CN108364200A - 一种宏观经济趋势预估系统及方法 - Google Patents

一种宏观经济趋势预估系统及方法 Download PDF

Info

Publication number
CN108364200A
CN108364200A CN201810169318.0A CN201810169318A CN108364200A CN 108364200 A CN108364200 A CN 108364200A CN 201810169318 A CN201810169318 A CN 201810169318A CN 108364200 A CN108364200 A CN 108364200A
Authority
CN
China
Prior art keywords
time section
influence index
index
trend
tendency influence
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810169318.0A
Other languages
English (en)
Inventor
王甲樑
夏珺峥
李燕伟
夏耘海
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guoxin Youe Data Co Ltd
Original Assignee
Guoxin Youe Data Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guoxin Youe Data Co Ltd filed Critical Guoxin Youe Data Co Ltd
Priority to CN201810169318.0A priority Critical patent/CN108364200A/zh
Publication of CN108364200A publication Critical patent/CN108364200A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00Commerce
    • G06Q30/02Marketing; Price estimation or determination; Fundraising
    • G06Q30/0201Market modelling; Market analysis; Collecting market data
    • G06Q30/0202Market predictions or forecasting for commercial activities

Landscapes

  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)
  • Data Mining & Analysis (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请实施例提供了一种宏观经济趋势预估系统及方法,其中,该方法包括:确定模块,用于根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段;获取模块,用于从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值;预估模块,用于将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。本申请实施例提高了对宏观经济趋势的预估准确性。

Description

一种宏观经济趋势预估系统及方法
技术领域
本申请涉及宏观经济技术领域,具体而言,涉及一种宏观经济预估趋势预估系统及方法。
背景技术
经济指标是反映一定社会经济现象数量方面的名称及其数值。经济现象的名称用经济范畴表述,经济范畴的数量方面则通过数值反映。例如,社会总产品和国民收入是经济范畴,表现这些经济范畴数量方面的名称及其数值"社会总产值××亿元"、"国民收入××亿元"就是经济指标。经济指标在反映经济现象及其发展规律的数量表现时,是以理论经济学所确定的经济范畴的涵义为依据。
经济指标一般分为先行指标、同步指标和滞后指标,其中先行指标是指预示未来月份经济状况和可能出现的商业周期性变化,并为分析者提供利率趋势变化早期迹象的市场指标。
现有技术中,关于经济指标的先行、同步、滞后分类实现方法往往是基于计量经济学软件来实现的,实现的方法包括时差分析、因果检验等,在指标分来后往往直接利用先行指标进行预测,导致确定的先行指标并不准确,从而无法较为准确的对经济进行预估。
发明内容
有鉴于此,本申请的目的在于提供一种宏观经济趋势预估系统及方法,以提高对宏观经济趋势的预估准确性。
第一方面,本申请实施例提供了一种宏观经济趋势预估系统,包括:
确定模块,用于根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段;
获取模块,用于从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值;
预估模块,用于将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,所述确定模块采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
确定已知宏观经济趋势对应的历史时间段;
确定所述历史时间段前后预设数量对比时间段;
针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并
确定该趋势影响指标对应的各指标值分别与所述已知宏观经济趋势之间的时差相关系数;并
根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
结合第一方面的第一种可能的实施方式,本申请实施例提供了第一方面的第二种可能的实施方式,所述确定模块,具体用于:
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于所述预估时间段的先行期数;
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为所述历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
结合第一方面的第一种可能的实施方式或第一方面的第二种可能的实施方式,本申请实施例提供了第一方面的第三种可能的实施方式,针对所述获取模块从对应的取值时间段无法获取趋势影响指标的指标值的情况,所述确定模块还用于:
确定该趋势影响指标对应的时差相关系数中,次于最大时差相关系数的第二时差相关系数;
根据所述第二时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
结合第一方面至第一方面的第二种可能的实施方式中的任一实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,还包括:
调整模块,用于针对趋势影响指标为季节性影响指标的情况,对该趋势影响指标对应的指标值行季节调整,得到该趋势影响指标的衍生指标值;
所述确定模块,用于将该趋势影响指标对应的指标值以及衍生指标值均确定为所述宏观经济趋势预估模型的因变量。
结合第一方面至第一方面的第二种可能的实施方式中的任一实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,还包括:
筛选模块,用于采用预设指标筛选算法,对趋势影响指标进行筛选。
结合第一方面的第五种可能的实施方式,本申请实施例提供了第一方面的第六种可能的实施方式,还包括:
验证模块,用于在所述筛选模块筛选趋势影响指标之前,针对任一趋势影响指标,利用第一平稳检测算法检验该趋势影响指标是否平稳,若不平稳,对该任一趋势影响指标进行差分直至该任一先趋势影响指标平稳;以及,
用于利用第二平稳检测算法检验各趋势影响指标是否平稳,若平稳,执行筛选趋势影响指标的步骤。
第二方面,本申请实施例提供了一种宏观经济趋势预估方法,包括:
根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段;
从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值;
将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
确定已知宏观经济趋势对应的历史时间段;
确定所述历史时间段前后预设数量对比时间段;
针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并
确定该趋势影响指标对应的各指标值分别与所述已知宏观经济趋势之间的时差相关系数;并
根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
结合第二方面的第一种可能的实施方式,本申请实施例提供了第二方面的第二种可能的实施方式,根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数,具体包括:
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于所述预估时间段的先行期数;
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为所述历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
与现有技术中相比,本申请实施例是通过待预估宏观经济趋势对应待预估的时间段,比如预估2018年5月份的宏观经济趋势,则根据表征对2018年5月份的宏观经济趋势产生影响的各趋势影响指标相对于2018年5月份的先行期数,确定各个趋势影响指标分别对应的取值时间段,比如5月份,有的趋势影响指标是对应的取值时间段是提前6个月等,然后根据这些趋势影响指标各自对应的取值时间段,获取对应趋势影响指标的指标值,这样通过获取到的各个不同趋势影响指标的指标值以及完成训练的宏观经济趋势预估模型来对待预估宏观经济趋势的预估结果进行预估,这样,由于同一个趋势影响指标在不同时间段对待预估宏观经济趋势的相关性不同,通过采取各个趋势影响指标与待预估宏观经济趋势相关性最大的时间段对应的指标值,即可更为准确的对待预估宏观经济进行预估。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的第一种宏观经济趋势预估系统结构示意图;
图2示出了本申请实施例所提供的第二种宏观经济趋势预估系统结构示意图;
图3示出了本申请实施例所提供的一种宏观经济趋势预估方法流程示意图;
图4示出了本申请实施例所提供的一种先行期数的确定方法流程示意图;
图5示出了本申请实施例所提供的一种宏观经济趋势预估方法对应的硬件结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
实施例1
本申请实施例1提供了一种宏观经济趋势预估系统,如图1所示,包括:
确定模块11,用于根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段。
获取模块12,用于从各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值。
预估模块13,用于将获取的指标值输入完成训练的宏观经济趋势预估模型,得到待预估宏观经济趋势的预估结果。
其中,待预估宏观经济趋势指未来时间段的宏观经济趋势,即未来时间段的国内生产总值(Gross Domestic Product,GDP),比如,2018年10月份是未来未发生的时间段,即待预估宏观经济趋势即指2018年10月份的宏观经济趋势,待预估时间段即为2018年10月份。
趋势影响指标表示对宏观经济趋势有一定影响的指标,本申请实施例中考虑到GDP增长为季度数据,数据频率不一致,不能直接建模,因为工业增加值增长与GDP增长相关性较强,故常用工业增加值增长代替GDP增长,选用的趋势影响指标可以是居民消费价格指数、生产资料价格指数、原材料工业价格指数、一般日用品价格指数等。
其中,各趋势影响指标相对预估时间段的先行期数可以理解为各趋势影响指标取值时间段先于预估时间段的时间段数。
具体地,确定模块采用如下方式确定各趋势影响指标相对预估时间段的先行期数:
(1)确定已知宏观经济趋势对应的历史时间段。
这里,本申请实施例中是通过历史数据,确定的各个趋势影响指标相对预估时间段的先行期数,其中,历史时间段可以是某一年、某一月或者某一季度等时间段。
(2)确定历史时间段前后预设数量对比时间段。
这里的预设数量对比时间段表示:当步骤(1)中,宏观经济趋势对应的历史时间段确定后,会在该宏观经济趋势对应的历史时间段之前以及之后各取预设数量的对比时间段,比如在该宏观经济趋势对应的历史时间段为2016年10月份,在该宏观经济趋势对应的历史时间段之前的设定预设数量为20,在该宏观经济趋势对应的历史时间段之前之后的设定预设数量也为20时,那么对比时间段依次为2016年9月份、2016年9月份…2015年2月份,以及依次为2016年11月份、2016年12月份…2017年8月份,当然,对比时间段也包括与该宏观经济趋势对应的历史时间段为2016年10月份相同的时间段。
(3)针对每个趋势影响指标,确定该趋势影响指标在各对比时间段对比时间段分别对应的指标值;并确定该趋势影响指标对应的各指标值分别与已知宏观经济趋势之间的时差相关系数;并根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
进一步地,在对宏观经济趋势预估模型进行训练时,即需要使用已知宏观经济趋势作为因变量,各趋势影响指标相对该因变量对应的历史时间段的在先期数内的取值作为自变量,对宏观经济趋势预估模型进行训练,才能保证使用模型进行预测时预测的准确性。
具体地,确定模块,具体用于:
(3-1)针对得到的最大时差相关系数对应的对比时间段为历史时间段的在先时间段,且先于历史时间段的预设数量各单位时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量预设数量确定为对应趋势影响指标相对于预估时间段的先行期数。
(3-2)针对得到的最大时差相关系数对应的对比时间段为历史时间段的在先时间段,且先于历史时间段的单位时间段数量未达到预设数量的情况,以及得到的最大时差相关系数对应的对比时间段为历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
比如,针对任一趋势影响指标,确定该任一趋势影响指标在各对比时间段分别对应的指标值,如上述,当该宏观经济趋势对应的历史时间段为2016年10月份,获取该任一趋势影响依次在2016年9月份、2016年8月份…2015年2月份,以及依次在2016年10月份、2016年11月份、2016年12月份…2017年8月份对应的指标值,这里该任一趋势影响指标在各个月份对应的指标值并不是一个单一的数据,而是一组代表该任一趋势影响指标的多个数据,同时该宏观经济趋势即工业增加值增大在历史时间段2016年10月份时的数据值。
可以采取时差相关系数计算公式,分别进行计算该任一趋势影响指标在各个月份对应的各指标值分别与已知宏观经济趋势之间的时差相关系数时,找出时差相关系数最大时该任一趋势影响指标的指标值对应的月份,比较该月份与宏观经济趋势对应月份之间时差,确定先行期数,比如,如果时差相关系数最大时该任一趋势影响指标的指标值对应的月份为2016年5月份,相比较宏观经济趋势的2016年10月份,此时先于历史时间段预设数量为5,如果时差相关系数最大时该任一趋势影响指标对应的月份为2017年4月份,相比较宏观经济趋势的2016年10月份,此时滞后于历史时间段预设数量为6,根据(3-1)和(3-2),假设预设阈值为4,可知当该任一趋势影响指标的指标值对应的对比时间段先于历史时间段预设数量为5,因为5大于等于4,则确定该任一趋势影响指标相对于预估时间段的先行期数为5。
而如果该任一先行趋势影响指标的指标值对应的对比时间段滞后于历史时间段时,或者当该任一趋势影响指标的指标值对应的对比时间段先于历史时间段预设数量小于4时,则将该任一先行趋势影响指标删除。
此外,针对获取模块12从对应的取值时间段无法获取趋势影响指标的指标值的情况,确定模块11还用于:
(1)确定该趋势影响指标对应的时差相关系数中,次于最大时差相关系数的第二时差相关系数。
(2)根据第二时差相关系数对应对比时间段与历史时间段之间的先后关系,确定该趋势影响指标相对于预估时间段的先行期数。
根据以上针对任一趋势影响指标的具体实施例,即如果时差相关系数最大时该任一趋势影响指标的指标值对应的月份为2016年5月份,相比较宏观经济趋势的2016年10月份,此时先于历史时间段预设数量为5,次于最大时差相关系数的第二时差相关系数出现在2016年4月份,当需要预估未发生的待评估宏观经济趋势的待预估时间段为2018年6月份时,本来应该提取2018年1月份的该任一趋势影响指标对应的指标值,但是假如出现从2018年1月份该时间段无法获取该任一趋势影响指标的指标值的情况时,则获取2018年2月份获取该任一趋势影响指标的指标值。
一种较佳地实施方式,在本申请实施例1提出的技术方案中,如图2所示,该宏观经济趋势预估系统还包括:
调整模块14,用于针对趋势影响指标为季节性影响指标的情况,对该趋势影响指标对应的指标值行季节调整,得到该趋势影响指标的衍生指标值。
确定模块11,用于将该趋势影响指标对应的指标值以及衍生指标值均确定为宏观经济趋势预估模型的因变量。
考虑到有些受到季节性影响比较大的,为了清晰的表示出该趋势影响指标的趋势变化以及不规则因素,可以通过季节调整对该趋势影响指标对应的指标值进行调整。
一种较佳地实施方式,在本申请实施例1提供的技术方案中,还包括:
筛选模块,用于采用预设指标筛选算法,对趋势影响指标进行筛选。
在经济预估中,采集的各个趋势影响指标最终对宏观经济的影响可能很小,在训练宏观经济趋势预估模型时,没必要将所有满足最大时差相关系数对应的对比时间段为历史时间段的在先时间段,且先于历史时间段的时间段数量达到预设阈值的情况的趋势影响指标对应的指标值均作为自变量代入宏观经济趋势预估模型进行训练,所以可以先通过预设指标筛选算法筛选出对宏观经济趋势影响较大的各个趋势影响指标。
该筛选操作可以在确定模块11确定各趋势影响指标相对预估时间段的先行期数之前或者之后,可以根据实际需要确定筛选时机。
这里的预设指标筛选算法可以包括回归树、主成分分析PCA等不同的算法进行筛选,最后将通过不同算法筛选得到的各个趋势影响指标进行并集后统一保留。
一种较佳地实施方式,在本申请实施例1提出的技术方案中,还包括:
验证模块,用于在筛选模块筛选趋势影响指标之前,针对任一趋势影响指标,利用第一平稳检测算法检验该趋势影响指标是否平稳,若不平稳,对该任一趋势影响指标进行差分直至该任一先趋势影响指标平稳;以及,用于利用第二平稳检测算法检验各趋势影响指标是否平稳,若平稳,执行筛选趋势影响指标的步骤。
这里的第一平稳检测算法可以是ADF稳定性检验,第二平稳检验算法可以是协整检验,通过ADF稳定性检验后,将单个趋势影响指标对应的指标值趋于平稳化,在对各个趋势影响指标进行ADF稳定性检验后,得到由各个平稳的趋势影响指标组成的集合,然后对该集合进行协整检验,确保该集合平稳。
比如,可以检验该任一趋势影响指标中的各个指标值,若发现指标值依次增长,则可以依次用后一个指标值减去前一个指标值,作为新的指标值,再次检验新的指标值是否平稳,若平稳则停止差分,若不平稳,则继续进行差分直至最新的指标值平稳。
下面以下表1对各个趋势影响指标的先行期数的确定进行具体阐述:
表1
从表1中可以看到,趋势影响指标包括从居民消费价格指数到社会总投资等,通过调整模块,对各个趋势影响指标中的季节性影响指标进行调整后得到多个衍生指标,比如,对居民消费价格指数CPI进行季节调整后,得到衍生指标居民消费价格指数趋势CPI_TC;比如,对货币和准货币趋势M2_IR进行季节调整后得到货币和准货币趋势的不规则因素M2_IR_TC;以及对一些趋势影响指标进行去单位化影响,比如将货币和准货币M2变为货币和准货币增长率M2_GROW_RATE。可以将各趋势影响指标分别对应的指标值以及衍生指标值均确定为宏观经济趋势预估模型的因变量。
表1中的第四列为各个趋势影响指标在对比时间段中的指标值与宏观经济趋势对应的历史时间段中的指标值的最大相关系数,第五列对应的是当相关系数最大时对应的对比时间段先于历史时间段的时间段数量,这里的先行期数指的是对比时间段先于历史时间段的时间段数量,在本申请实施例中最终只保留了对比时间段先于历史时间段的时间段数量大于设定阈值的趋势影响指标,而降滞后指标和同步指标进行了舍弃。
在筛选出所有的先行指标后,还可以根据各个先行指标对宏观经济趋势的影响权重,确定出主要的先行指标,然后将主要的先行指标与宏观经济趋势代入宏观经济趋势预估模型进行训练。
实施例2
本申请实施例2提供了一种宏观经济趋势预估方法,如图3所示,包括:
S301,根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段。
S301,从各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值。
S303,将获取的指标值输入完成训练的宏观经济趋势预估模型,得到待预估宏观经济趋势的预估结果。
可选地,如图4所示,采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
S401,确定已知宏观经济趋势对应的历史时间段。
S402,确定所述历史时间段前后预设数量对比时间段。
S403,针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并确定该趋势影响指标对应的各指标值分别与已知宏观经济趋势之间的时差相关系数;并根据得到的最大时差相关系数对应对比时间段与历史时间段之间的先后关系,确定该趋势影响指标相对于预估时间段的先行期数。
可选地,步骤S403中,根据得到的最大时差相关系数对应对比时间段与历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数,具体包括:
(1)针对得到的最大时差相关系数对应的对比时间段为历史时间段的在先时间段,且先于历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于预估时间段的先行期数。
(2)针对得到的最大时差相关系数对应的对比时间段为历史时间段的在先时间段,且先于历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
可选地,针对从对应的取值时间段无法获取趋势影响指标的指标值的情况,该方法还包括:
(1)确定该趋势影响指标对应的时差相关系数中,次于最大时差相关系数的第二时差相关系数。
(2)根据第二时差相关系数对应对比时间段与历史时间段之间的先后关系,确定该趋势影响指标相对于预估时间段的先行期数。
可选地,该方法还包括:
(1)针对趋势影响指标为季节性影响指标的情况,对该趋势影响指标对应的指标值行季节调整,得到该趋势影响指标的衍生指标值。
(2)将该趋势影响指标对应的指标值以及衍生指标值均确定为宏观经济趋势预估模型的因变量。
可选地,该方法还包括:
采用预设指标筛选算法,对趋势影响指标进行筛选。
可选地,该方法还包括:
(1)在筛选趋势影响指标之前,针对任一趋势影响指标,利用第一平稳检测算法检验该趋势影响指标是否平稳,若不平稳,对该任一趋势影响指标进行差分直至该任一先趋势影响指标平稳。
(2)利用第二平稳检测算法检验各趋势影响指标是否平稳,若平稳,执行筛选趋势影响指标的步骤。
实施例3
图5是本申请实施例3提供的执行宏观经济趋势预估方法的电子设备的硬件结构示意图,该宏观经济趋势预估系统包括:处理器501、存储器502和总线503,存储器502存储执行指令,当装置运行时,处理器501与存储器502之间通过总线503通信,处理器501执行存储器502中存储的如下执行指令:
根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段。
从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值。
将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。
可选地,处理器501执行的执行指令具体包括采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
确定已知宏观经济趋势对应的历史时间段。
确定所述历史时间段前后预设数量对比时间段。
针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并确定该趋势影响指标对应的各指标值分别与所述已知宏观经济趋势之间的时差相关系数;并根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
可选地,根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数,处理器501执行的执行指令具体包括:
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于所述预估时间段的先行期数。
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为所述历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
可选地,针对从对应的取值时间段无法获取趋势影响指标的指标值的情况,处理器501执行的执行指令还包括:
确定该趋势影响指标对应的时差相关系数中,次于最大时差相关系数的第二时差相关系数;
根据所述第二时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
可选地,处理器501执行的执行指令还包括:
针对趋势影响指标为季节性影响指标的情况,对该趋势影响指标对应的指标值行季节调整,得到该趋势影响指标的衍生指标值。
将该趋势影响指标对应的指标值以及衍生指标值均确定为所述宏观经济趋势预估模型的因变量。
可选地,处理器501执行的执行指令还包括:
采用预设指标筛选算法,对趋势影响指标进行筛选。
可选地,可选地,处理器501执行的执行指令还包括:
在筛选趋势影响指标之前,针对任一趋势影响指标,利用第一平稳检测算法检验该趋势影响指标是否平稳,若不平稳,对该任一趋势影响指标进行差分直至该任一先趋势影响指标平稳。
利用第二平稳检测算法检验各趋势影响指标是否平稳,若平稳,执行筛选趋势影响指标的步骤。
对应于图3和图4中的宏观经济趋势预估方法,本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述宏观经济趋势预估方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述宏观经济趋势预估方法,从而解决现有技术在指标分来后往往直接利用先行指标进行预测,导致确定的先行指标并不准确,从而无法较为准确的对经济进行预估的问题。
与现有技术中相比,本申请实施例是通过待预估宏观经济趋势对应待预估的时间段,比如预估2018年5月份的宏观经济趋势,则根据表征对2018年5月份的宏观经济趋势产生影响的各趋势影响指标相对于2018年5月份的先行期数,确定各个趋势影响指标分别对应的取值时间段,比如5月份,有的趋势影响指标是对应的取值时间段是提前6个月等,然后根据这些趋势影响指标各自对应的取值时间段,获取对应趋势影响指标的指标值,这样通过获取到的各个不同趋势影响指标的指标值以及完成训练的宏观经济趋势预估模型来对待预估宏观经济趋势的预估结果进行预估,这样,由于同一个趋势影响指标在不同时间段对待预估宏观经济趋势的相关性不同,通过采取各个趋势影响指标与待预估宏观经济趋势相关性最大的时间段对应的指标值,即可更为准确的对待预估宏观经济进行预估。
本申请实施例所提供的进行宏观经济趋势预估方法的计算机程序产品,包括存储了程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
本申请实施例所提供的宏观经济趋势预估系统可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,前述描述的系统、装置和单元的具体工作过程,均可以参考上述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的实施例中,应该理解到,所揭露装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请提供的实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释,此外,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围。都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。

Claims (10)

1.一种宏观经济趋势预估系统,其特征在于,包括:
确定模块,用于根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段;
获取模块,用于从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值;
预估模块,用于将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。
2.根据权利要求1所述的系统,其特征在于,所述确定模块采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
确定已知宏观经济趋势对应的历史时间段;
确定所述历史时间段前后预设数量对比时间段;
针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并
确定该趋势影响指标对应的各指标值分别与所述已知宏观经济趋势之间的时差相关系数;并
根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
3.根据权利要求2所述的系统,其特征在于,所述确定模块,具体用于:
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于所述预估时间段的先行期数;
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为所述历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
4.根据权利要求2或3所述的系统,其特征在于,针对所述获取模块从对应的取值时间段无法获取趋势影响指标的指标值的情况,所述确定模块还用于:
确定该趋势影响指标对应的时差相关系数中,次于最大时差相关系数的第二时差相关系数;
根据所述第二时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
5.根据权利要求1-3任一项所述的系统,其特征在于,还包括:
调整模块,用于针对趋势影响指标为季节性影响指标的情况,对该趋势影响指标对应的指标值行季节调整,得到该趋势影响指标的衍生指标值;
所述确定模块,用于将该趋势影响指标对应的指标值以及衍生指标值均确定为所述宏观经济趋势预估模型的因变量。
6.根据权利要求1-3任一项所述的系统,其特征在于,还包括:
筛选模块,用于采用预设指标筛选算法,对趋势影响指标进行筛选。
7.根据权利要求6所述的系统,其特征在于,还包括:
验证模块,用于在所述筛选模块筛选趋势影响指标之前,针对任一趋势影响指标,利用第一平稳检测算法检验该趋势影响指标是否平稳,若不平稳,对该任一趋势影响指标进行差分直至该任一先趋势影响指标平稳;以及,
用于利用第二平稳检测算法检验各趋势影响指标是否平稳,若平稳,执行筛选趋势影响指标的步骤。
8.一种宏观经济趋势预估方法,其特征在于,包括:
根据待预估宏观经济趋势对应待预估时间段,以及表征对宏观经济趋势产生影响的各趋势影响指标相对所述预估时间段的先行期数,确定各趋势影响指标分别对应的取值时间段;
从所述各趋势影响指标分别对应的取值时间段,分别获取对应趋势影响指标的指标值;
将获取的指标值输入完成训练的宏观经济趋势预估模型,得到所述待预估宏观经济趋势的预估结果。
9.根据权利要求8所述的方法,其特征在于,采用如下方式确定各趋势影响指标相对所述预估时间段的先行期数:
确定已知宏观经济趋势对应的历史时间段;
确定所述历史时间段前后预设数量对比时间段;
针对每个趋势影响指标,确定该趋势影响指标在各对比时间段分别对应的指标值;并
确定该趋势影响指标对应的各指标值分别与所述已知宏观经济趋势之间的时差相关系数;并
根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数。
10.根据权利要求9所述的方法,其特征在于,根据得到的最大时差相关系数对应对比时间段与所述历史时间段之间的先后关系,确定该趋势影响指标相对于所述预估时间段的先行期数,具体包括:
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量达到预设阈值的情况,将该先于历史时间段的时间段数量确定为对应趋势影响指标相对于所述预估时间段的先行期数;
针对得到的最大时差相关系数对应的对比时间段为所述历史时间段的在先时间段,且先于所述历史时间段的时间段数量未达到预设阈值的情况,以及得到的最大时差相关系数对应的对比时间段为所述历史时间段的滞后时间段的情况,舍弃对应趋势影响指标。
CN201810169318.0A 2018-02-28 2018-02-28 一种宏观经济趋势预估系统及方法 Pending CN108364200A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810169318.0A CN108364200A (zh) 2018-02-28 2018-02-28 一种宏观经济趋势预估系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810169318.0A CN108364200A (zh) 2018-02-28 2018-02-28 一种宏观经济趋势预估系统及方法

Publications (1)

Publication Number Publication Date
CN108364200A true CN108364200A (zh) 2018-08-03

Family

ID=63002766

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810169318.0A Pending CN108364200A (zh) 2018-02-28 2018-02-28 一种宏观经济趋势预估系统及方法

Country Status (1)

Country Link
CN (1) CN108364200A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667095A (zh) * 2020-04-30 2020-09-15 百度在线网络技术(北京)有限公司 预测经济状态、建立经济状态预测模型的方法及对应装置
CN111970752A (zh) * 2020-08-12 2020-11-20 中国联合网络通信集团有限公司 一种节能控制方法及装置

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111667095A (zh) * 2020-04-30 2020-09-15 百度在线网络技术(北京)有限公司 预测经济状态、建立经济状态预测模型的方法及对应装置
CN111970752A (zh) * 2020-08-12 2020-11-20 中国联合网络通信集团有限公司 一种节能控制方法及装置
CN111970752B (zh) * 2020-08-12 2023-04-28 中国联合网络通信集团有限公司 一种节能控制方法及装置

Similar Documents

Publication Publication Date Title
Awaworyi Churchill et al. The effect of military expenditure on growth: an empirical synthesis
CN110377667B (zh) 关联图谱展示方法、装置、计算机设备和存储介质
Ziggel et al. A new set of improved value-at-risk backtests
Chang et al. Do oil spot and futures prices move together?
Madlener Econometric estimation of energy demand elasticities
US8577775B1 (en) Systems and methods for managing investments
US20140067713A1 (en) Systems and methods for managing investments
KR20170134601A (ko) 데이터 처리 방법 및 장치
JP2020501232A (ja) リスク制御イベント自動処理の方法および装置
CN110689070A (zh) 一种业务预测模型的训练方法及装置
CN107730097B (zh) 一种母线负荷预测方法、装置及计算设备
CN103559303A (zh) 一种对数据挖掘算法的评估与选择方法
Kruse-Andersen Testing R&D-Based Endogenous Growth Models
CN108364200A (zh) 一种宏观经济趋势预估系统及方法
Artis et al. The transmission mechanism in a changing world
Cakmakli et al. Modeling and estimation of synchronization in multistate Markov-switching models
Siedlecki Forecasting company financial distress using the gradient measurement of development and S-curve
CN109684378A (zh) 数据筛选方法、数据展示方法、装置、设备及存储介质
Gebrehiwot et al. Ethiopia's foreign trade potential: inferences from a dynamic gravity approach
CN111737308A (zh) 基于最小熵分值的股票交易点预测方法、系统及存储介质
US20210224912A1 (en) Techniques to forecast future orders using deep learning
Rufino Nowcasting Philippine economic growth using MIDAS regression modeling
CN110084400A (zh) 信息预测方法、装置、计算机设备和存储介质
CN116151991A (zh) 一种企业估值方法、装置、电子设备、存储介质及产品
CN115936875A (zh) 金融产品挂单处理方法和装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information
CB02 Change of applicant information

Address after: 101-8, 1st floor, building 31, area 1, 188 South Fourth Ring Road West, Fengtai District, Beijing

Applicant after: Guoxin Youyi Data Co., Ltd

Address before: 100070, No. 188, building 31, headquarters square, South Fourth Ring Road West, Fengtai District, Beijing

Applicant before: SIC YOUE DATA Co.,Ltd.

RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20180803