新疆金融供给侧改革服务实体经济的实证研究——基于ARIMA和ES模型
|
摘要
近些年,相关学者对中国各地区金融发展及经济增长的研究和探索十分关注。自改革开放以来,在欧债危机压迫国际宏观经济稳定运行的外部环境下,全球经济持续低迷,经济增长在这一阶段如何保持在合理的区间成为热点问题。新疆集聚性的快速发展得益于全疆维持在持续高速增长的经济状态,但是金融在支持实体经济发展中还是存在较多问题。具体表现在政府建设金融体系及制度和银行落实金融支持实体经济的工作方面,融资难、融资贵问题仍然凸显。本文分别建立了ARIMA模型和ES模型,对比检验表明ARIMA模型具有较好的预测效果,从而可在一定程度上为新疆制定经济发展目标提供相应的理论依据,同时结合新疆近些年的实际经济增长,进一步探索出实现金融供给侧结构性改革的重大突破点,深化金融供给侧改革对于早日实现新疆精准脱贫的任务具有重大的指导意义,更是实现全面建成小康社会的推动力。
引文
[1]卜振兴.资管新规的要点分析与影响前瞻[J].南方金融,2018(6):66-72.
[2]管超宇.利用ARIMA模型预测浙江省GDP增长情况[J].科技经济导刊,2018(35):214-215.
[3]刘涛,袁祥飞.我国服务消费增长的阶段定位和政策选择——基于代表性发达国家服务消费增长规律[J].经济纵横,2019(2):101-110.
[4] O. C.苏哈列夫,徐向梅.中国和俄罗斯的宏观经济发展:贸易现状、结构和前景[J].欧亚经济,2019(1):45-64,125,127.
[5]蒲元林,刘世娟,雷蕾.基于时间序列模型的国民生产总值预测[J].内蒙古科技与经济,2018(12):37-38,40.
[6]尚卫平,戴昱.基于平滑ARIMA-LS-SVM组合模型的股价预测研究[J].区域金融研究,2018(5):17-23.
[7]邵晴晴,杨桂元.基于GIOWA算子的铁路客运量组合预测研究[J].嘉兴学院学报,2018(4):119-126.
[8]孙皖宁,杨静,杨依依,刘桐同,白晓东.基于SARIMA模型对中国GDP分析及预测[J].中国集体经济,2018(36):78-80.
[9]汤子隆,易露霞,高星.区域居民杠杆过快增长的空间因素分析——来自2010-2016年省际面板数据的SDM探索[J].会计之友,2019(4):49-54.
[10]王晨,郭倩,周罗晶. ARIMA模型与指数平滑法预测门诊量效果比较[J].预防医学,2018(11):1152-1155.
[11]王光宇.资管新规后结构性存款业务的发展与创新[J].银行家,2018(7):11-13.
[12]温湖炜.中国季度GDP趋势周期分解与潜在增长率考察[J].统计与决策,2019(2):135-138.
[13]吴冠虹,陈骏兰,朱家明.我国房价影响因素的研究和预测[J].成都工业学院学报,2018(4):89-93.
[14]张国发.随机模型与指数平滑模型在数据预测中的对比研究[J].无线互联科技,2018(17):112-113,132.
[15]张莅黎,赵果庆,吴雪萍.中国城镇化的经济增长与收敛双重效应——基于2000与2010年中国1968个县份空间数据检验[J].中国软科学,2019(1):98-116.
[16]赵子萌.基于ARIMA时间序列模型预测成都市GDP[J].通讯世界,2019(2):206-207.
[17] He Liping,Tong Zhiqiang. New Trends in the World Economy and the Countermeasures for Development in the New Era[J]. Contemporary Social Sciences,2019(1):29-37.
(1)地区生产总值,即地区GDP,是指本地区所有常住单位在一定时期内生产活动的最终成果。地区生产总值等于各产业增加值之和。
[2]管超宇.利用ARIMA模型预测浙江省GDP增长情况[J].科技经济导刊,2018(35):214-215.
[3]刘涛,袁祥飞.我国服务消费增长的阶段定位和政策选择——基于代表性发达国家服务消费增长规律[J].经济纵横,2019(2):101-110.
[4] O. C.苏哈列夫,徐向梅.中国和俄罗斯的宏观经济发展:贸易现状、结构和前景[J].欧亚经济,2019(1):45-64,125,127.
[5]蒲元林,刘世娟,雷蕾.基于时间序列模型的国民生产总值预测[J].内蒙古科技与经济,2018(12):37-38,40.
[6]尚卫平,戴昱.基于平滑ARIMA-LS-SVM组合模型的股价预测研究[J].区域金融研究,2018(5):17-23.
[7]邵晴晴,杨桂元.基于GIOWA算子的铁路客运量组合预测研究[J].嘉兴学院学报,2018(4):119-126.
[8]孙皖宁,杨静,杨依依,刘桐同,白晓东.基于SARIMA模型对中国GDP分析及预测[J].中国集体经济,2018(36):78-80.
[9]汤子隆,易露霞,高星.区域居民杠杆过快增长的空间因素分析——来自2010-2016年省际面板数据的SDM探索[J].会计之友,2019(4):49-54.
[10]王晨,郭倩,周罗晶. ARIMA模型与指数平滑法预测门诊量效果比较[J].预防医学,2018(11):1152-1155.
[11]王光宇.资管新规后结构性存款业务的发展与创新[J].银行家,2018(7):11-13.
[12]温湖炜.中国季度GDP趋势周期分解与潜在增长率考察[J].统计与决策,2019(2):135-138.
[13]吴冠虹,陈骏兰,朱家明.我国房价影响因素的研究和预测[J].成都工业学院学报,2018(4):89-93.
[14]张国发.随机模型与指数平滑模型在数据预测中的对比研究[J].无线互联科技,2018(17):112-113,132.
[15]张莅黎,赵果庆,吴雪萍.中国城镇化的经济增长与收敛双重效应——基于2000与2010年中国1968个县份空间数据检验[J].中国软科学,2019(1):98-116.
[16]赵子萌.基于ARIMA时间序列模型预测成都市GDP[J].通讯世界,2019(2):206-207.
[17] He Liping,Tong Zhiqiang. New Trends in the World Economy and the Countermeasures for Development in the New Era[J]. Contemporary Social Sciences,2019(1):29-37.
(1)地区生产总值,即地区GDP,是指本地区所有常住单位在一定时期内生产活动的最终成果。地区生产总值等于各产业增加值之和。