面向宏觀經(jīng)濟風(fēng)險的監(jiān)測預(yù)警指標(biāo)體系構(gòu)建與建模

目錄
第1章　緒論　1
第2章　宏觀經(jīng)濟指標(biāo)庫的構(gòu)建及應(yīng)用　3
2.1　宏觀經(jīng)濟指標(biāo)庫的數(shù)據(jù)來源　3
2.1.1　政府維度　3
2.1.2　市場維度　3
2.1.3　民眾生活維度　4
2.1.4　規(guī)范化文本維度　4
2.2　宏觀經(jīng)濟指標(biāo)庫的構(gòu)建流程　4
2.2.1　基于國家統(tǒng)計局的宏觀經(jīng)濟指標(biāo)　6
2.2.2　基于文本數(shù)據(jù)加工的宏觀經(jīng)濟指標(biāo)　6
2.2.3　基于教科書及中文文獻庫的宏觀經(jīng)濟指標(biāo)　7
2.2.4　多數(shù)據(jù)源宏觀經(jīng)濟指標(biāo)合并及經(jīng)濟分類　8
2.3　宏觀經(jīng)濟指標(biāo)庫的驗證及結(jié)構(gòu)分析　8
2.3.1　宏觀經(jīng)濟指標(biāo)庫的驗證　8
2.3.2　宏觀經(jīng)濟指標(biāo)庫的結(jié)構(gòu)分析　9
2.4　宏觀經(jīng)濟指標(biāo)庫的應(yīng)用分析　11
2.4.1　應(yīng)用實例一：多源文本的經(jīng)濟主題分析　11
2.4.2　應(yīng)用案例二：省區(qū)市政府工作報告的主題時間序列分析　15
第3章　經(jīng)濟指標(biāo)建模的一般性方法（一）：混頻指標(biāo)短期預(yù)測　27
3.1　引言　27
3.2　混頻LSTM模型　28
3.2.1　問題定義　28
3.2.2　整體模型架構(gòu)　29
3.2.3　分離特征模型　29
3.2.4　組合特征模型　30
3.2.5　稀疏正則化　31
3.2.6　數(shù)據(jù)增強　31
3.3　數(shù)據(jù)實驗　32
3.3.1　數(shù)據(jù)集　32
3.3.2　結(jié)果對比　33
3.3.3　旁證數(shù)據(jù)的影響　34
3.3.4　變量貢獻度　34
3.4　結(jié)論和討論　36
第4章　經(jīng)濟指標(biāo)建模的一般性方法（二）：不均衡樣本的學(xué)習(xí)方法　37
4.1　引言　37
4.2　文獻綜述　38
4.2.1　樣本選擇偏差與遷移學(xué)習(xí)　38
4.2.2　基于傾向分?jǐn)?shù)的加權(quán)　38
4.2.3　基于特征匹配的加權(quán)　39
4.2.4　基于整體分布的加權(quán)　39
4.3　算法設(shè)計　40
4.4　實驗過程及結(jié)果　43
4.4.1　實驗數(shù)據(jù)　43
4.4.2　實驗算法　44
4.4.3　實驗結(jié)果　44
4.5　結(jié)論　46
第5章　增長指標(biāo)建模案例：GDP預(yù)測建?！?7
5.1　引言　47
5.2　研究概況　47
5.3　數(shù)據(jù)　48
5.3.1　GDP　48
5.3.2　解釋變量　49
5.3.3　樣本構(gòu)造　50
5.4　模型簡介　52
5.4.1　LASSO回歸模型　52
5.4.2　SVR模型　52
5.4.3　RNN系列模型　53
5.5　實驗　54
5.6　結(jié)論　56
第6章　穩(wěn)定指標(biāo)建模案例：就業(yè)與失業(yè)指標(biāo)預(yù)測建?！?7
6.1　引言　57
6.2　數(shù)據(jù)與描述性統(tǒng)計　59
6.2.1　個人層面的全樣本行政數(shù)據(jù)　59
6.2.2　數(shù)據(jù)的預(yù)處理　60
6.3　模型構(gòu)建　61
6.3.1　模型算法　61
6.3.2　樣本構(gòu)建　62
6.3.3　特征分析與特征工程　63
6.3.4　基于個人層面預(yù)測的失業(yè)率計算　67
6.4　模型結(jié)果與分析　68
6.4.1　個人就業(yè)狀態(tài)預(yù)測結(jié)果　68
6.4.2　特征重要性與模型解釋　70
6.4.3　基于行政大數(shù)據(jù)的失業(yè)率預(yù)測　72
6.4.4　就業(yè)失業(yè)動態(tài)　72
6.4.5　性別與結(jié)構(gòu)性失業(yè)　73
6.4.6　就業(yè)/失業(yè)人口文化程度結(jié)構(gòu)　74
6.5　結(jié)論　74
第7章　民生指標(biāo)建模方法研究一：人口遷入與新增確診人數(shù)趨勢關(guān)系分析　76
7.1　疫情數(shù)據(jù)初步分析　76
7.1.1　一代與非一代病例情況對比　76
7.1.2　深圳市病例數(shù)分析　78
7.2　人口遷入與新增確診人數(shù)的趨勢關(guān)系及因果量化分析　79
7.2.1　格蘭杰因果關(guān)系檢驗簡介　79
7.2.2　疫情建模方法　81
7.2.3　量化分析結(jié)果　82
7.3　研究結(jié)論與方法總結(jié)　83
第8章　民生指標(biāo)建模方法研究二：新增確診人數(shù)估計的概率模型　84
8.1　引言　84
8.2　疫情數(shù)據(jù)初步分析　85
8.3　每日新增感染人數(shù)　86
8.3.1　符號說明　86
8.3.2　基本假設(shè)　87
8.3.3　似然函數(shù)　87
8.3.4　EM算法　88
8.3.5　每日新增感染人數(shù)的分析與討論　88
8.4　基于參數(shù)Bootstrap方法的每日新增感染人數(shù)的區(qū)間估計　89
8.4.1　參數(shù)Bootstrap方法　89
8.4.2　數(shù)值分析結(jié)果　89
8.5　研究結(jié)論與方法總結(jié)　92
第9章　民生指標(biāo)建模方法研究三：動態(tài)傳播率模型及其在疫情分析中的應(yīng)用　93
9.1　引言　93
9.2　動態(tài)傳播率模型　94
9.3　動態(tài)傳播率的函數(shù)擬合　96
9.4　動態(tài)傳播率的疫情變化估計　99
9.4.1　疫情變化估計的方法介紹　99
9.4.2　疫情變化估計的滑窗期選擇　99
9.5　研究結(jié)論與方法總結(jié)　100
第10章　民生指標(biāo)建模方法研究四：基于動態(tài)增長率模型的疫情分析　102
10.1　引言　102
10.2　動態(tài)增長率模型　102
10.2.1　動態(tài)增長率模型的提出　102
10.2.2　動態(tài)增長率模型的計算　103
10.2.3　動態(tài)增長率模型與疫情變化估計　104
10.2.4　動態(tài)增長率模型擬合函數(shù)選擇　104
10.3　研究結(jié)論與方法總結(jié)　106
參考文獻　107