分析美国不同的当选者对中国经济的影响

朱静伟 黄荣霞 李晓伟 刘乙雁 崔国庆 郭继珺

【摘 要】不同的美国当选者对全球经济格局的影响是不同的，同时对中国经济也会产生影响。本文以此为背景进行分析。首先找出影响中国经济的目标参数，接着引入粒子群寻优算法，在训练神经网络权值的同时优化其隐含层个数及结构，突出影响中国经济目标参数的节点预测输出值，之后建立PSO-BP神经网络定量分析模型，将经济影响的目标参数作为输入层节点，对全部的目标参数进行预测分析，与原始值比较后得到不同当选者对中国经济产生的影响。

【关键词】粒子群优化;POS-BP神经网络;预测分析

1.引言

近几十年来，被称为美国总统大选的竞选活动，吸引了全世界的广泛关注。在美国总统大选之年，共和党候选人唐纳德·特朗普和民主党候选人乔·拜登一起竞选美国总统。但是，双方的候选人在经济、文化、金融等不同的重点发展领域有着不同的政治立场和措施。故他们的措施理念也将对美国经济和世界经济产生不同程度的影响。与此同时也会对中国的经济也会产生很大的影响。本文在此背景下，进行分析。

由于美国总統对中国经济的影响分析较为隐蔽和复杂，故通过预测的方法分析受美国大选影响的中国经济的发展趋势，结合改进的神经网络从多个方面进一步量化研究。首先找出可能影响中国经济的目标参数，之后引入粒子群寻优算法，对神经网络的结构和参数进一步优化。再结合实际分析建立PSO-BP神经网络定量分析模型，通过归一化处理，激励函数，前向传播和后向传播训练网络参数，并检验网络的预测能力及推广能力，得到不同当选者条件下对中国经济产生的影响。

2.模型的建立

通过分析选择出影响中国经济的衡量参数，再通过聚类分析得到领域参数影响中和国经济的目标参数如下：

（1）新型冠状病毒肺炎防治工作：医院病床，冠状病毒病例（2）基础设施：交通覆盖率，全民医疗保险的覆盖率，通信覆盖率（3）税收收入：企业所得税税率，个人所得税，社会保障税率（4）环境保护：全市平均空气质量指数≥2的天数，生活垃圾无害化处理率，人均绿地面积，建成区绿化覆盖率（5）医疗保险：医疗支出占国内生产总值的比例，公民死亡，重大疾病治愈率（6）就业（劳动力）：劳动力成本，失业率（7）贸易：资本流动，贸易平衡，贸易术语（8）移民：入境旅游指数，外国直接投资，恐怖主义指数（9）教育：教育经费每年占国内生产总值的比例，高级人才普及率

由上分析可得，依据改进神经网络训练防治措施、基础设施、税收、环保、医疗保险、就业劳动力、贸易、移民、教育9个领域参数同时，再输入25个衡量参数得到对应领域因子的影响程度，建立PSO-BP[1]神经网络量化分析模型。

2.1选择参数及激励函数

我们关于特朗普对中国经济的影响预测方法是利用近年内中国固有经济的发展进行预测，中国经济总量是由企业税收、环保环境、医疗保险、资产平均收入、贸易等各部分组成，它们与中国经济之间相互影响、相互制约。

2.2粒子群优化分析

由于我们的主体结构为衡量参数到领域参数再到经济影响，其中的连接结构较为复杂，运行速度较慢，我们采用粒子群算法对网络结构进行优化分析。

只有当k=n时，参数权重连接值不等于0，我们认为神经网络输出的中国经济发展预测符合条件，若连接值等于0，则检查自反馈功能。

2.3前向传播过程

记为第l-1层第k个神经元到第L层第j个神经元的权重，为第L层第j个神经元的偏置，为激活值

对给定的训练模式输入后，计算网络的输出模式，并与期望值比较，有误差则向下执行。否则返回上一步。

2.4反向传播过程

计算同一层单元的误差，修改权值和阈值[4]。神经网络主要依据权值和阈值，调整网络中的数值。我们通过神经网络，旨在找到最优化结果。

我们将神经网络每一层的多个自变量参数看做神经元，全部神经元共同影响最后的中国经济发展，当某一参数出现异常时，网络可以通过误差分析进行判别筛选。

3.模型的预测结果

4.结论

通过建立模型，并进行分析和预测之后，可以看出特朗普执政后，对中国经济产生了较大影响。特朗普执政无疑会对中美两国未来的贸易、经济深度合作带来负面影响，但同时也可以看出，特朗普的执政对中国在卫生医疗领域的发展没有产生较大的影响。通过相关的预测还可以得出，在金融市场的影响方面，特朗普当选或拉低美元汇率，不利好出口股、资源股，但利好油价。

从双边角度看，拜登政府的对华政策有可能比特朗普通过外国直接投资，贸易差额，企业所得税率等指标的预测，可看出拜登支持自由贸易、回归多边主义、反对关税，中美贸易摩擦有望阶段性缓和。政府趋于缓和但同时美国对华将采取强硬措施，在中国主导未来的技术和产业发展带来负面影响

参考文献：

[1]王静. 带有非平移紧外力的非自治波方程的Kolmogorov ε-熵[D].兰州大学，2020.

[2]吴鹏. 基于软件流水技术的深度卷积神经网络并行化研究[D].南京邮电大学，2020.

[3]苏守宝，陈秋鑫，王池社，李智.群活性反馈的变异自适应分数阶粒子群优化[J/OL].中国科学技术大学学报：1-11[2021-02-03].http：//kns.cnki.net/kcms/detail/34.1054.N.20210126.1412.015.html.

[4]徐志强. 神经网络模型在光学变频哈特曼波前传感技术中的应用[D].中国科学院大学（中国科学院光电技术研究所），2020.

（作者单位：辽宁工程技术大学）