物理学家也能预测GDP，而且比国际货币基金组织还准确

会员服务 ·

物理学家也能预测GDP，而且比国际货币基金组织还准确 | Nature Physics论文推荐

2018 年 8 月 14 日 科研圈

而且他们只用了两个变量。

来源 physics.org

撰文 Bob Yirka

翻译书牧

审校阿金

图片来源：Physics.org

一支由意大利物理学家组成的团队利用经济复杂性理论对世界上数个国家五年内的国内生产总值（GDP）进行了预测。在《自然·物理》杂志上发表的论文中，Andrea Tacchella、D.Mazzilli 和 Luciano Pietronero 描述了他们如何将这一理论应用于经济预测，以及到目前为止该理论的效果。

当前，经济学家使用各种模型预测 GDP，法律和政策制定者经常通过这些模型来为未来事件的决策提供依据。这类模型通常需要输入大量的变量，而且相当复杂。与之形成鲜明对比的是，意大利团队所做的预测仅用了两个变量：当前 GDP 和另一个他们称之为“经济适应性”（economic fitness）的变量。

这些研究人员使用适用于出口产品的物理原理，计算出某一国家经济适应性值。诸如多样化和产品复杂性等因素亦被考虑进去，作为衡量某一经济体相对实力的手段。他们的想法是评估一个国家的经济实力（产品的出口范围越广，种类越复杂，GDP 增长的可能性就越大），从而预测未来的繁荣程度。

该团队报告，该模型已运行了约六年之久，足以观察他们的预测与实际 GDP 数据的匹配程度。研究人员宣称，他们的预测准确率比国际货币基金组织的预测高出 25%。此外，他们的模型还准确地预测了 2015 年中国经济的蓬勃发展，而当时更传统的模型则显示中国经济正在放缓。

研究人员解释说，经济复杂性领域包括研究随时间变化的经济体行为，以及导致其变化的因素。为此他们使用了诸如那些用来测量流体和交通堵塞中湍流的工具。该研究的主导思想围绕着如下一种观点：具有大量元素且以非线性方式相互作用的复杂系统往往具有涌现性质。他们还进一步指出，学会理解这些性质，有助于深入理解诸如出口和 GDP 趋势等之间的关系。

原文链接：https://phys.org/news/2018-07-physics-gdp.html

论文信息

【标题】 Adynamical systems approach to gross domestic product forecasting

【作者】 A. Tacchella, D. Mazzilli & L. Pietronero

【刊期】 Nature Physics 14, 861–865

【时间】 30 July 2018

【doi】https://doi.org/10.1038/s41567-018-0204-y

【摘要】 Models developed for gross domestic product (GDP) growthforecasting tend to be extremely complex, relying on a large number ofvariables and parameters. Such complexity is not always to thebenefit of the accuracy of the forecast. Economic complexity constitutes aframework that builds on methods developed for the study of complex systems toconstruct approaches that are less demanding than standard macroeconomic onesin terms of data requirements, but whose accuracy remains to be systematicallybenchmarked. Here we develop a forecasting scheme that is shown to outperformthe accuracy of the five-year forecast issued by the International MonetaryFund (IMF) by more than 25% on the available data. The model is based oneffectively representing economic growth as a two-dimensional dynamical system,defined by GDP per capita and ‘fitness’, a variable computed using onlypublicly available product-level export data. We show that forecasting errorsproduced by the method are generally predictable and are also uncorrelated toIMF errors, suggesting that our method is extracting information that iscomplementary to standard approaches. We believe that our findings are of avery general nature and we plan to extend our validations on larger datasets infuture works.

【地址】https://www.nature.com/articles/s41567-018-0204-y

更多论文解读及推荐，点击👉关注领研网论文频道。