经济预警方法的分类

任铁争

摘要：文章重点阐述了目前经常使用的经济预警方法，包括景气指数法、ARCH预警方法、基于概率模式分类法、人工神经网络方法、判别分析法等。

关键词：经济预警；预警方法

经济预警方法是指围绕经济循环波动这一特定经济现象所展开的一整套经济监测和经济评价的理论和方法体系，它主要包括预警指标的选择和确定、预警方法、警限界定和报警等几个方面的内容。其中预警方法是预警系统的核心，几种主要的预警方法如下：

一是景气指数法。景气指数法是用有关经济变量相互之间的时差关系来指示景气的动向，通过构建合成和扩散指数来达到对经济运行情况进行监测预警的目的。这种方法分为四步：第一步是确定时差关系的参照系——基准循环，这是关键的一步；第二步是选择构成指标；第三步是划分先行、同步、滞后指标；第四步是对先行、同步、滞后指标分别编制扩散指数和合成指数。划分先行、同步和滞后指标可以采用灰色关联度法、模糊贴近度法和判别分析法等。扩散指数能综合各个变量的波动，能够反映宏观经济波动过程，还能够有效地预测经济循环的转折点，但是不能明确表示经济循环变化的强弱。

二是ARCH预警方法。ARCH模型，即自回归条件异方差模型，它从统计上提供了用过去误差解释未来预测误差的一种方法。ARCH预警方法实际上是经济计量模型预警方法，即应用ARCH建立预测模型，根据ARCH模型条件异方差的特性，确定具有ARCH特征的警限，从而使预警的结果比较真实地反映实际经济运行状况。

这种预警方法能准确度量经济循环波动的误差，即预期误差，可以提供更合理的警限；该方法引入时变条件方差使预报的置信区间能够与经济时间序列的波动程度相适应，反映不同时期所作预测误差的大小，从而使确定的警限能比较准确地反映实际经济状况；可以改进通常的预测模型；还可以处理非线性的经济系统的预警问题。

三是基于概率模式分类法。该方法从模式识别的角度对宏观经济进行预警。所有具有相同警度的预警样本组成一个预警模式集，一个预警样本就称作一个预警模式。预警指标选择子系统就相当于模式识别系统中的模式特征选择，预警方法子系统相当于模式识别系统中的模式分类过程；报警子系统相当于模式识别系统中的识别错误检查过程。即预警就是把未知警度的新预警样本与已知警度的预警标准样本进行比较辨别，从而确定新预警样本所归属于的预警模式类别

尽管这种预警方法需要先驗概率、条件概率，但模式识别和多元统计分析可以解决预警实际应用中的许多困难，可以实现最小的误警概率和最小的预警风险，又适合研究预警的可靠性。而且不再从简单的统计规律出发来探求发展趋势，应用模式分类和比较来获得对未来状况的把握。因此，概率模式分类在预警系统的设计和应用中是很有前途的。

四是判别分析法。判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。判别分析过程是根据已知观测量的预警分类和表明观测量特征的财务比率变量，推导出判别函数，最后把各观测量的自变量值回代到判别函数中，根据判别函数对观测量所属类别进行判别。

五是人工神经网络方法。统计预警方法具有以下几点缺陷：①统计方法内的参数必须满足多元常态分配的假设（如正态）；②对错误资料的输入不具有容错性，无法自我学习与调整；③无法处理资料遗漏的状况；④属于静态预警方法。

人工神经网络是一种平行分散处理模式，除具有较好的模式识别能力外，而且可以克服统计预警等方法的限制，因为它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。最可贵的是它具有学习能力，可随时依据新准备数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的经济环境。由于ANN具备上述良好的性质与能力，且已有文献表明ANN的分类正确率高于判别分析法，它可作为解决经济预警的一个重要工具。

BP神经网络通常由输入层、输出层和隐藏层组成，被认为是最适用于模拟输入、输出的近似关系，因此它在ANN预警中被广泛应用。人工神经网络预警方法有两种方式：其一是通过ANN方法预测，再和事先由专家根据一定标准确定的参考值进行比较确定警度；另一种是增加一个报警模块，经过一定处理之后直接给出预警结果。ANN预警方法的实质是利用神经网络的预测功能实现经济预警。

此外，还有回归分析法、序贯判别法、等预警方法，这些方法可以分为三类： ①指数预警：景气指数法就属于这种类型，不仅能预测到经济周期的转折点，而且还可以分析经济的波动幅度，它在宏观经济领域的应用很广泛，比如金融危机、房地产等。②统计预警：判别分析、logistic回归分析属于这一类，该方法在企业预警尤其是上市公司财务危机预警中使用很活跃，而且使用变量少，数据收集容易，操作比较简便。③模型预警：又可以分为线性和非线性模型。大多数计量经济模型属于线性模型预警，既能明确地表示出主要经济变量之间的数量关系，又能剔除那些不感兴趣的以及飘忽不定的因素。这对于定量地研究带有不确定性因素的大系统是一种非常有效的方法，既抓住了问题的主要矛盾又撇开了次要因素的影响。但是经济计量模型利用随机误差来表示未知因素对模型的冲击，这样“平滑”处理的结果是它们都不可避免地漏掉了周期性运动的转折点。这对于通过预测经济周期转折点进行监测预警来讲，是其先天性的不足。基于概率分类的模式识别、人工智能等属于非线性预警模型，对处理复杂的非线性系统具有更大的优势。