基于EEMD模型的固定资产投资周期识别与预测

摘要：

集合经验模态分解(EEMD)模型可根据数据特点,将时间序列分解成一系列不同频率的分量,能提供多尺度研究视角,更加精准地把握周期波动规律.本文利用EEMD模型将1996—2017年我国固定资产投资季度数据分解为5个不同频率的本征模态函数(IMF)分量和1个趋势项,根据分量特征赋予不同经济含义,在多个尺度上进行分析.结果发现:IMF1和IMF2分量整合通过白噪声检验,可认为是外部因素的随机冲击;IMF3分量周期长度约为3年,可认为是企业库存量变化引起的存货周期;IMF4分量周期长度为5年,可认为是政治周期;IMF5分量周期长度约为20年,可认为是建筑周期.随后在分量分解基础上建立ARIMA模型进行拟合与预测,通过与其他模型对比,发现EEMD-ARIMA模型表现更优.结论表明,EEMD模型在类似固定资产投资这种波动性较大的经济时间序列周期识别和预测中更具优势.

关键词：固定资产投资、周期波动、多尺度分析、EEMD-ARIMA模型

分类号：F224.7(经济计算、经济数学方法)

资助基金：国家社会科学基金一般项目"中国海洋经济国际竞争力提升战略和政策研究"项目编号:17BJY220

在线出版日期：2021-01-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：4-13