1、經(jīng)濟(jì)預(yù)測(cè)概述

經(jīng)濟(jì)預(yù)測(cè)有三個(gè)要素，實(shí)際資料是預(yù)測(cè)的依據(jù)；經(jīng)濟(jì)理論是預(yù)測(cè)的基礎(chǔ)；數(shù)學(xué)模型是預(yù)測(cè)的手段；

經(jīng)濟(jì)預(yù)測(cè)的內(nèi)容包括生產(chǎn)和資源預(yù)測(cè)，市場(chǎng)預(yù)測(cè)，國(guó)民收入分配預(yù)測(cè)，居民生活質(zhì)量預(yù)測(cè)等。

預(yù)測(cè)步驟：第一步確定預(yù)測(cè)目標(biāo)，第二步收集和整理相關(guān)資料，第三步選擇預(yù)測(cè)方法，第四步建立預(yù)測(cè)模型，第五步評(píng)價(jià)預(yù)測(cè)模型，第六步利用模型進(jìn)行預(yù)測(cè)并分析預(yù)測(cè)結(jié)果。

在進(jìn)行經(jīng)濟(jì)預(yù)測(cè)的時(shí)候，首先要學(xué)會(huì)對(duì)統(tǒng)計(jì)數(shù)據(jù)進(jìn)行處理：

2、統(tǒng)計(jì)數(shù)據(jù)處理

example：

分析“工商銀行”、“建設(shè)銀行”和“中國(guó)銀行”三只股票的收盤價(jià)

>> A=[4.55 5.68 4.02

4.72 5.69 4.18

4.86 6.16 4.34

4.69 5.19 4.17

4.66 5.85 4.12];

>> [m,n]=size(A);

>> t=1:m;

>> x1=A(:,1);

>> x2=A(:,2);

>> x3=A(:,3);

>> plot(t,x1,'-ob',t,x2,'-+k',t,x3,'-^r')

>> legend('工商銀行','建設(shè)銀行','中國(guó)銀行')

>> xlabel('時(shí)間/天')

>> ylabel('收盤價(jià)/元')

3、異常點(diǎn)數(shù)據(jù)鑒別

在進(jìn)行預(yù)測(cè)前，我們要對(duì)收集的數(shù)據(jù)進(jìn)行鑒別，確定出一些異常的數(shù)據(jù)。

舉例：

尋找異常點(diǎn)，并進(jìn)行剔除，異常點(diǎn)尋找的第一種方法是圖形觀察法：

example：

x=[57346.5 57997.61 58844.99 57691.64 58438.53

60259.53...

63040.51 72896.19 61949.81

60772.46 59075.97 58604.26];

plot(x,'o-')

xlabel('時(shí)間')

ylabel('貨幣供應(yīng)量/億元')

運(yùn)行得到圖片：

從圖片中可以看出第八個(gè)點(diǎn)的數(shù)據(jù)嚴(yán)重偏大，說(shuō)明該點(diǎn)的數(shù)據(jù)不能反映我國(guó)2月的貨幣供應(yīng)量的正常情況，從而視為異常值，要進(jìn)行處理。

異常點(diǎn)鑒別的第二種方法：統(tǒng)計(jì)濾波法

該方法是利用已有的數(shù)據(jù)，確定數(shù)據(jù)允許變動(dòng)的范圍，即上限和下限，凡是在這個(gè)范圍以外的數(shù)據(jù)就被認(rèn)為是異常數(shù)據(jù)。該方法需要根據(jù)樣本容量來(lái)查k值表，確定k值。

假設(shè)有10個(gè)樣本數(shù)據(jù)，通過(guò)該方法來(lái)確定出異常點(diǎn)：

X=[31 34.5 34.3 24 30.8 31.8 32.1 36 42 35]

x=mean(X)

s=std(X)

p1=0.95

p2=0.99

n=10

k=4.43

yd=x-k*s

yu=x+k*s

a=find(Xyu)

z=X(a)

t=1:10

plot(t,X,'o-')

xlabel('序號(hào)')

ylabel('產(chǎn)品數(shù)量值')

在腳本中輸入上述代碼，通過(guò)運(yùn)行得到圖片：

從圖片中可以看出，第4個(gè)點(diǎn)和第9個(gè)點(diǎn)與其他點(diǎn)的偏離程度較大，為異常點(diǎn)。(注：當(dāng)樣本量為10，p1取0.95

p2取0.99的時(shí)候，k為4.43)

第三種尋找異常值的方法為拉依達(dá)準(zhǔn)則，該準(zhǔn)則是不適用與樣本個(gè)數(shù)小于10的情況，當(dāng)樣本足夠大的時(shí)候，使用該準(zhǔn)則會(huì)比統(tǒng)計(jì)濾波法算法更加簡(jiǎn)單，取20個(gè)樣本做分析。

X=[31 34.5 34.3 24 30.8 31.8 32.1 36 42 35 37 34 36 34.2 36 28 33

31 35 33.8]

x=mean(X)

s=std(X)

a=find(abs(X-x)>3*s)

z=X(a)

t=1:20

plot(t,X,'o-')

xlabel('序號(hào)')

ylabel('產(chǎn)品數(shù)量值')

得到：

從圖片也可以看出4號(hào)和9號(hào)為異常點(diǎn)。

4、經(jīng)濟(jì)數(shù)據(jù)預(yù)處理的方法：

剔除法、還原法、比例法等

剔除法是去掉那些不可以如實(shí)反映預(yù)測(cè)對(duì)象正常發(fā)展趨勢(shì)的數(shù)據(jù)，該方法常用于時(shí)間序列數(shù)據(jù)，但是具有破壞時(shí)間序列數(shù)據(jù)連續(xù)性的缺點(diǎn)。

還原法就是把數(shù)據(jù)處理成沒有突變因素影響時(shí)本應(yīng)表現(xiàn)的數(shù)值。比如可以用異常數(shù)據(jù)前后兩期數(shù)據(jù)的算術(shù)平均值或者幾何平均值進(jìn)行數(shù)據(jù)還原。

對(duì)于還原以后的數(shù)據(jù)組，可以使用corrcoef求數(shù)據(jù)間的相關(guān)系數(shù)，來(lái)觀察處理以后的結(jié)果。

example：

>> x=[14200.4 14474.2 14739.3 15236.4 14875 15307.1 15808.9

18098 17327.3 17746.7];

>> y=[15305.55 15236.30 16485.38 23886.98 17939.18 17894.10

20087.09 37075.11 22990.51 22699.63];

>> r=corrcoef(x,y)

得到結(jié)果：

r =

1.0000 ?0.8115

0.8115 ?1.0000

故在沒有處理數(shù)據(jù)之前，x和y的相關(guān)系數(shù)為0.8115

那么我們對(duì)y4數(shù)據(jù)和y8數(shù)據(jù)進(jìn)行調(diào)整，利用的是還原法(算術(shù)平均值)

>> y4=(x(3)*y(3)+x(5)*y(5))/(2*x(4));

>> y8=(x(7)*y(7)+x(9)*y(9))/(2*x(8));

>> y(4)=y4;

>> y(8)=y8;

>> r1=corrcoef(x,y)

得到相關(guān)系數(shù)為：

r1 =

1.0000 ?0.8735

0.8735 ?1.0000

即：0.8735，通過(guò)還原法，使得處理以后的數(shù)據(jù)的相關(guān)性程度更強(qiáng)，再來(lái)構(gòu)建模型，效果會(huì)更好。

5、數(shù)據(jù)初始化處理的方法：

歸一化法：

歸一化法是用來(lái)消除指標(biāo)之間的量綱差異的方法，用指標(biāo)樣本值除以該指標(biāo)所有樣本數(shù)據(jù)之和即可。

MATLAB命令：Y=X./sum(X)

當(dāng)然也可以把所有的數(shù)據(jù)分別除以x中的第一個(gè)數(shù)據(jù)

MATLAB命令：Y=X./X(1)

標(biāo)準(zhǔn)化法：

這個(gè)方法是目前普遍使用的無(wú)量綱化方法，用x值減去x的平均值，再除以標(biāo)準(zhǔn)差，通過(guò)標(biāo)準(zhǔn)化以后。指標(biāo)的平均值就是為0，方差就是為1(概率論知識(shí))

MATLAB命令：Y=(X-mean(X))./std(X)

一個(gè)比較合理的評(píng)價(jià)模型的方法，是在進(jìn)行預(yù)測(cè)的時(shí)候，并不將所有用來(lái)估計(jì)參數(shù)的觀察值都用在預(yù)測(cè)上，而是將某些數(shù)據(jù)保留下不用，用于檢測(cè)得到的預(yù)測(cè)精度。

微信公眾號(hào)：LPstyle

QQ：1257992189(備注：軟件交流)

總結(jié)

以上是生活随笔為你收集整理的matlab对经济指标分析,经济背景下的数据预测分析--基于matlab建模（郑铿城）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。