文摘

经济危机发生在经济经历剧烈的波动,从而导致沉重的社会和经济损失。经济危机发生在社会和经济有重大损失的经济发生突然变化或严重衰退。“经济周期预警机制”一词指的是一组理论和技术跟踪,评估,预测,选择关于财政政策的特殊经济现象被称为经济周期波动的影响。传统的预警机制已经无法跟上经济周期早期预警的要求由于经济全球化的发展,和不完整的预警和预警准确率差的现象经常发生。遗传算法模拟自然选择和遗传机制的达尔文的生物进化理论。这是一个生物进化过程的计算模型。这是一个技术寻找最佳答案通过模拟自然进化的进程。遗传算法近年来先进的令人难以置信的快速。它已经被广泛应用于机器学习、神经网络、控制系统优化和社会科学作为一个有效的,有用的,和可靠的优化技术。为了优化早期预警机制,提高早期预警的彻底性和准确性,探讨金融和经济周期的早期预警机制通过结合遗传算法。 A mathematical model of the economic cycle was built during the experiment and tested in accordance with the genetic algorithm’s basic operating principle. The findings demonstrate that the genetic algorithm-based early warning system for the financial economic cycle is more complete and accurate, with a 6.4% increase in accuracy.

1。介绍

在经济全球化的背景下,社会各界越来越多的关注经济形势。企业的生产经营受到影响,不仅自己的条件,但也由外部金融和经济市场。作为一个企业管理者,你必须有一个准确、全面地掌握经济周期的波动并提出相关策略来应对经济周期的波动;否则主动将失去了经济波动。经济周期的早期预警机制可以模拟和分析经济运行过程的基础上,经济监测指标体系,使宏观判断和预警。日益成熟的遗传算法应用到金融和经济周期的早期预警机制有利于提高预警机制的效率。

作为一个高性能的优化方法,遗传算法已广泛应用于各个领域。Tavakkoli-Moghaddam遗传多目标优化算法用于建立一个新的自动筛选模型。结果表明,该方法是合理和有效的,比传统方法更具用户友好性和智能(1]。Dawid使用遗传算法来分析在特征空间聚类的情况。测试结果表明,该算法可以找到合适的聚类中心的特征空间和优化集群相似度的测量2]。羌族设计的一种新方法来解决优化问题,结合黑脉金斑蝶优化(MBO)与和谐搜索(HS)。实验结果表明,该方法的搜索性能优于基本MBO和其他算法3]。Volkanovski建立一个真正的水下相机校正图像数据集,然后综合逆学习策略基于黏菌算法(SMA)优化张的传统校准的校准结果4]。龚利用蛾搜索算法(MSA)解决多维背包问题(MKP)。实验结果表明,该算法在解决MKP问题有很好的效果(5]。林构建了一个基于饥饿游戏的燃料电池模型搜索(硫化汞)算法,最后发现燃料电池模型的数值输出精度远高于其他模型(基于硫化汞6]。Keshtkar殖民地掠夺算法(CPA)应用于临床研究。实践表明,该算法能有效区分病毒吸收患者的严重程度(7]。这些研究遗传算法相对具体,但是他们并没有遗传算法应用于金融经济周期的早期预警机制。

为了阻止问题在他们开始之前,早期预警系统可以提供实时信息反馈。目前大量的学术研究的早期预警系统。博的团队和李讨论金融风险的预警理论是如何并创建了一个计算模型。实验表明,该模型可以减少地方金融风险和援助发展的早期预警系统由地方政府(8]。他们谈论为级联故障早期检测系统。快速计算方法和模拟识别系统已经被证明是有效的在提供早期预警的级联故障(9]。库珀覆盖的具体细节和过程制药行业的专利预警系统。分析表明,制药公司的早期预警研究可以使用专利预警机制作为参考(10]。Yumei检查风险早期预警系统功能如何在护理安全工作。早期预警系统可以帮助护理人员更好地识别和解决护理风险,减少消极护理事件,提高护理满意度,根据研究成果(11]。小王提出了电能质量预测和预警机制,后来通过例子和应用分析证明了电能质量预测和预警机制具有较强的适用性和有效性12]。你之前讨论了供水系统预警机制提出一个建议构建一个新的供水系统通过分析当前供水系统(13]。朱研究网络舆论的早期预警系统,概述了预警系统的基本结构,并向政府提供指导处理公众意见(14]。尽管早期的预警系统研究仍相当深入,也不提及金融和经济周期的早期预警系统,也不提倡使用遗传算法作为一种早期预警系统。

,关键是要有一个坚定的理解金融市场的经济周期波动的市场经济的快速发展。本文首先介绍了遗传算法的定义和操作,然后构建了一个基于遗传算法的金融经济周期的早期预警系统。研究结果证明遗传算法可以提高预警工作的彻底性和精度通过修改和创新原有的金融和经济周期的早期预警机制。

2。遗传算法

2.1。遗传算法原理

遗传算法是基于自然选择和遗传搜索算法,它模仿复制、交换、突变事件自然选择和人类遗传过程。在遗传算法的开始,几个人总是随机创建,每个评估和分配一个资格根据给定函数值。基于这一技能分数,一些人选择为下一代,和选择功能体现了“适者生存”的原则15]。

其工作原理如图1。第一,个人资质评估与每个染色体相关联,和两个人被选中作为父亲和母亲根据原则,性能越高,选择的可能性就越大。然后,父母双方的染色体是提取和交叉产生的后代。最终,后代的染色体变异。重复上面的步骤,直到生成新的人口,和周期完成。

2.2。基因操作

遗传算法的基本操作过程如图2,主要包括选择、交换和突变。

2.2.1。选择

选择操作是实现该组织的目的可以通过自身生存和发展,提高收敛速度和搜索效率。优秀的个人,母亲,然后从群体中选择并允许产生后代。每个个体的卓越水平的量化是自己的健身价值;适应度越高,个体就越好。选择工作是开展根据达尔文的适者生存情况(16),这意味着相对较高的个人健身时,被选中的概率会更高,生产后代的几率也会增加。选择过程是先估计个体的数量,计算的总和所有个人的健身,然后选择的比例根据每个人的健康,并决定每个人应该复制本身在下一代的健康。

2.2.2。交换

交换操作的意义是创造新的个体,解决方案不断扩大搜索空间,提高算法的搜索能力。其具体的概念是指交换结构的一部分的操作两个父个体生成一个新的个体。交换操作的步骤如下:首先,所有的个体交配是随机搭配的,其次,交换位置都是随机分配到交配的个体,最后交配的个体交换一些信息根据交换概率形成一个新的个体。交换遗传算法的操作是最重要的一步,和新一代的个人必须通过交换生成操作。

2.2.3。变异

突变也可以称为突变,这一步是非常重要的优化和发展(17]。当优化过程陷入局部最优解,突变可以用来避免局部最优预测解决方案陷阱。突变的方法是一点一点的实现,也就是说,某个位置的信息是实时突变。变异操作执行后交换操作完成。它可以随机选择一个配对的个体,然后根据突变概率变异。突变引入遗传算法有两个目的:第一是使遗传算法局部随机搜索的能力。当遗传算法方法最优预测解决方案通过交换,突变本地搜索的使用可以提高预测最优解的收敛速度。另一个是使遗传算法保持群体多样性的特点,防止它显示早收敛现象。

3所示。金融经济周期和早期预警系统的建立基于遗传算法

金融经济周期运动的整个经济,扩张和收缩,不断变化的高峰和低谷。如图3经济周期包括四个阶段:复苏、繁荣,衰退,萧条。这四个阶段反映经济的涨落在动态增长,而经济的周期性起伏并不是随机的,但反复出现(18]。一般来说,经济周期可以分为四种类型根据经济周期波动对经济增长的影响程度和长度的时间周期的形成:(1)短周期:周期的持续时间约40个月或3.5年。经济的短期波动主要是由于暂时性的波动变化引起投资增加所造成的企业库存,也称为库存周期。(2)介质循环:周期的持续时间为8 - 10年。人们普遍认为,这种循环是由固定资产投资的持续波动,所以它也被称为固定投资周期。(3)中长期循环:周期的长度通常是15 - 30年。这个循环是建设投资的变化的结果,也称为建设周期。(4)长周期:周期的长度通常是大约54年。有许多原因的形成这漫长的周期,但人们普遍认为,技术创新和产业发展的主要原因是这个循环的形成。

准确地确定经济波动的周期阶段对金融经济周期是必要的预警(19]。很明显,金融经济周期性的方式发展。政府受益于早期的金融和经济周期的警告,因为它可以更好地理解经济的状态。开发一个遗传算法的主要方法早期预警系统对金融经济周期如下:每个阶段的经济发展是由索引值,反映了金融经济周期,根据经济波动的实际情况和金融经济周期的阶段特征。索引值,影响金融和经济周期波动是如何编码的遗传算法的变异输入。最后,周期预测结果代码是由使用时间序列分析方法来预测各种指标的值影响的金融和经济周期在指定的时期。此方法作为一个培训提供组件。

经济周期的早期预警系统的结构如图4。首先,金融和经济的时间信息,金融部门预警信息,监测信息和专家意见收集在一起。然后使用遗传算法过程和集成数据,然后专家将模拟和预测经济周期,做出综合评价。最后,预警分类和预警进行发行。

4所示。应用遗传算法的数学模型,金融和经济循环机制

经济周期理论指出,当整个经济体系不能达到潜在产出水平,综合需求的变化,特别是投资需求的变化,发挥关键作用的整体输出波动(20.]。供给曲线在图5非常清楚地表明,实际产出与通货膨胀变化,导致产品价格上涨。垂直和水平轴代表价格水平和最初的总需求,分别。虚线和曲线的交点是起始位置经济的价格水平位于,实际产出是由供给曲线 和需求曲线 。

图6显示了应用程序过程中遗传算法的数学模型。根据收入恒等方程 和遗传算法的工作原理,可以获得经济运行的数学模型:

的公式,代表消费的意图,是消费时期 , 输出时期 , 投资时期 , 政府消费在时间吗 ,和和分别代表了消费和投资。

经济周期的基本结构预警数学模型是由人们的行为偏好,资源约束,资本积累方法,生产函数和技术冲击[22]。认为整个经济是由许多理性和政府与无限的寿命决定输入、消费、劳动力供给。模型中假定人都是变量和行为一样,可以发现模型代表合理的角色。首选项代表理性的代理人可以用效用函数 对于消费和休闲。对于这两个变量 ,选择消费序列和休闲序列效用最大化;然后, 在哪里是折扣因素,范围是 ,它反映了偏好的理性消费,然后呢代表了数学期望根据信息形成的的时刻。

在资源约束,模型假定劳动时间的总和和空闲时间提供给每个代理是1,也就是说, ,模型是一个封闭的模型,对消费和投资产品,也就是说, 。

资本积累方程 在哪里折旧率,投资周期吗t,期的资产t。

技术冲击,代表了技术的冲击t和运动条件如下:

其中,是参数 技术的变化。

在竞争激烈的经济市场,代表公司的生产函数如下: 在哪里和资本和劳动力的投入t分别为,生产力在时间吗t在以下表格:

时期的效用函数t可以设置为 ,和理性需要选择有效消费序列和闲置的序列 。当效用最大化 在哪里是主观贴现因子,它的范围是 , 时期的休闲因素吗t,期消费情况t。结合上面的资源约束,资源约束方程 在哪里政府消费。作为一个新的变量,政府消费需要的形式

其中,是一个恒定值, 是一个常数。

资本积累方程 在哪里折旧率和吗投资周期吗t。

消费函数是用来连接居民消费与政府消费, 代表了政府消费与居民消费的价值。消费函数如下:

技术冲击必须符合以下规则: 在哪里新添加的改变参数。

然后新的生产函数形式

的生产力水平表示为

上述两个模型是基于一个封闭的经济体。如果资本和市场不同国家之间的流动被认为是,新的数学模型是必需的。经济假设有两个国家,每个国家由许多消费者和企业,每个国家产生不同的商品,国与国之间,劳动者不能移动,那么国家的效用函数 是

其中,代表国家的消费我时期t,这两个国家的总效用 ,和 是给定的效用的重量。

假设每个国家只能生产一种产品,表示一个和b分别和劳动时间的总和和空闲时间人们在每个国家可以控制是1,也就是说, ,资源约束方程 在哪里和代表产品的数量分别被两国;和代表产品的数量的总和分别被两国;和 ,分别代表两个国家的生产率t。消费和投资是由国内外大宗商品,满足以下方程:

其中,是第i个国家的政府消费,是哈密顿。

资本积累方程

其中, 折旧率,的投资吗我th的国家t时期。

技术冲击在这个阶段可以表示为 代表了技术的冲击我th国家时t。

5。实验结果的金融经济周期的早期预警机制基于遗传算法

为了验证预警机制的可行性,银行贷款余额同比增长变化的贷款,狭窄的货币供应量年代1,广义货币供应年代2在一个国家从1990年到2010年被选为测试。

水平值的一阶方差 , ,和为统一的根序列进行测试,测试结果如表所示1和2。从下表可以看出,水平的值 , ,和系列有一个明确的统一的根,他们都非平稳的时间序列。在3%的显著性水平, , ,和系列是一阶差分后转化为固定的时间序列。

图7显示了银行贷款余额贷款的年度增长趋势,S1,狭义货币供应和广义货币供应量S2从1990年到2010年。如图7,银行贷款余额的变化大致与货币供应量的变化一致,S1和S2和贷款之间的关系是相对较高的。特别是2020年以后,由于市场经济体制的改善,行政干预银行资产的现象就会逐渐消失。商业银行的贷款行为决定了市场经济的操作条件,和这种同步趋势仍相对明显。

实时监控的经济周期波动是一个重要的预警机制的一部分,和GDP增长的监控状态下选择这个机制分析。

图8显示了从1990年到2010年GDP增长的变化。从柱状图可以看出,最后一个完整的经济周期波动发生在1990 - 2002年期间,经济波动是最大的从1992年到1993年,和周期性趋势是显而易见的。1996年后进入一个上升阶段,但资本存量之间的结构性失衡和收入流2003年的经济增长放缓。

金融和经济周期由许多部分组成。验证的准确性预警机制,实际价值和预警价值总额的商业产值,商品零售总额、地方财政收入和居民消费指数从1月到12月的12个月内进行比较,如图9和10。

从数据9和10,总商业输出值的实际价值,商品零售总额、地方财政收入和居民消费指数预警值并没有太大的区别。预警值的趋势基本上反映了实际波动的趋势,这也反映了相对准确的经济波动趋势预警机制。这表明经济周期预警机制建设的基于遗传算法的相对成功。

图11显示的准确性的比较传统的预警机制和遗传算法的早期预警机制的金融经济周期12个月。从折线图可以看出,早期预警准确率两个每个月波动预警机制。然而,准确率金融和经济周期的早期预警机制基于遗传算法已经高于传统的预警机制,而且准确率高6.4%,也证实了该机制具有重要的参考价值领域的金融和经济周期的早期预警。

6。讨论

为了提高和创新的早期预警系统,遗传算法应用于这项工作的早期预警系统金融经济周期。这项工作发展一个早期预警系统基于遗传算法原理和使用数学模型结合和分析相关数据,以及国内外研究现状。最后,一个测试计划来验证新的金融和经济周期的早期预警系统。一般来说,尽管金融和经济周期预警机制描述了遗传算法在这项研究中缺乏一些专业的判断,这对预警机制具有重要的参考价值未来的发展。

7所示。结论

各级经济问题正在增加在经济全球化的背景下,也提出了重大挑战金融和经济市场和可能导致金融问题。一个优秀的早期预警系统是至关重要的精确理解金融和经济周期的波动趋势和发展响应策略当没有金融风险成为现实。至关重要的创新和适应早期预警机制,因为它逐渐无法满足社会的需求,金融和经济发展。早期预警系统的全面性和准确性可以使用遗传算法,提高了一个新的优化技术,准确地计算出的数据和信息。对风险预警在金融行业工作,遗传算法预警机制对金融循环周期将是至关重要的。

数据可用性

使用的数据来支持本研究的发现可以从作者要求。

的利益冲突

作者宣称没有利益冲突。