中国宏观经济的波动周期预测分析
摘 要：增长与波动是宏观经济表现出的两大主题。从长期看，宏观经济表现出经济增长，以短期看，表现出经济波动。经济长期增长下，表现出短期经济波动，所有经济的增长均会出现波动，也从未出现了经济直线增长。我国宏观经济处在波动中，对其波动周期的预测很有必要。概述了ARMA模型，构建起中国宏观经济波动ARMA1模型，在ARMA模型基础上对我国宏观经济趋势做出预测，以此为我国宏观经济波动周期预测提供依据。为中国宏观经济波动周期预测的有关研究提供参考与借鉴。
关键词：中国宏观经济 波动 预测
我国经济因为不同经济冲击，产生了各种程度的波动，随着全球一体化的加剧，我国经济受到内外部的冲击，还要面临能源价格与贸易的影响。国际经济陷入经济危机的泥潭中，处在这种大环境中，我国经济难免受到一点影响，很大程度上影响了中国的宏观经济运行，不同程度上冲击了经济产出与就业。国内生产总值增长减缓，面临着较大就业压力，外贸行业面临着困境，市场前景并不明确。基于此，对我国宏观经济波动进行分析。
一、ARMA模型的概述
1.ARMA 模型的三种形式。ARMA模型是一种经常使用的随机时序模型。可进行时序短期预测，具有较高预测精度，其基本思想表现为：一些时间序列为一组随机变量，依靠的是时间t，组成这种时序的各序列值存在不确定性，而整体序列在变化方面有一定规律可循，可借助相似模型进行大致描述。ARMA模型包含了自回归、自回归移动平均、移动平均共3种模型。
2.随机时间序列的特性分析。构建起随机时间序列模型，先对研究对象的性质进行考虑，确定是否符合建模条件。当序列不满足模型建立条件，需要对原有序列进行适当调整，对新序列实施分析，判断可否使用B-J法进行模型构建。
3.时间序列特性的研究工具。B-J法应用于时间序列的研究中，不可或缺工具就是自相关和偏自相关。一定要对序列的自相关和偏自相关进行全面的考察。借助时间序列的自相关系数，绘制成图形，同时将随机区间标出，这种图形就是自相关分析图。该工具可自相关分析时间序列。
4.时间序列特性分析。要对时间序列进行研究，一定要构建有效的模型，先要了解序列特征。通常需要从三个层面进行考量，也就是时间序列的平稳性、随机性、季节性。时序的平稳性：当时间序列y t符合下述条件时：针对随意时间t，则均值一直为常数；针对任意时间t与s，相比时间间隔t-s，与其有一定关系，和t起始点与s起始点没有一定关系。这种时间序列也就是平稳时间序列。平稳时间序列的所有观测值以均值为中心进行上下波动，和t无关，振幅变并不强烈。序列的平稳性可借助自相关对分析图进行判断：当序列的自相关系数趋向0时，序列是平稳的。应重视一点，B-J法的应用，需要具有平稳的时间序列，如此，才能直接构建起ARMA模型。一般对时间序列实施差分。通常实际经济时间序列差分阶数d在2以内。
时序的随机性：当一个时间序列纯粹是随机序列，表明该序列无规模可言，也就不会存在相关性，自相关系数和0是不会出现明显差异的，对纯时间序列进行判定时，直接使用方法就是，借助自相关分析图。在自相关分析图中，我们能看到，平稳性的显著性水平0=0.05，置信区间内中的自相关系数落和0并无明显差异，当各相关系数置入随机区间，则该序列就是纯随机的，B-J法应用于序列随机性的测定中，为模型残差的优劣提供评价依据。
时序的季节性：在特定的时间间隔中，序列产生重复性特性。如，地区降雨量时间序列表现出明显的季节变化。通常月度资料在时间序列方面，划分为12个月的季节周期，在季节资料时间序列上，划分4个季节周期，时间序列的判定标准为：月度数据，当k取12，24，36…时，对自相关关系进行观察，看是否与0表现出明显差异。当自相关系数和0无明显差异时，表明，同一月中无先关，序列无季节性。一般我们我们会同时遇到趋势性与季节性同时存在的状况，先将序列趋势性消除，通过上述方法对序列季节性进行识别。
二、中国宏观经济波动ARMA1模型的构建
在模型思想基础上，利用Eviews5.0构建起了ARMA模型，该模型涵盖了国内生产总值、出口商品总值、最终投资支出等一些宏观数据。其中t 为年份时间序列，以t作为时间序列，1978、2008分别为起点与终点。在这个过程中，各自选取了不同的p、q 值组合，以此估计模型，对估计结果做出比较，选取的模型具有较好的估计效果，在计算结果方面预留了4位小数。在该模型中，对国内生产总值，以DGDP进行一阶差分后变量，对外汇储备，以LNWH 取对数后的变量，对总投资，以DTZ进行一阶差分变量，对净出口总值，以DJCK进行一阶差分后变量，对最终消费支出，以DLNXF对其取对数的一阶差分变量，GDP变量的回归参数，如，截距项与滞后1期等全部经过显著性检验，得到了明显的方程拟合效果。对回归模型涵盖了因变量的滞后项，实施自相关性检验。所以，对残差项自相关性实施检验，将概率与残差项的扬-博克斯统计量应用其中，由回归结果判断得出，残差项是白噪声，也就该模型无自相关性。所以，AR自回归动态模型表现出时间态势，可以GDP进行表示，从回归方程获得的结果，可对GDP变量的结构特征进行分析，并可预测其态势。在回归方程中，由回归结果得出，ARMA自回归移动平均动态模型具有截距项，表现出时间趋势，可以总投资变量进行表示。此外，模型无相关性，表现出明显回归效果。在回归方程中，ARMA具有截距项，可以DLNXF进行表示，以ARMA表示滞后一阶的外汇储备量对数序列；以ARMA表示滞后一阶的出口商品总值；检验了全部回归结果，获得了明显的效果。从中得到的结论是，上述5个自回归模型可对未来指数数值进行预测，为宏观经济的波动分析提供了具有价值的预测信息。
三、ARMA 模型下的趋势预测
1.模型的试预测与预测。为对自回归模型效果开展验证，把Eviews5.0中的样本值变为1978-2005，对回归方程进行估计，预测2005-2008年数据。原始值与预测值间的误差并不大，MAPE=3.555，具有较高的预测精确度。其余试预测图形也均产生了良好的预测效果，这里就不再一一列出。通过模型测试结果发现，认为模型在预测方面较好，以自回规模型为依据，预测了我国后续3年里的各指标数值。当预测结果的MAPE 值全部≤2，产生的效果较好，这种预测结果可较好地表现未来经济状况，参考价值较大。
2.含预测值的指标波动分析。预测之后得知，获得后续3年里的5个指标值，在时间序列中融入预测值，数据选取年份为1978-2011年，分解H-P滤波，得到了周期波动成分与长期趋势，结果如下所示：以预测值H-P滤波图为依据不难发现，在后续3年时间里，总体上看，我国宏观经济是不会出现改变的，GDP的周期波动仍然处在一个继续上升阶段，有所不同的是，上升速度有所减缓。事实上最终的结果是，总投资和消费支出均产生了大范围的波动，结合预测，最终消费2009年，已经达至波谷点，2010年即将到来之后，呈现出反彈趋势，在明年处在一个短期波动的波峰点。2011年向下波动趋势开始缩减弱，总体来看，在后续3年时间内，最终消费支出的波动异常剧烈。我国投资波动处在波峰位置处，在2009年后续时间里，投资波动将呈现下滑趋势，至2010年，这种情况在有所改变，变为扩张性转折。今年我国的总投资波动已经达到的波峰位置。在外汇储备方面，由2008年～2009年，处在向下收缩波动态势中，至2010年产生转折点。在预测5个经济指标后，有一种趋势比较特别，也就是净出口总值的波动。从预测能够得出，后续3年时间里，我国净出口总值还会不断下滑，在总体波动上表现出收缩态势，总体数量逐渐缩减，提示贸易产生逆差，且有逐渐扩大趋势。结合现阶段国际状况来看，是有可能出现这种情况的，相比我国遭受的经济危机，西方国家遭受的经济危机更大，所以，一定程度上影响了我国出口商品总值，此外，进口商品总值与出口商品总值，也开始呈现下降趋势，而出口降势必进口大。
四、结语
上述结论对宏观经济波动周期的预测有一定作用，促进经济增长政策的制定，推动科技进步，对我国经济长期趋势的供给方面产生很大影响。世界经济在经历经济危机之后，表现出新的格局，我国是最有活力的发展中国家，在推动世界经济发展中起到了重要作用，在这次变革时期，要求我们着重思考我国经济发展模式，逐渐向质方向转变，切实调整实践结构，推动经济健康发展，展现新的面貌[2]。
参考文献：
[1]韩立国.中国经济周期波动的特征及形成路径分析[D].西北师范大学，2012.
[2]郑小青.中国经济周期波动特征的测度和经验分析[D].山东大学，2010.