDP在内的经季节调整之后的经济数据，中国政府尚未进行公布，不但无法进行国际之间的横向比较，也不利于监测中国宏观经济态势。本文运用1996年第1季度至2009年第4季度的中国实际GDP数据，构建了状态空间模型，使用卡尔曼滤波迭代算法对季节调整模型状态向量的各分量，进行了最优平滑、预测和估计，并使用极大似然方法估计了超参数。经过对GDP的主要季节和趋势特征的分析，计算出了环比增长率指标来监测和分析经济走势，并与国际通用的TRAMOSEATS季节调整模型进行了对比，以便鉴别趋势拐点，制定相关的经济政策［2］。……