陈东清，黄章树，叶翀

(1.福州大学 至诚学院，福建 福州 350002;2.福州大学 经济与管理学院，福建 福州 350108)

我国经济处在由数量扩张向高质量提升的发展阶段，调整产业结构、助力经济发展成为各级政府、企业和公众的关注重点。而物流业景气指数是反映物流行业运行情况的优良指标，也是监测宏观经济发展状况的先导指标之一。科学预测物流业景气指数有助于提前预警物流业运行态势，同步甚至超前了解物流市场发展走向，为企业经营决策提供参考，为政府制定相关经济政策提供部分数据支持。因此，研究物流业景气指数预测方法及物流波动趋势显得尤为重要。

许多学者选择不同方法预测物流业景气指数。舒服华等[1]采用VAR模型对中国物流业景气指数进行预测，模型结果较为理想；孙颖[2]运用 ARMA模型预测我国物流业景气指数，从预测结果可以看出，当期物流业景气指数会受到前期指数的滞后影响；罗涛[3]选择VEC模型分析物流业景气指数与生产者价格指数的关系，从脉冲分析和方差分解发现，物流业景气指数的变动主要来源于自身变化的影响，因此预测该指数需要考虑自身的滞后影响。经典的经济预测方法还有回归分析及改进理论[4]、马尔科夫理论[5]、灰色预测模型[6]、系统动力学模型[7]、GARCH模型[8]、ARCH模型[9]、神经网络理论[10]、极限学习机理论[11]、语言策略方法[12]、非线性动态因子模型[13]等。

总体上看，物流业景气指数预测研究有所成就，但是还有不少需改进完善的空间：(1)物流业景气指数预测属于较复杂的建模问题，应优先考虑非线性建模技术，这就面临参数选择问题；……