“九五”期间中国经济周期的变化趋势及预测_经济周期论文

“九五”期间我国经济周期的变动趋势与预测,本文主要内容关键词为:变动论文,趋势论文,经济周期论文,我国论文,此文献不代表本站观点,内容供学术参考,文章仅供参考阅读下载。

本文运用周期自回归模型对“九五”期间我国经济周期波动进行了定量分析,并对新旧经济周期的转折点进行预测.

一、周期自回归模型简介

自回归模型在时间序列分析中是一种使用最广泛的模型,特别是对平稳序列的自回归模型是一种比较理想的模型,这是我们所熟知的.但是在很多实际问题中,我们注意到一些序列存在一定的周期性变动,或称之为有季节变化规律,显然为非平稳序列,对这样的非平稳序列,如果利用一般平稳序列的自回归模型预测,显然是不合理的,其预测结果也不会理想。

一般来说,研究这种非平稳序列的方法,在已知的文献中,比较常用的方法有两种:第一种方法是利用回归分析方法将数据序列的均值项估计出来,另一种方法是对原数据序列拟合季节性自回归模型,也就是首先对原序列X[,t]进行周期长度为T的差分处理,保证序列Y[,t]=X[,t]-X[,t-r],然后对Y[,t]序列拟合自回归模型,显然,有时也可将上述的回归与自回归分析方法联合使用,以获得更精确的分析结果。

记某一个月度数据序列为

{X[,1],X[,2],…,X[,n]}(1)

对于式(1)这样的序例,我们可以根据周期自回归模型的理论和方法来确认(1)式是否是周期相关序列,如果其为周期相关序列,且记周期长度为T。则可以将式(1)改写为T个子序例,分别记为

{X[,1.1],X[1.2],…,X[1,n1]}

{X[,2.1],X[,2.2],…,X[2,n2]}

…… …… ……

{X[,t.1],X[,t.2],…,X[t,nt]} (2)

且有n[,1]+n[,2]+…n[,1]=n,其中X[,ij](1)式中的i个周期,不同周期第j个相位数据。例如:T=12,也就是以年度为周期。则X[,i.j]就为第i月(i=1,2,3,…,T)的第j年的数据。

对式(2)中的T个子序列分别建立它们的混和自回归递推模型。首先对T=1有(以12个月为1个周期为例)

x[,1.t]=c[,1]+b[,1.1]x[,1,t-1]+b[,1.2]x[,1,t-2]+b[,1.3]x[,12,t-1]+

b[,1.4]x[,11,t-1]+b[,1.5]x[,10,t-1](3)

其中X[,1,t-1]表示t—1年的1月份数据,

对于T=2有

x[,2.t]=c[,2]+b[,2.1]x[,2,t-1]+b[,2.2]x[,2,t-2]+b[,2.3]x[,1.t]+

b[,2.4]x[,12,t-1]+b[,2.5]x[,11,t-1] (4)

同理对k(k=3,4…,12)月的子序列,考虑模型

x[k,t]=c[,k]+b[,k.1]x[,k.1-1]+b[,k,t-2]+b[,k.3]x[,k-1,t]+b[,k.4]

x[,k-2,t]+b[,k.5]x[,k-3,t]

前面我们可给出T个子序列所对应的混合自回归模型,我们可以将此规范化为一个自回归模型,称其为周期自回归模型。每个子序列对应的混合自回归模型中,除常数项外,最多的包括5项,在实际应用中,可利用T检验进行剔除,一般包括3-4项不等。这里需要指出的是,这样的T个混合自回归模型可以是完全利用t年以前的数据来建模,然后对t年进行预测。在预测时,只需先预测k-1月的值,然后再预测k月的值,即可求得全部T个预测值。

二、周期自回归模型在我国经济周期序列中的应用

目前,对经济周期有各种各样的测定方法,主要有剩余法、直接法、循环平均法。需要指出的是,用单一指标测定我国经济周期的变动情况是不全面的。本文采用合成指数法,根据国家统计局研究所的宏观经济监测与预警系统中的10项一致指标计算出一致合成指数,作为我国经济周期的测定依据。这10项指标分别是:乡及乡以上工业总产值,预算内工业销售收入,基础产品物量指数,社会消费品零售额,海关进口总额,货币供给量M1,国家银行企业存款余额,银行现金收入总额,银行现金工资性支出,基本建设投资完成额。基础产品物量指数是由钢材产量、十种有色金属产品产量、汽车产量、化肥产量和水泥产量这五种产品产量进行加权所得,本文采用“∧”划分法,即从经济周期的一个谷底到另一个谷底作为一个经济周期波动的完整过程。反映我国经济周期波动的一致合成指数如图1所示:

受某些指标时间序列长度的影响,本文建立模型所用到的合成指数的时间序列是从1984年1月至1997年2月,共157个月度数据,这里记做x[,1],x[,2],x[,3],…x[,157]。

时间序列数据确定后,依据前述原理,取T=12,也就是是以年为周期,对数据进行分组,将1984年1月至1997年以来所有1月分的数据生成一个新的时间序列,记作X[,1],新生成的所有2月份的数据记作X2,同理,新生成的所有第12份的数据为X[,2]。

建立这12种分组序列后,我们分别对这12个时间序列拟合周期自回归递推模型,共建立了12个这样的模型。其中4月份的周期自回归递推模型方程如下:

x[,4.97]=-0.0285414+0.029693x[,4.96]

(3.54)

+2.1182172x[,3.97]-1.1479188x[,2.97]

(23.68) (-12.74)

上式括号中为T检验值,D.W检验值为2.09。限于篇幅,其他11个模型方程在此省略。从方程中可以看出,模型较好地通过了T检验和D.W检验。

从建立模型的思路和方法中可以看出,该方法较好地消除了季节性因素的影响,因此,该方法在对一年中具有明显季节性影响的时间序列进行预测时,效果较好。另外,由于模型采用了递推方法,即把t时期的预测值xt重新放入模型中逐期向前滚动递推预测,从而进一步提高了模型的预测精度。

由于本文的预测时间较长,即从1997年3月到2000年12月,这33个月的预测长度显然给本模型的预测精度带来了一定的困难。另外由于该模型采用了逐期滚动递推预测方法,因此,该模型预测结果的可靠性主要取决于模型本身的预测精度。为了了解该模型预测的准确性,我们运用了1996年2月份以前的数据对1996年3月到1997年2月份之间的合成指数的波动进行了预测,并将预测结果与实际数值进行比较,从中可以看出模型预测的准确度如何,表1是预测值与实际值的绝对误差和相对误差。

从表1中可以看出。预测值与实际值的最大误差是在1月份和2月份,这主要是受到春节因素的影响,其他月份的预测值与实际值的误差相当小。这说明,模型的预测精度较高,因此采用逐期滚动递推预测方法具有较高的准确性。

表2是运用周期自回归模型预测出的1997年3月到2000年12月的预测值。

表1模型预测误差对照表

时间 实际值 预测值绝对误差

相对误差

1996.03 118.2037 118.4523

-0.2490 0.0021

1996.04 117.8183 117.9479

-0.1296 0.0011

1996.05 117.4434 117.4768

-0.0338 0.0003

1996.06 117.1008 117.07240.0284 0.0002

1996.07 116.8108 116.75750.5330 0.0005

1996.08 116.5829 116.53980.0420 0.0004

1996.09 116.4054 116.39660.0090 0.0001

1996.10 116.2518 116.30590.0540 0.0005

1996.11 116.1048 116.20440.0996 0.0008

1996.12 115.9587 116.0631

-0.1040 0.0009

1997.01 115.8168 115.8911

-0.0740 0.0006

1997.02 115.7153 115.7528

-0.0370 0.0003

表2模型的预测数值表

月份

数值月份 数值

1999.01 119.62

1999.02 119.51

1997.03115.67 1999.03 119.33

1997.04115.64 1999.04 119.06

1997.05115.63 1999.05 118.69

1997.06115.62 1999.06 118.26

1997.07115.61 1999.07 117.78

1997.08115.60 1999.08 117.31

1997.09115.82 1999.09 116.88

1997.10116.04 1999.10 116.50

1997.11116.31 1999.11 116.21

1997.12116.63 1999.12 116.01

1998.01116.93 2000.01 115.90

1998.02117.20 2000.02 115.89

1998.03117.65 2000.03 115.96

1998.04118.08 2000.04 116.11

1998.05118.49 2000.05 116.31

1998.06118.86 2000.06 116.54

1998.07119.17 2000.07 116.76

1998.08119.41 2000.08 116.97

1998.09119.56 2000.09 117.15

1998.10119.64 2000.10 117.32

1998.11119.66 2000.11 117.51

1998.12119.66 2000.12 117.80

三、对“九五”期间我国经济周期变动趋势的几点分析

(一)新一轮的经济周期将保持在一个较高的起点上

我们的研究结果表明,改革开放以来,我国经济主要经历了四次较大的循环波动,它们分别是1978.01一1981.06(第一次周期),1981.06—1986.04(第二次周期),1986.04—1989.11(第三次周期),1989.11—1997.08(第四次周期),即将运行的新一轮周期为第五次经济周期。1984年1月至2000年12月我国经济周期运行轨迹如图2所示。

在图形上可以清楚看出,从1997年1月份到1997年8月份,我国经济每月以微小的幅度缓慢下行,呈近乎于一条直线运行,合成指数的数据分别为115.8168, 115.7153, 115.6660, 115.6438,115.6444,115.6265,115.6122,115.6071,从1997年9月份起(合成指数为115.8158),经济才开始缓慢上升,进入新一轮的增长周期,因此,1997年是新旧周期的交界点。新一轮经济周期的谷底在高位形成,根据我们的预测,其谷底的合成指数的数值为115.6071,大大高于前几次经济周期的谷底水平。我们推算,新一轮经济周期经济增长的起始速度在9.5%左右。

(二)经济将继续保持快速增长

除了政治因素等外部环境的影响外,促使我国经济快速增长的主要因素在于我国经济增长的内在规律性与经济增长的潜力。从我国经济发展的总体水平分析,自90年代初,我国经济迈入了由重化工为主导的经济起飞阶段,“九五”期间,我国的经济将继续处于以重化工为主导的工业化中期阶段,从世界各国经济发展的历程看,中国经济已经驶入高速增长的“快车道”。同时,从90年代初开始的经济高速增长,基本上奠定了“九五”期间经济快速增长的格局,经济体制改革的不断深入和以高积累形式下的投资需求为主拉动的经济增长,为“九五”期间经济的快速增长提供了雄厚的物质技术保障和经济基础体制。已经进行了三年多的紧缩所积累的能量也将成为今后经济发展的强大动力。根据预测模型的结果,结合合成指数的历史变动趋势、幅度和经济增长速度的关系,我们的结论是,“九五”期间我国年均经济增长速度在9—10%之间,新一轮的经济增长将伴随着需求约束,经历大规模的经济结构调整,我国经济的高速增长已经成为一个长期化的趋势。

(三)经济周期波动趋于平稳和收敛

“九五”时期我国经济周期的运行类似于W形状(见图3),经济周期的两个运行底点分别在1997年8月和2000年2月,其数值分别为115.6071,115.8876,运行的最高点是1998年11月,数值为119.6631.整个“九五”期间,经济实现了“平稳回落一平稳回升—平稳回落—平稳回升”的增长轨迹,避免了大起大落的现象,整体经济波动趋于有序、规范,经济运行的质量不断提高。

由于前一次经济周期收缩阶段的下降幅度较小,因此,新一轮经济周期的扩张幅度不会很大,另外,新—轮经济周期的增长起点较高,客观上也决定了新一轮经济周期上升力度不会过大。虽然新一轮经济周期的运行在“九五”期间没有完结,我们无法预测其最高点,但可以较为肯定地说,与前几次经济周期相比,新一轮周期峰谷的高低落差是最小的。这可以根据我们的预测结果,从新一轮经济周期的运行初期中可见端倪。从我国经济发展历程看,我国的经济发展已经进入了一个市场机制日益增强,国民经济增长较快,产业结构加快转变,长期短缺演变为短缺与过剩并存,受世界经济发展变化影响日益加深等因素为主要特征的新阶段,经济发展中受经济规律支配的自然波动的成分越来越大,因此,经济波动趋于平稳和收敛的长期化趋势,也是我国经济运行的另一主要特征。对我国经济波动进行较长时期的预测,不得不考虑到宏观经济政策的影响。总的来说,我国经济仍然是政策主导型的经济,宏观经济政策对我国历次经济周期的影响都很大,因此,综合运用经济杠杆对国民经济进行宏观调控,通过对市场资源合理配置,从而在保持经济总量大体平衡的基础上,进行经济结构调整,避免经济大起大落,将成为今后我国进行宏观管理和调控的主导思想。另外,实行适度从紧的货币政策和财政政策将是今后较长时间内的必然选择,并且我们在进行宏观管理和调控方面,也已经积累了许多经验和教训,我们认为,今后的宏观经济政策将会保持其较强的连续性和稳定性,不会给经济带来很大的波动。

标签:;  ;  ;  ;  ;  ;  

“九五”期间中国经济周期的变化趋势及预测_经济周期论文
下载Doc文档

猜你喜欢