孫紅英

(仲愷農(nóng)業(yè)工程學院 計算科學系，廣東 廣州510640)

0 前言

1997年和2008年，分別發(fā)生了亞洲金融危機和國際金融危機。兩次金融危機分別發(fā)生在中國加入世界貿(mào)易組織前后，但都對世界和中國經(jīng)濟帶來了嚴重的危機，給中國出口帶來了嚴重的影響。國際金融危機蔓延到實體經(jīng)濟，引起國際和國際市場價格掉頭直下，國際石油價格從高點時的每桶145美元以上下跌到2008年底的每桶35左右美元；銅、鋁、鋅等金屬價格也分別比9月中旬下跌50%以上。國際市場價格波及國內(nèi)市場價格，帶動國內(nèi)生產(chǎn)資料和工業(yè)品出廠價格快速下滑。在環(huán)比價格上，工業(yè)品出廠價格月度同比價格從近年來最高上漲10.1%轉(zhuǎn)為2009年4月同比下降6.6%，環(huán)比漲幅從2008年年初的10%以上下降到年底的-20%左右；原材料、燃料、動力購進價格月度環(huán)比漲幅從2008年初的18%以上下降到年底的-25%左右。反映經(jīng)濟運行的主要宏觀經(jīng)濟指標CPI指數(shù)，在兩次危機發(fā)生的第2年都由正轉(zhuǎn)負，步入負區(qū)間運行，面臨通貨緊縮的壓力。當前，世界經(jīng)濟出現(xiàn)復蘇的跡象，我國經(jīng)濟處于企穩(wěn)回升的關(guān)鍵時期，但一些經(jīng)濟指標如貨幣發(fā)行量高位運行，引起了部分學者爭論我國CPI指數(shù)何時走出負區(qū)間，并進而引發(fā)新一輪通貨膨脹的擔憂。為及時準確預測CPI指數(shù)運行趨勢，為宏觀經(jīng)濟決策提供依據(jù)，筆者研究了1997年和2008年兩次金融危機發(fā)生前后CPI運行情況，發(fā)現(xiàn)1997年金融危機發(fā)生前后CPI運行相關(guān)度非常高，而2008年金融危機發(fā)生當期CPI與2007年CPI運行相關(guān)度非常高，并且2008、2009年前5個月同比數(shù)據(jù)相關(guān)度也非常高。鑒于兩次金融危機發(fā)生前后CPI指數(shù)運行相關(guān)性非常高，作者運用改進的BP人工神經(jīng)網(wǎng)絡(luò)對中國2001年以來每月CPI同比指數(shù)進行了學習擬合，據(jù)此對中國CPI運行的趨勢進行了預測和分析。

1 金融危機前后中國CPI同比指數(shù)相關(guān)性分析

1.1 1997年和2008年兩次金融危機前后CPI指數(shù)運行態(tài)勢分析（相關(guān)數(shù)據(jù)見表1，變化曲線見圖1）

亞洲金融危機發(fā)生前的1996年，中國的CPI同比指數(shù)均在107以上；1997年金融危機發(fā)生當年，CPI指數(shù)從年初開始呈現(xiàn)穩(wěn)步下降的態(tài)勢，由1997年1月的105.9下降至12月的100.4；1998年CPI繼續(xù)下行態(tài)勢，從4月份正式CPI由正轉(zhuǎn)負，開始長達20多個月的負區(qū)間運行。2008年國際金融危機發(fā)生前的2007年，中國CPI指數(shù)與1996年類似處于高位運行，中國面臨較為嚴峻的通貨膨脹。2007年中國CPI從年初穩(wěn)步攀升，從102.2上升到106.9。2008年國際金融危機發(fā)生當年，與1997年CPI運行基本相同，中國CPI指數(shù)由前5個月的高位運行，轉(zhuǎn)為急劇下降，到12月份CPI降至101.2。2009年CPI運行與1998年情況相近，也保持繼續(xù)下行態(tài)勢，從2月份開始CPI由正區(qū)間運行轉(zhuǎn)為負區(qū)間運行。

1.2 1997年和2008年兩次金融危機前后CPI指數(shù)運行相關(guān)性分析

表1 兩次金融危機前后CPI指數(shù)

圖1 兩次金融危機前后中國CPI變化曲線圖

筆者對1997年CPI指數(shù)分別與1996年和1998年CPI指數(shù)進行相關(guān)性分析，發(fā)現(xiàn)1996年CPI指數(shù)與1997年相關(guān)性較高達到0.795；1997年CPI指數(shù)與1998年相關(guān)系數(shù)也達到0.748。與此類似，2007年CPI指數(shù)與2008年相關(guān)性系數(shù)為0.873，2008年前 5個月 CPI與2009年前 5個月 CPI（數(shù)據(jù)已公布）相關(guān)系數(shù)也達到0.848。筆者也對1996年CPI（1997年亞洲金融危機發(fā)生前一年）CPI指數(shù)與2007年CPI進行相關(guān)性分析，相關(guān)系數(shù)達到0.90，1997年CPI指數(shù)與2008年相關(guān)系數(shù)也達到0.815。

由于1997年金融危機發(fā)生前后CPI運行相關(guān)度非常高，而2008年金融危機發(fā)生當期CPI與2007年 CPI指數(shù)運行相關(guān)度非常高，并且2008、2009年前5個月同比數(shù)據(jù)相關(guān)度也非常高。因此運用2008年國際金融危機發(fā)生前的CPI價格指數(shù)預測2009年后7個月乃至2010以后CPI運行具有較強的參考意義。為提高學習擬合的準確度，筆者采用2001年2001～2008年每月CPI同比指數(shù)歷史數(shù)據(jù)來預測2009年6月份以后CPI指數(shù)。

2 建立改進的BP人工神經(jīng)網(wǎng)絡(luò)模型

由于我國以往CPI月度運行的統(tǒng)計分析表明，月度CPI運行受季節(jié)、災(zāi)害等因素的影響基本呈現(xiàn)較強的規(guī)律性，因此盡管CPI整體運行受金融危機等外界因素的影響較明顯，但月度之間的規(guī)律不會發(fā)生較大改變。因此，可以根據(jù)前數(shù)個月的CPI數(shù)據(jù)學習月度CPI之間的規(guī)律，從對今后數(shù)月數(shù)據(jù)進行定量預測。本文首先建立三層BP神經(jīng)網(wǎng)絡(luò)模型，根據(jù)2001～2008年每月CPI同比指數(shù)歷史數(shù)據(jù)，通過訓練該模型使其具有預測的學習功能。由于目前中國前5個的CPI數(shù)據(jù)已經(jīng)公布，現(xiàn)以2001～2008年前5個月CPI數(shù)據(jù)作為訓練數(shù)據(jù)，預測出6月份的數(shù)據(jù)，以此類推，預測出中國2009年后7個月CPI數(shù)據(jù)，進而預測出全年CPI數(shù)據(jù)。

2.1 建立三層BP神經(jīng)網(wǎng)絡(luò)模型

誤差反傳算法(BP)是Rn menhort在1986年提出的一種前饋階層網(wǎng)絡(luò)的學習算法，它是一種迭代梯度算法，用于求解前饋網(wǎng)絡(luò)的實際輸出與期望輸出間的最小均方差值。前饋階層網(wǎng)絡(luò)包含輸入層、隱含層和輸出層，各層之間實行全連接，層內(nèi)各神經(jīng)元之間無連接。BP網(wǎng)是一種反向傳遞并能修正誤差的多層映射網(wǎng)絡(luò)。當參數(shù)適當時，從理論上來說此網(wǎng)絡(luò)能夠收斂到較小的均方差。但是它存在如下缺陷：

（1）BP網(wǎng)絡(luò)既然是一個非線性最優(yōu)化問題，這就不可避免地出現(xiàn)局部極小問題。網(wǎng)絡(luò)的極值通過沿局部改善的方向一小步一小步的進行修正，力圖達到使誤差函數(shù)E最小化的全局解，但實際上常得到的使局部最優(yōu)點。

（2）學習過程中，下降慢，易出現(xiàn)一個長時間的誤差平坦期，所以BP網(wǎng)絡(luò)的短處是訓練時間較長。

（3）網(wǎng)絡(luò)結(jié)構(gòu)選擇不一，若網(wǎng)絡(luò)過大，則訓練效率不高，若過小，則不收斂。

2.2 改進的三層BP神經(jīng)網(wǎng)絡(luò)模型

鑒于傳統(tǒng)BP網(wǎng)絡(luò)的以上缺點，鑒于傳統(tǒng)BP網(wǎng)絡(luò)的以上缺點，本文對它進行了改進：（1）即在對權(quán)值和閾值進行修改時加入了動量項 α(0＜α＜1)，這起到了優(yōu)化作用。（2）理論上講BP網(wǎng)絡(luò)的隱含層可以有無限多，但實際應(yīng)用時一般只用一層。網(wǎng)絡(luò)精度的提高可通過增加神經(jīng)元的個數(shù)達到。如果我們采用前n個月CPI指數(shù)預測第n+1個月CPI指數(shù)，以此類推。

那么只需要n(n＞5)個節(jié)點輸入層和1個節(jié)點輸出層，至于隱含層節(jié)點個數(shù)的選擇，在進行本次BP網(wǎng)絡(luò)程序時使用了“試湊法”，發(fā)現(xiàn)節(jié)點個數(shù)為2n個時收斂情況較好。以前5個月CPI指數(shù)預測第6個月CPI指數(shù)的BP神經(jīng)網(wǎng)絡(luò)的拓撲圖為例，其他月份預測的網(wǎng)絡(luò)拓撲圖與此類似。前5個月CPI指數(shù)預測第6個月CPI指數(shù)的BP神經(jīng)網(wǎng)絡(luò)的拓撲圖如圖2所示。

2.3 BP網(wǎng)絡(luò)訓練算法程序流程圖（如圖3所示）

3 結(jié)論

表1 2009年中國CPI價格指數(shù)預測表

通過改進的BP人工神經(jīng)網(wǎng)絡(luò)對中國2001～2008年每年前5個月CPI數(shù)據(jù)進行訓練，并運用2009年已經(jīng)公布的前5個月數(shù)據(jù)，筆者對6月份CPI數(shù)據(jù)進行了預測（見表2），預測誤差下降圖見圖4。在基礎(chǔ)上，以6月份預測數(shù)依據(jù)分別預測7～12月份CPI數(shù)據(jù)見表2，它們的預測誤差下降圖見圖4、圖 5、圖 6、圖 7、圖 8、圖 9、圖 10。 相應(yīng)的2009 年 CPI指數(shù)運行圖見圖11。

為驗證通過上述模型預測CPI數(shù)據(jù)的準確性，筆者對2009年和2008年前5個月（均為已公布）CPI指數(shù)進行相關(guān)性分析，發(fā)現(xiàn)相關(guān)系數(shù)達到0.848；對2009年全年CPI指數(shù)（含預測數(shù)據(jù)）與2008年CPI數(shù)據(jù)進行相關(guān)性分析，相關(guān)系數(shù)達到0.882。這充分說明對2009年后7個月CPI數(shù)據(jù)預測相對比較準確。通過預測數(shù)據(jù)發(fā)現(xiàn)，2009年上半年我國CPI指數(shù)約為98.9，較上年同期下降1.1個百分點；全年指數(shù)約為97.8，較上年同期下降2.2個百分點。從預測月度數(shù)據(jù)來，月度CPI同比均呈穩(wěn)步下降態(tài)勢，其中7月和11月降幅將會比較大，降幅分別比6月、10月擴大1.7和1.3個百分點。由此可以知道，在當前國際國內(nèi)經(jīng)濟有復蘇跡象的情況下，我國前5月份同比CPI指數(shù)穩(wěn)定在98以上。但這樣穩(wěn)定是建立國家投資4萬億投資拉動內(nèi)需的基礎(chǔ)上，短時間起到刺激經(jīng)濟增長，穩(wěn)定價格的作用。但隨著投資拉動效應(yīng)的減弱，除非世界經(jīng)濟形勢進一步好轉(zhuǎn)或國家宏觀進一步加大擴大內(nèi)需力度，否則后7個月CPI仍處于負區(qū)間運行，年內(nèi)我國CPI指數(shù)運行難以實現(xiàn)由負轉(zhuǎn)正。

[1]聞新，周露，李翔，張寶偉.Matlab神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].北京：科學出版社出版，2003.

[2]徐秉錚，張百靈，韋崗.神經(jīng)網(wǎng)絡(luò)理論與應(yīng)用[M].廣州：華南理工出版社出版，1994.

[3]張國忠等.人工神經(jīng)網(wǎng)絡(luò)在上海電力負荷預測中的應(yīng)用[J].華北電力，2002，（2）.

[4]馬光文等.人工神經(jīng)網(wǎng)絡(luò)在用電量預測中的應(yīng)用[J].四川大學學報（工程科學版），2000，32（2）.

[5]張慶年.前饋神經(jīng)網(wǎng)絡(luò)的特性分析與應(yīng)用[J].武漢交通科技大學學報，1999,23（4）.

[6]鄧聚龍.灰色系統(tǒng)預測與決策[M].武漢：華中理工大學出版社，1986.

[7]張啟敏.灰色預測模型[J].寧夏大學學報（自然科學版），2002，23(2).

[8]李艷敏，孫薇.多元線性回歸分析在用電量預測中的應(yīng)用[J].華北電力技術(shù)，2003，（11）.

[9]張杰明.試論用多元線性回歸法預測城市需水量[J].城市公用事業(yè)，2004，18（4）.

[10]孫紅英.改進的BP人工神經(jīng)網(wǎng)絡(luò)在用電量預測中的應(yīng)用[J].陜西文理學院學報，2007,8.