根據財政收入資料進行預測
分析財政收入預測背景
財政收入,是指政府為履行其職能、實施公共政策和提供公共物品與服務需要而籌集的一切資金的總和。財政收入表現為政府部門在一定時期內(一般為一個財政年度)所取得的貨幣收入。財政收入是衡量一國政府財力的重要特徵,政府在社會經濟活動中提供公共物品和服務的範圍和數量,在很大程度上取決於財政收入的充裕狀況。
在我國現行的分稅制財政管理體制下,地方財政收入不但是國家財政收入的重要組成部分,而且具有其相對獨立的構成內容。如何制定地方財政支出計劃,合理分配地方財政收入,促進地方的發展,提高市民的收入和生活質量是每個地方政府需要考慮的首要問題。因此,地方財政收入預測是非常必要的。
一、灰色預測模型以及SVR預測模型
任務描述
基於灰色預測對小樣本資料集的優良效能,首先對單個特徵建立灰色預測模型,得到各特徵2014年和2015年的預測值。然後對2013年以前的訓練資料集建立支援向量迴歸模型,將建立好的模型與灰色預測模型相結合,對2014年和2015年的財政收入進行預測。
任務分析
(1)載入GM(1,1)原始檔,構建灰色預測模型,得到各特徵值。
(2)使用LinearSVR函式,構建支援向量迴歸模型,得到2014年及2015年財政收入預測值。
任務流程
(1)構建灰色預測模型,獲取預測特徵值
建立了一個自定義灰色預測函式GM11
1 # -*- coding: utf-8 -*- 2 """ 3 Created on Mon Mar 28 11:12:48 20224 5 @author: 13549 6 """ 7 8 def GM11(x0): #自定義灰色預測函式 9 import numpy as np 10 x1 = x0.cumsum() #1-AGO序列 11 z1 = (x1[:len(x1)-1] + x1[1:])/2.0 #緊鄰均值(MEAN)生成序列 12 z1 = z1.reshape((len(z1),1)) 13 B = np.append(-z1, np.ones_like(z1), axis = 1) 14 Yn = x0[1:].reshape((len(x0)-1, 1)) 15 [[a],[b]] = np.dot(np.dot(np.linalg.inv(np.dot(B.T, B)), B.T), Yn) #計算引數 16 f = lambda k: (x0[0]-b/a)*np.exp(-a*(k-1))-(x0[0]-b/a)*np.exp(-a*(k-2)) #還原值 17 delta = np.abs(x0 - np.array([f(i) for i in range(1,len(x0)+1)])) 18 C = delta.std()/x0.std() 19 P = 1.0*(np.abs(delta - delta.mean()) < 0.6745*x0.std()).sum()/len(x0) 20 return f, a, b, x0[0], C, P #返回灰色預測函式、a、b、首項、方差比、小殘差概率
(2)描述性統計分析,得到特徵之間的相關性關係
1 # 程式碼6-1 2 3 import numpy as np 4 import pandas as pd 5 6 inputfile = '../data/data.csv' # 輸入的資料檔案 7 data = pd.read_csv(inputfile) # 讀取資料 8 9 # 描述性統計分析 10 description = [data.min(), data.max(), data.mean(), data.std()] # 依次計算最小值、最大值、均值、標準差 11 description = pd.DataFrame(description, index = ['Min', 'Max', 'Mean', 'STD']).T # 將結果存入資料框 12 print('描述性統計結果:\n',np.round(description, 2)) # 保留兩位小數 13 14 15 16 # 程式碼6-2 17 18 # 相關性分析 19 corr = data.corr(method = 'pearson') # 計算相關係數矩陣 20 print('相關係數矩陣為:\n',np.round(corr, 2)) # 保留兩位小數
繪製熱力圖
1 # 繪製熱力圖 2 import matplotlib.pyplot as plt 3 import seaborn as sns 4 plt.subplots(figsize=(10, 10)) # 設定畫面大小 5 sns.heatmap(corr, annot=True, vmax=1, square=True, cmap="Blues") 6 plt.title('相關性熱力圖') 7 plt.show() 8 plt.close
由熱力圖可知,選取的各特徵除了x11外,其他特徵與y的相關性很強,可以用作財政收入預測分析的關鍵特徵,但這些特徵之間存在資訊的重複,需要對特徵進行進一步篩選。
(3)使用Lasso迴歸方法進行關鍵特徵選取
1 #-*- coding: utf-8 -*- 2 3 # 程式碼6-4 4 5 import numpy as np 6 import pandas as pd 7 from sklearn.linear_model import Lasso 8 9 inputfile = 'D:/課本python資料探勘/data/data.csv' # 輸入的資料檔案 10 data = pd.read_csv(inputfile) # 讀取資料 11 lasso = Lasso(1000) # 呼叫Lasso()函式,設定λ的值為1000 12 lasso.fit(data.iloc[:,0:13],data['y']) 13 print('相關係數為:',np.round(lasso.coef_,5)) # 輸出結果,保留五位小數 14 15 print('相關係數非零個數為:',np.sum(lasso.coef_ != 0)) # 計算相關係數非零的個數 16 17 18 mask = lasso.coef_ != 0 # 返回一個相關係數是否為零的布林陣列 19 mask = np.append(mask,True) 20 print('相關係數是否為零:',mask) 21 22 outputfile ='D:/課本python資料探勘/output/new_reg_data.csv' # 輸出的資料檔案 23 new_reg_data = data.iloc[:, mask] # 返回相關係數非零的資料 24 new_reg_data.to_csv(outputfile) # 儲存資料 25 print('輸出資料的維度為:',new_reg_data.shape) # 檢視輸出資料的維度
並得到關鍵因素的資料(檔名為new_reg_data.csv):
(4)構建灰色預測模型,並預測2014年和2015年的財政收入
1 #-*- coding: utf-8 -*- 2 3 # 程式碼6-5 4 5 import sys 6 sys.path.append('../code') # 設定路徑 7 import numpy as np 8 import pandas as pd 9 from GM11 import GM11 # 引入自編的灰色預測函式 10 11 inputfile1 = 'D:/課本python資料探勘/output/new_reg_data.csv' # 輸入的資料檔案 12 inputfile2 = 'D:/課本python資料探勘/data/data.csv' # 輸入的資料檔案 13 new_reg_data = pd.read_csv(inputfile1) # 讀取經過特徵選擇後的資料 14 data = pd.read_csv(inputfile2) # 讀取總的資料 15 new_reg_data.index = range(1994, 2014) 16 new_reg_data.loc[2014] = None 17 new_reg_data.loc[2015] = None 18 l = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13'] 19 for i in l: 20 #f=GM11(new_reg_data.loc[range(1994,2014),i].as_matrix())[0] 21 f = GM11(new_reg_data.loc[range(1994, 2014),i].values)[0] 22 new_reg_data.loc[2014,i] = f(len(new_reg_data)-1) # 2014年預測結果 23 new_reg_data.loc[2015,i] = f(len(new_reg_data)) # 2015年預測結果 24 new_reg_data[i] = new_reg_data[i].round(2) # 保留兩位小數 25 outputfile = 'D:/課本python資料探勘/output/new_reg_data_GM11.xls' # 灰色預測後儲存的路徑 26 y = list(data['y'].values) # 提取財政收入列,合併至新資料框中 27 y.extend([np.nan,np.nan]) 28 new_reg_data['y'] = y 29 new_reg_data.to_excel(outputfile) # 結果輸出 30 print('預測結果為:\n',new_reg_data.loc[2014:2015,:]) # 預測結果展示
(5)構建支援向量迴歸模型,得到2014年及2015年財政收入預測值
預測之前,需要將資料進行標準化處理,那麼就用到了z-score標準化。z-score標準化能消除資料量綱上的影響,減少迭代次數。
1 data_train = data.loc[range(1994,2014)].copy() # 取2014年前的資料建模 2 data_mean = data_train.mean() 3 data_std = data_train.std() 4 data_train = (data_train - data_mean)/data_std # 資料標準化
利用svr模型得到2014年和2015年的財政收入預測值
# -*- coding: utf-8 -*- """ Created on Mon Mar 28 11:17:48 2022 @author: 13549 """ # 程式碼6-6 import matplotlib.pyplot as plt from sklearn.svm import LinearSVR import pandas as pd inputfile = 'D:/課本python資料探勘/output/new_reg_data_GM11.xls' # 灰色預測後儲存的路徑 data = pd.read_excel(inputfile) # 讀取資料 data.index = range(1994,2016) feature = ['x1', 'x3', 'x4', 'x5', 'x6', 'x7', 'x8', 'x13'] # 屬性所在列 #data_train = data.loc[range(1994,2014)].copy() # 取2014年前的資料建模 data_train = data.loc[range(1994,2014)].copy() # 取2014年前的資料建模 data_mean = data_train.mean() data_std = data_train.std() data_train = (data_train - data_mean)/data_std # 資料標準化 x_train = data_train[feature].values # 屬性資料 y_train = data_train['y'].values # 標籤資料 linearsvr = LinearSVR() # 呼叫LinearSVR()函式 linearsvr.fit(x_train,y_train) x = ((data[feature] - data_mean[feature])/data_std[feature]).values # 預測,並還原結果。 data['y_pred'] = linearsvr.predict(x) * data_std['y'] + data_mean['y'] outputfile = 'D:/課本python資料探勘/output/new_reg_data_GM11_revenue.xls' # SVR預測後儲存的結果 data.to_excel(outputfile) print('真實值與預測值分別為:\n',data[['y','y_pred']]) fig = data[['y','y_pred']].plot(subplots = True, style=['b-o','r-*']) # 畫出預測結果圖 plt.show()
根據實際值與預測值以及預測效果圖的對比,建立的支援向量迴歸模型擬合效果優良,可以用於預測財政收入。
其中2014年和2015年的財政收入預測值分別為
二、ARIMA模型
任務描述
將2013年以前的訓練資料按其先後發生的時間順序排列而成,使用時序圖、自相關圖、平穩性進行檢驗序列是否平穩,如果該序列是非平穩的,還需要再對序列進行差分處理,最後根據這些歷史資料對2014年和2015年的財政收入進行預測。
任務分析
(1)使用時序圖、自相關圖、平穩性檢驗序列是否平穩。
(2)如果該序列是非平穩的,還需要再對序列進行差分處理。
任務流程
(1)使用時序圖、自相關圖、平穩性檢驗序列是否平穩
1 # -*- coding: utf-8 -*- 2 3 import pandas as pd 4 # 引數初始化 5 discfile = '../data/arima_data.xls' 6 forecastnum = 5 7 8 # 讀取資料,指定日期列為指標,pandas自動將“日期”列識別為Datetime格式 9 data = pd.read_excel(discfile, index_col = '日期') 10 11 # 時序圖 12 import matplotlib.pyplot as plt 13 plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤 14 plt.rcParams['axes.unicode_minus'] = False # 用來正常顯示負號 15 data.plot() 16 plt.show() 17 18 # 自相關圖 19 from statsmodels.graphics.tsaplots import plot_acf 20 plot_acf(data).show() 21 22 # 平穩性檢測 23 from statsmodels.tsa.stattools import adfuller as ADF 24 print('原始序列的ADF檢驗結果為:', ADF(data['銷量'])) 25 # 返回值依次為adf、pvalue、usedlag、nobs、critical values、icbest、regresults、resstore
時序圖
自相關圖
平穩性檢測
(2)該序列是非平穩的,對序列進行差分處理
1 # 差分後的結果 2 D_data = data.diff().dropna() 3 D_data.columns = ['銷量差分'] 4 D_data.plot() # 時序圖 5 plt.show() 6 plot_acf(D_data).show() # 自相關圖 7 from statsmodels.graphics.tsaplots import plot_pacf 8 plot_pacf(D_data).show() # 偏自相關圖 9 print('差分序列的ADF檢驗結果為:', ADF(D_data['銷量差分'])) # 平穩性檢測 10 11 # 白噪聲檢驗 12 from statsmodels.stats.diagnostic import acorr_ljungbox 13 print('差分序列的白噪聲檢驗結果為:', acorr_ljungbox(D_data, lags=1)) # 返回統計量和p值 14 15 from statsmodels.tsa.arima_model import ARIMA
差分後的時序圖
差分後的自相關圖
差分後的偏自相關圖
差分後的平穩性檢驗和白噪聲檢驗
(3)定階
1 # 定階 2 data['銷量'] = data['銷量'].astype(float) 3 pmax = int(len(D_data)/20) # 一般階數不超過length/10 4 qmax = int(len(D_data)/20) # 一般階數不超過length/10 5 bic_matrix = [] # BIC矩陣 6 for p in range(pmax+1): 7 tmp = [] 8 for q in range(qmax+1): 9 try: # 存在部分報錯,所以用try來跳過報錯。 10 tmp.append(ARIMA(data, (p,1,q)).fit().bic) 11 except: 12 tmp.append(None) 13 bic_matrix.append(tmp) 14 15 bic_matrix = pd.DataFrame(bic_matrix) # 從中可以找出最小值 16 17 p,q = bic_matrix.stack().idxmin() # 先用stack展平,然後用idxmin找出最小值位置。 18 print('BIC最小的p值和q值為:%s、%s' %(p,q)) 19 model = ARIMA(data, (p,1,q)).fit() # 建立ARIMA(0, 1, 1)模型 20 print('模型報告為:\n', model.summary2()) 21 print('預測未來5天,其預測結果、標準誤差、置信區間如下:\n', model.forecast(5))
其中未來5天的財政收入預測值分別為
三、結論
灰色預測演算法+SVR演算法預測的模型效果更好