【技术实现步骤摘要】
一种基于大数据分类算法的贸易摩擦预警模型
本专利技术涉及经济运行监测系统
,尤其是一种基于大数据分类算法的贸易摩擦预警模型。
技术介绍
贸易摩擦,是指在国际贸易中,国与国之间在进行贸易往来的过程中,在贸易平衡上所产生的、一般是一国的持续顺差、另一国的逆差、或一国的贸易活动触及或伤害另一国的产业。当前的国际贸易摩擦形势呈现两个新特点:(1)正在上台阶;(2)日趋激烈化。上台阶是指正在上第三个台阶。第一个台阶是关税壁垒、行政保护措施。世贸组织使所有成员大大降低了关税,努力取消行政保护措施。因此,这种初级贸易摩擦形式和手段已经大大弱化。第二个台阶是世贸组织允许各成员采取的3种合法的贸易保护手段--反倾销、反补贴、保障措施方兴未艾,同时,一些针对中国的特别保障措施以及贸易转移、市场扰乱、市场经济地位等手段和概念也在频频发生与使用。目前,贸易保护措施又上到新的第三个台阶:技术性贸易壁垒。技术性贸易壁垒摩擦过去也有,但现在比过去更加广泛化。但是随着近年遭遇的反补贴、技术壁垒日益增多,如何贸易国之间的博弈能占据优势,如何能降低贸易摩擦发生的概率,如何能提早发现贸易摩擦的苗头,进而采取一系列措施来预防或者阻止贸易损害的发生。贸易摩擦预警指标模型的建立能够提前预知当前贸易摩擦的趋势,为政府提供辅助决策。现有的贸易摩擦指数考虑更多的是政策因素,缺少了其他因素的介入会导致数据结果产生一定的偏差,并且计算出来的结果缺少一个贸易摩擦风险等级区间参考。传统解决方案中对贸易摩擦指数基于政策因素较多,然后再人工计算评估,因此在评估过程中估存在一定的主观性,经验差异性、漏判、误判等情 ...
【技术保护点】
一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中模型的方法步骤为:步骤一:构建数据标记与贸易摩擦体系指标分组;步骤二:构建专家评分模型;步骤三:构建SVM分类器;步骤四:训练分类模型;步骤五:贸易摩擦预警区间;步骤六:应用模型预测结果和区间确定。
【技术特征摘要】
1.一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中模型的方法步骤为:步骤一:构建数据标记与贸易摩擦体系指标分组;步骤二:构建专家评分模型;步骤三:构建SVM分类器;步骤四:训练分类模型;步骤五:贸易摩擦预警区间;步骤六:应用模型预测结果和区间确定。2.如权利要求1所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:步骤一中的贸易摩擦体系指标包括倾销因素指标、非倾销因素指标和对进口国构成产业损害的预警指标。3.如权利要求2所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中倾销因素指标包括同类产品进出口量及价格的变化率、同类产品进出口量分国别变化率、同类产品进出口价格分国别变化率、产品产量、销售量和销售价格变化率、产品产销率变化率、产品产能变化率、产品库存变化率、产品期末开工率变化率、产品销售利润变化率和期末失业率变化率。4.如权利要求1所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中构建专家评分模型包括专家评分模型建立和指标得分率计算。5.如权利要求1所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中专家评分模型建立对数量和时间答案的处理式中为评价结果,p为正整数,n为专家数,专家评分值从大到小排列,则Xp+1公式表示奇数个专家评分的中位数,(Xp+Xp+1)/2表示偶数个专家评分的中位数。6.如权利要求1所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:其中指标得分率计算设贸易摩擦指数有18个评价领域,有n个专家参与评价,设某一专家k给出的评分值集合为{Xi(j)}(k),式中{Xi(j)}(k)表示第k=1,2,···,n个专家对第i(i=1,2,···,n)领域的评分序分值,其值为j(j=1,2,···,m),根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中根据可将序分值集合转化为基分值集合{Bi(j)}(k),其中{Bi(j)}(k)表示第k个专家对第i个领域排在第j位时所对应的基数分值,然后,用下述公式计算每个研究领域的重要程度:在(2)以及(3)式中,m在(2)以及(3)式中,m表示领域数;Si表示i领域得分值;n表示专家数;Bi(j)表示i领域排在j位得分值;Ni表示赞同某一领域排在第j位的人计算得到的所有14个项目得分率Si组合成一个18维的向量x=[a1,a2,…,a18],该向量即表示一个二级指标的评分情况,计算所有二级指标评分情况向量,构成全体数据集Z={zn,n∈R}。7.如权利要求6所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:进一步的对全体数据集Z中的数据进行标号分类,所有高得分率二级指标标注为1,非高得分率二级指标标注为-1;并将标注结果后全体数据集中随机取出的60%数据组合构成训练数据集Strain={(zn,yn)|zn∈Z,zn∈{-1,1},n=1,2,3…}其中zn为第n个二级指标的得分率向量,yn为对应第n个二级指标的得分率结果,其余40%作为测试数据集Stest={(zm,ym)|zm∈Z,ym∈{-1,1},m=1,2,3…}其中zm为第m个二级指标的得分率向量,ym为对应第m个二级指标的得分率结果。8.如权利要求6所述的一种基于大数据分类算法的贸易摩擦预警模型,其特征在于:构建SVM分类器进一步的包括:设给定的训练集为{(z1,y1),(z2,y2),…,(zn,yn)}其中zi∈Rn为输入向量,yi∈{-1,1}为输出向量,假设该训练集可被一个超平面W·Z+b=0线性划分,问题转化为求最优化超平面问题:对于非线性可分的情况,可以通过一个映射函数(在SVM称核函数),将低维的输入空间Rn映射到高维的特征空间H,使线性可分;则优化问题转化为
【专利技术属性】
技术研发人员:王晓佳,蔡文鑫,
申请(专利权)人:广东广业开元科技有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。