我国经济周期波动的测度研究

我国经济周期波动的测度研究

论文摘要

“我国经济周期波动的测度研究”,文章在研究经济周期波动含义的基础上,介绍了经济周期波动的基本分类方法和类型,并按照提出的时间顺序回顾了经济周期理论,然后介绍了经济周期波动测度的基本思路。接着,通过对我国经济中的居民消费价格指数、股市和楼市的波动情况进行分析,总结了我国经济波动的现状。在此基础上,对时间序列进行分解,按照经济周期指标法选取经济指标的原则选取经济周期波动的测算指标,进而结合我国1982年至2007年的相关数据,运用主成分分析法进行实证分析,测算我国经济的经济状态指数,划分我国经济周期并分析经济周期波动的长度特征、幅度特征与平均位势,然后同传统经济周期划分方法进行比较。随后,选用BP神经网络,对我国经济的发展趋势进行预测并对结果进行分析。最后给出了本文的主要结论并提出了相应的政策建议。第零章“前言”。从我国经济发展入手,针对现阶段我国经济发展的实际问题,分析进行我国经济周期波动测度研究的必要性及其研究意义,并基本确定本文的研究内容、研究方法及创新点。第一章“经济周期波动测度的基础理论”。从经济周期概念的发展历程入手,明确经济周期的含义,并介绍经济周期波动的基本分类方法和类型,然后,按照理论提出的时间顺序回顾各种经济周期波动理论,最后,介绍进行经济周期波动测度的基本思路和步骤。第二章“我国经济周期波动的现状”。首先介绍近几年我国经济的运行情况,然后通过对居民消费价格指数、股市和楼市的波动情况进行分析,总结我国经济的波动状况。第三章“我国经济周期波动的测度研究”。在明确经济周期波动测度基本思想的基础上,按照经济周期指标法的标准选取我国经济周期波动的测算指标,明确以主成分分析法作为我国经济状态指数的合成方法,选择经济状态指数波动的测算方法。结合我国1982年至2007年的相关数据选择具体的研究指标进行实证分析,测算我国经济的经济状态指数,划分我国经济周期并分析周期波动的长度特征、幅度特征与平均位势,总结当前我国经济周期波动的特点,最后,将本文的经济周期划分结果与传统经济周期划分结果进行比较。第四章“基于神经网络的我国经济发展趋势预测”。在研究BP神经网络的基本思想和具体方法的基础上,选用BP神经网络,对我国经济的发展趋势进行预测并分析。第五章“结论和政策建议”。首先给出本文的主要研究结论,然后针对我国经济波动的现状提出相应的宏观经济政策建议。

论文目录

  • 摘要
  • Abstract
  • 0 前言
  • 0.1 研究背景和研究意义
  • 0.1.1 研究背景
  • 0.1.2 研究意义
  • 0.2 文献综述
  • 0.2.1 国外研究历程
  • 0.2.2 国内研究历程
  • 0.3 研究内容和体系安排
  • 0.4 研究思路
  • 0.5 创新点和不足
  • 0.5.1 创新点
  • 0.5.2 不足之处
  • 1 经济周期波动测度的基础理论
  • 1.1 经济周期波动的含义和类型
  • 1.1.1 经济周期波动的含义
  • 1.1.2 经济周期波动的类型
  • 1.2 经济周期波动理论回顾
  • 1.3 经济周期波动测度的基本思路
  • 1.3.1 经济时间序列的分解
  • 1.3.2 经济周期波动的测度方法选择
  • 2 我国经济周期波动的现状
  • 2.1 我国经济的运行状况
  • 2.2 我国经济周期波动的现状
  • 2.2.1 CPI 方面
  • 2.2.2 股市方面
  • 2.2.3 楼市方面
  • 3 我国经济周期波动的测度研究
  • 3.1 选取测算指标和处理数据
  • 3.1.1 选取测算指标
  • 3.1.2 数据处理
  • 3.2 我国经济状态指数的合成
  • 3.2.1 我国经济状态指数合成方法的选择
  • 3.2.2 我国经济状态指数的合成
  • 3.3 我国经济周期波动的测度
  • 3.3.1 我国经济周期波动转折点的测定
  • 3.3.2 我国经济周期波动的长度特征分析
  • 3.3.3 我国经济周期波动的幅度特征与平均位势分析
  • 3.3.4 我国目前经济周期波动的特点
  • 3.4 与传统经济周期的比较
  • 3.4.1 传统经济周期的划分
  • 3.4.2 与传统经济周期的比较
  • 4 基于神经网络的我国经济发展趋势预测
  • 4.1 神经网络方法简介
  • 4.1.1 BP 神经网络的结构
  • 4.1.2 BP 神经网络的学习训练过程
  • 4.2 我国经济发展的趋势预测
  • 4.2.1 我国经济发展的趋势预测
  • 4.2.2 我国经济发展的趋势预测结果分析
  • 5 结论和政策建议
  • 5.1 本文研究的主要结论
  • 5.2 宏观经济政策建议
  • 结束语
  • 参考文献
  • 附录
  • 致谢
  • 个人简历
  • 发表的学术论文
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    我国经济周期波动的测度研究
    下载Doc文档

    猜你喜欢