半参数可加自回归模型在我国GDP预测中的应用

谢成兴，王丰效*，聂 僮

(1.喀什大学 数学与统计学院，新疆 喀什 844000；2.中国农业大学 生物学院，北京 100193)

0 引言

GDP对国家制定货币、财政政策进行宏观调控和企业进行投融资决策具有重要的参考价值，如何对GDP进行科学预测一直是宏观经济学的重要研究领域.我国在2016～2019年期间的宏观经济增长稳定且波动幅度收窄，相比于经济旧常态下的中高速增长[1]，新常态下的经济明显保持着稳定的中低速增长.然而，国内供给侧改革推进产业结构升级和经济结构的变化，加上全球疫情蔓延和经济金融风险的不确定性因素，给经济发展增加了下行压力.通过预测未来GDP的走势，辅助制定经济增长目标和宏观政策也面临了较大的挑战.选择合适的预测工具对GDP精确地预测，是值得关注的重要课题.

GDP时间序列数据包含了经济运行过程中的随机性、线性波动性和非线性波动性特征，被广泛地应用于GDP预测模型构建和分析，模型包括灰色预测[2]、神经网络[3]、计量经济模型[4]以及各类组合预测模型等[5-6].在预测中，主要考虑数据的两个特征进行建模，一是GDP时间序列数据的线性特征；二是非线性特征.线性特征描述的是一种宏观经济中恒定的变动规律，无法很好地解释经济系统中复杂的变动现象.近年来，时间序列的非线性特征也越来越被人们所关注，特别是将神经网络引入解决非线性的模型中，拟合效果和预测效果都表现出了显著的优势[7-9].半参数回归同时含有……