Nature：新的建模預測GDP提高

　　據英國《自然·物理學》雜志30日在線發表的一項最新研究，歐洲科學家團隊詳細介紹了一種預測國內生產總值（GDP）的新方法，將經濟增長視為一套物理系統，通過復雜系統物理建模對產品出口數據進行分析，并預測該系統的動態。新方法可以補充國際貨幣基金組織（IMF）的預測，準確度甚至更優。

　　GDP是指一個國家（或地區）所有常住單位在一定時期內生產的全部最終產品和服務價值的總和，常被認為是衡量國家（或地區）經濟狀況的指標。

　　而對一個國家的復雜經濟系統建模是極大的挑戰。盡管經濟學家可以獲取的數據越來越多，但從海量的數據中得出可靠的、重現性好的結果，遠非易事。因此有人提出讓復雜系統物理學來幫忙：這一領域的技術優越性在于，可以對難以從單個要素中分析的系統進行建模，例如流行病蔓延、交通流量變化等。

　　意大利國家研究委員會（CNR）研究人員安德魯·塔切拉及其同事開發的這套GDP預測方法的基本理念是：在已知的歷史數據中找到未知的復雜系統的近似模擬，并觀察模擬的時間演化，從而對復雜系統的行為進行預測。

　　不過，這種方法只有在使用低維模型（維度即輸入變量的個數）時才可靠，而任意添加數據反而會降低預測可靠性。因此，研究人員只用兩個變量進行了有效的GDP預測——國家人均GDP和“健康度”（fitness）。其中，“健康度”是研究者對出口數據運行大量計算后構建的一個衡量國家競爭力的單量。

　　團隊隨后將自己作出的預測與IMF基于既往數據的預測進行對比。結果顯示，他們的預測平均準確度高了25%。同時，兩套預測模型誤差無相關性，意味著兩種方法對國內生產總值增長的預期具有互補性，預示了未來兩者連用以提高預測準確性的可能。