基于SARIMA和Elman模型及其组合模型的财政支出研究

摘要

随着经济的发展，人民生活水平得到显著的提高，中国已成为世界上第二大经济体，国内生产总值连年递增，国家财政支出也呈逐年上升的趋势。财政支出是政府实施宏观调控，进行资源优化配置的有效手段。近年来，国家财政在民生方面的支出比例不断增加，人民切实感受到了财政支出所带来的实惠。由于财政支出数据具有明显的季节性特征，因此在进行数据建模时，要先对原始序列进行季节性调整。为了更好地预测财政支出的增长趋势，本文首先建立了季节性差分自回归滑动平均模型（SARIMA)和Elman年神经网络模型，结果表明SARIMA模型要优于Elman模型。其次，又建立了SARIMA模型和Elman模型相结合的组合模型，并对国民财政支出数据进行最终的预测。在组合模型中，为了寻找最优的组合系数，采用了粒子群优化算法(PSO)，以平均相对百分比误差(MAPE)为目标函数，使组合模型的预测误差最小。最后，实证分析了2000年1月-2015年12月财政支出序列，并对2016年的国家财政支出进行预测，结果表明组合模型的效果优于单一模型的效果，从而为中国财政支出预算提供了科学依据。

目录

声明

第一章引言

§ 1 .1 选题的背景及意义

§ 1 .2 国内外研究现状

§ 1 .3 本文研究思路与创新点

§ 1 .4 本章小结

第二章时间序列分析理论

§ 2 .1 时间序列分析问题

§ 2 .2 时间序列构成

§ 2 .3 时间序列季节调整概述

§2.4 ARIMA模型的建立

§2.5 SARIMA模型的建立

§2.6 Elman神经网络的建立

§ 2 .7 组合预测模型

§ 2 .8 粒子群优化算法

§ 2 .9 模型的评价指标

§2.10 本章小结

第三章基于各模型的财政支出实证分析

§ 3 .1 数据的选取及初步分析

§3.2 SARIMA模型的预测分析

§3.3 Elman神经网络模型的预测分析

§3.4 SARIMA和Elman组合模型的预测分析

§ 3 .5 模型比较

§ 3 .6 本章小结

第四章结论与展望

§ 4 .1 结论

§ 4 .2 展望

参考文献

致谢