日本311地震对经济的影响分析.docx

《日本311地震对经济的影响分析.docx》由会员分享，可在线阅读，更多相关《日本311地震对经济的影响分析.docx（25页珍藏版）》请在三一办公上搜索。

1、 311地震对日本经济影响的定量评估摘 要2011年3月11日，日本发生里氏9.0级的特大地震，短期内给日本在经济方面以沉重的打击。本文整体主要分了两个大的部分来说明311地震对日本经济的影响。第一个部分先通过网络资源查取数据，从影响经济发展的几个大的方面出发定量的分析了地震对日本经济的巨大影响。首先分析了地震对进出口总额的影响，为了更好的对比我们选择了2004-2010年三月份的进出口总额，应用了高斯函数拟合，预测出没有地震影响时进出口总额分别237650亿元，6931.6亿元，再跟有地震影响时的进出口总额比较，从而求出地震对进出口总额的影响率分别为: 0.0088，-0.02。然后我们把出

2、入境旅游人数作为指标衡量地震对日本服务业的巨大影响，我们也是选择2004-2010年三月份出入境旅游人数，应用了基于灰色系统理论的灰色预测模型GM（1,1），分别预测出了没有地震影响时的出入境旅游人数分别为：78.9674万人，143.1741万人，从而得出地震对出入境旅游人数的影响率：=-0.8056，=0.1125。再以电子产业为代表来分析地震对日本制造业的影响，我们搜集了2010年1月到2011年5月的电子产品总值，应用了不同的函数进行拟合，通过比较拟合优度，选择了拟合优度最高的傅里叶函数5次拟合，根据确定出的函数关系式进行2011年3、4、5月的预测，引入相对误差来说明实际电子产品总值

3、与预测值之间的偏差，计算出(2011,3)= -19.57%，(2011,4)= -46.62%，(2011,5) =-29.06%。最后我们又以GDP为指标分析了日本地震对经济的整体影响，对于GDP的预测我们应用了神经网络对它进行了预测，我们首先介绍了神经网络基本原理，各参数的确定，模型建立的步骤，最终得出2011年GDP的预测值，又根据日本团队的估计方法，估计出日本2011年受地震影响后的GDP值，进而把来两者进行比较，得出受地震影响后2011年GDP下降的百分点为%1.23。GDP作为衡量一个国家经济发展的重要指标，可以看出地震对日本经济的影响非常的大。第二大部分我们主要是通过与其他几次

4、大地震对经济的影响的对比，分析此次地震对日本经济的巨大影响。主要从GDP，和进口额的角度比较说明。最后我们总体分析了日本震后经济的恢复情况。 关键词：神经网络，灰色预测，曲线拟合，GDP目 录一、问题重述2二、问题分析22.1“影响力”的定量分析理解22.2 评价指标的确定及数据的查取3三、问题的假设3四、符号说明3五、模型建立及求解45.1日本地震对某产品进出口额的影响分析45.2日本地震对本国旅游业的影响分析65.4 日本地震对GDP的影响率分析13六、对比分析311地震对经济的影响及经济的恢复176.1对比分析311地震对日本经济的影响176.2总体评价日本经济的恢复19七、模型的评价、

5、改进及推广20 一、问题重述日本东北部海域发生了里氏9.0级的大地震，为世界观测史上最高震级。超强地震所引发的海啸、核泄漏，对试图摆脱“失去的十年”经济衰退期的日本经济一个重大打击，其影响可能极为深远。本题要求我们通过查取互联网数据，运用数学建模的方法，从某一侧面就311大地震对日本经济的影响建立数学模型，对其进行定量评估，分析地震对日本经济发展的巨大影响。二、问题分析2.1“影响力”的定量分析理解每次大事件发生后在实际中都需要将影响力转化为有参考价值的数据，这时往往需要利用数学建模的方法对其进行定性与定量的分析。本文在评估311地震对日本经济影响时正是应用了这种方法，第一部分从不同的角度分析

6、了日本地震对经济的影响，通过把有地震发生时的进出口总额，出入境旅游人数，电子产品总值，GDP与不发生地震的实际值进行对比，建立模型，得出影响力的四个参考指标。第二部分，考虑日本这次地震跟1995年的阪神地震，印尼海啸和智利中南部地震的相似性，把这次地震对GDP，进出口总额，与历次重要地震前后 GDP增长率，进口总额回落情况，日元汇率进行对比，从而将地震的影响力进行量化。2.2 评价指标的确定及数据的查取我们考虑用什么指标来评价地震对经济的影响呢?通过在网上搜集资料和数据我们了解到，地震对日本经济的影响特别显著。影响经济的主要指标大致有：GDP,地区生产总值、工业增加值、固定资产投资、地方财政一

7、般预算收入、出入境旅游人数、对外贸易（海关进出口总额）、社会消费品零售总额、居民消费价格指数、城镇居民人均可支配收入、农牧民人均现金收入等。我们在分析日本本国本身的经济体制结构的基础上，通过对数据的分析及处理，最终确定以进出口总额，出入境旅游人数、电子产业，GDP四项的数据作为评价地震影响力的经济指标。本题最大的特点在于数据信息的收集与处理，根据对原题的分析，我们通过互联网寻找到了影响经济的所有主要指标，首先对指标的数据进行了观测，对每个因素进行分析，得出了四个对日本经济影响最大的指标，并对它们进一步分析，将其中不合实际的数据剔除，增加了数据的合理性与可靠性。三问题的假设（1）网络数据真实可靠

8、，所统计的数据都在误差允许范围之内。（2）假设所统计的数据都在误差允许范围之内。（3）如果日本不发生地震，日本的国内生产总值，出入境旅游人数，进出口总额，电子产业均按以前规律变化，无突变。（4）日本地震影响下2011年的国内生产总值可以根据日本团队的估算方法算计。四、符号说明：影响率：（t,i）：相对误差。t表示年份，i表示月份Y：表示实际数据X：表示预测数据：拟合优度F（i）电子产品预测总值五、模型建立及求解5.1日本地震对某产品进出口额的影响分析 进出口贸易，即国际贸易，是指不同国家或地区之间的商品和劳务的交易活动。在经济全球化的今天，像日本这样的一个土地少的岛国，进出口贸易占经济收入的很

9、大一部分。在此，我们通过建立模型预测出在日本不发生地震的情况下某产品进出口额的情况，再与实际值进行比较，分析出地震对某产品进出口额的影响。5.1.1建立日本地震对某产品进口额影响的模型在网上得到数据表如下：表5.1 2004-2010年三月份某产品进口总额年份（3月）2004200520062007200820092010进口额(亿元)153954.5180083.2186197.6193208167251.5159958.1191337.1利用matlab软件对数据进行拟合： 图5.1高斯函数进口拟合图像选择不同的函数进行拟合，发现高斯函数的拟合优度最高=0.9519，所以我们就选择了用高斯

10、函数进行拟合，拟合高斯函数为：f(x) = a1*exp(-(x-b1)/c1)2) + a2*exp(-(x-b2)/c2)2)a1 = 1.915e+005 (1.151e+005, 2.68e+005) b1 = 2006 (1998, 2014) c1 = 4.836 (-15.18, 24.85) a2 = 1.719e+005 (-3.347e+007, 3.382e+007) b2 = 2011 (1720, 2303) c2 = 1.576 (-135.2, 138.4)将=2011带入函数可得出2011年3月份某产品进口额的预测值= 237650亿元。与网上可查的2011年3

11、月份某产品实际进口额为239764.7亿元。由所建的模型定义的影响率：可得日本地震对本国某产品进口影响率：=0.00885.1.2建立日本地震对某产品出口额影响的模型由网上可得数据：表5.2 2004-2010年三月份某产品出口总额年份（3月）200420052006200720082010出口额（亿元）7090.585159306.79594.17193.17090.5（由于2009年数据异常，为了更好的预测，于是我们将其剔除。）利用matlab进行拟合： 图5.2高斯函数出口拟合图像得到拟合优度为0.907的高斯函：f(x) = a1*exp(-(x-b1)/c1)2) + a2*exp(

12、-(x-b2)/c2)2) a1 = 1.252e+004 b1 = 2783 c1 = 1004 a2 = 2879 b2 = 2006 c2 = 1.479将=2011带入可得预测进口额为 6931.6亿元 ，由网上查的2011年3月实际出口量为 6793.4亿元，由模型可得地震对日本某产品的出口影响率：= -0.025.2日本地震对本国旅游业的影响分析日本作为一个经济强国，其旅游业是国内支撑产业之一，但今年三月份发生的大地震导致核泄漏，使本国环境质量大大改变，给日本旅游业带来沉重打击。在这里我们基于灰色系统理论建立灰色模型GM（1,1），通过往年三月份入境旅游人数预测出2011年三月份入

13、境旅游人数，在与实际值进行比较，得出影响率。 灰色系统理论是基于关联空间、光滑离散函数等概念定义灰导数与灰微分方程，进而用离散数据列建立微分方程形式的动态模型，由于这是本征灰色系统的基本模型，而且模型是近似的、非唯一的，故这种模型为灰色模型，记为 GM（Grey Model），其中常用的GM(1,1)即表示模型是 1 阶的，且只含 1 个变量的灰色模型 。灰色预测在工业、农业、商业等经济领域，以及环境、社会和军事等领域中都有广泛的应用。特别是依据目前已有的数据对未来的发展趋势做出预测分析。5.2.1日本地震对入境旅游人数影响在网上我们得到2004-2010年三月份入境旅游人数如下表：表5.3

14、2004-2010年3月份入境旅游人数年份（3月）2004200520062007200820092010入境旅游人数(万）57.387660.233363.333476.2575.666763.166778.6972以2004年3月为起始点，即在该点t=1，于是有原始数据序：= t=1,2, 7 = =57.3876, 60.2333, 63.3334, 76.25, 75.6667, 63.1667, 78.6972 首先按GM（1，1）建模方法，对已知原始数据序列X（0）进行一阶累加生成 （即1AG0）：。得到生成数列，如下： = t=1,2, 7 =， =57.3876, 117.62

15、09, 180.9543, 257.2043, 332.871, 396.0377, 474.7349构造数据矩阵B及数据向量 = = 利用最小二乘法求解待估参数令 求得= -0.0367 ，= 60.0846根据累加生成的新的序列得到GM（1，1）模型相应的微分方程：求解微分方程，即可得预测模型： ，；将中的取年份，即可得到累加预测数据；由累减生成模拟原始数据序列的序列: 即可得到某年的预测数据。令t=6，7时可求得,，进而求得=78.9674由模型我们得出2011年3月份预测入境人数为78.9674万人，由网上可查的实际入境人数为40.1653万人，因此可得地震对日本入境人数的影响汇率为：

16、=-0.80565.2.2日本地震对出境旅游人数影响在网上我们又得到2004-2010年三月份出境旅游人数如下表：表5.4 2004-2010年3月份出境旅游人数年份（3月）2004200520062007200820092010出境旅游人数(万）134.332137.876136.3334137.9876130.6668138.7294148.6416同样利用GM（1,1）模型，我们得出2011年三月份出境旅游人数预测为143.1741万人，由互联网查出2011年三月份实际出境旅游人数为161.3231万。因此可得地震对日本出境人数的影响率：=0.11255.3日本地震对本国电子产业的影响分

17、析自二次大战后，日本的制造业得到迅速发展，尤其电子产业和汽车制造业。日本的电子产业和高科技著名制造商包括索尼、松下、佳能、夏普、东芝、日立等公司。日本拥有世界资产最庞大的银行邮储银行，三菱UFJ金融集团、瑞穗金融集团和三井住友金融集团在世界金融界占有举足轻重的地位所以下面我们选择电子产业作为日本制造业的代表分析地震对日本制造业的影响。通过互联网，我们查找到由日本电子信息产业协会公布的工业产值数据统计表，找出日本进出口电子产品总值，即日本电子产品工业总值的相关数据（详见附录）。由于截止到目前，日本电子信息产业协会尚未公布2011年6月及以后的相关信息，因此我们截取2010年1月至2011年5月的

18、信息进行统计分析，通过对地震发生前的每个月（即2011年3月份之前）的数据的拟合得出时间与电子产品总值对应的函数关系式，从而进一步对2011年3、4、5月份进行预测，通过预测值与实际值的比较得出地震对日本经济的影响。我们通过运用Matlab描绘散点图找出时间序列与电子产品总值之间的关系，结果显示如下（程序见附录，下同）：图5.3时间序列与电子产品总值之间的散点图5.3.1用不同函数进行拟合从数据的散点图中我们可以发现，时间序列与电子产品总值之间并不属于简单的线性关系，因此我们利用工具箱中的拟合工具进行处理，最终发现一下结果：（1）在多项式拟合中，最佳方式是进行9次多项式拟合，函数关系式表现为：

19、f(x) = p1*x9 + p2*x8 + p3*x7 + p4*x6 + p5*x5 + p6*x4 + p7*x3 + p8*x2 + p9*x + p10；拟合出的拟合优度检验参数如下：Goodness of fit: SSE: 6.398e+010 R-square: 0.6614 Adjusted R-square: -0.1004 RMSE: 1.265e+005但其拟合优度仍然不高，R2=0.6614，因此我们不予采用。拟合出的结果如下：图5.4 九次多项式拟合（2）在正弦函数求和模式中，4次时是最佳效果，函数表达式为：f(x) = a1*sin(b1*x+c1) + a2*s

20、in(b2*x+c2) + a3*sin(b3*x+c3) + a4*sin(b4*x+c4)；拟合出的拟合优度检验参数如下：Goodness of fit:SSE: 2.455e+010 R-square: 0.8701Adjusted R-square: 0.1554 RMSE: 1.108e+005其拟合优度R2=0.8701，效果仍然不佳，我们不予采用，但其比多项式拟合较优，其拟合图像如下：图5.5 四次正弦函数求和（3）在采用傅里叶函数形式拟合过程中，6次拟合时，拟合优度检验系数如下：Goodness of fit: SSE: 4.207e+005 R-square: 1 Adjus

21、ted R-square: NaN RMSE: NaN从输出结果中可以看出：虽然拟合优度R2为1，但是剩余标准差显示NaN表示数据出错，因此也不可取，而5次拟合时，拟合优度检验系数如下：Goodness of fit: SSE: 2.733e+009 R-square: 0.9855 Adjusted R-square: 0.906 RMSE: 3.697e+004拟合优度接近于1，通过对已知数据的回带检验，发现数据间相差不是很大，在允许的范围内，因此该函数结果是可取的。其函数表达式如下：f(x) = a0 + a1*cos(x*w) + b1*sin(x*w) + a2*cos(2*x*w)

22、 + b2*sin(2*x*w) + a3*cos(3*x*w) + b3*sin(3*x*w) + a4*cos(4*x*w) + b4*sin(4*x*w) + a5*cos(5*x*w) + b5*sin(5*x*w)；对应的系数迭代过程如下：Coefficients (with 95% confidence bounds): a0 = 1.278e+006 (1.231e+006, 1.325e+006) a1 = 2.171e+004 (-6.969e+004, 1.131e+005) b1 = 5.468e+004 (-1.52e+004, 1.246e+005) a2 = 3.6

23、5e+004 (-2.176e+005, 2.906e+005) b2 = -6.069e+004 (-1.434e+005, 2.207e+004) a3 = 5.634e+004 (-3.001e+005, 4.128e+005) b3 = -8039 (-3.376e+005, 3.216e+005) a4 = 2.901e+004 (-9.829e+004, 1.563e+005) b4 = -3.899e+004 (-1.987e+005, 1.207e+005) a5 = 1.603e+005 (6.369e+004, 2.57e+005) b5 = -2.934e+004 (-9

24、.134e+005, 8.547e+005) w = 0.8292 (0.6919, 0.9666)根据系数我们可以确定时间序列与电子产品总值之间的函数表达式为：F(x)=(1.278e+006)+(2.171e+004)*cos(x*0.8292)+(5.468e+004)*sin(x*0.8292)+(3.65e+004)*cos(2*x*0.8292)-(6.069e+004)*sin(2*x*0.8292)+(5.634e+004)*cos(3*x*0.8292)-8039*sin(3*x*0.8292)+(2.901e+004)*cos(4*x*0.8292)-(3.899e+004

25、)*sin(4*x*0.8292)+(1.603e+005)*cos(5*x*0.8292)-2.934e+004*sin(5*x*0.8292)；其拟合效果图如下：图 5.6五次傅里叶函数拟合由图像也可以看出，14组数据均在曲线周围波动，效果最佳，因此我们确定5次傅里叶函数即我们所求的函数关系式。5.3.2用最佳的函数关系进行预测根据确定出的函数关系式进行2011年3、4、5月的预测，首先我们根据确定出的函数关系式对2011年2月的数据进行检验，用相对误差来验证其准确性，则：=*100%所以(2011,2)=-0.117%这说明实际数据比预测数据小0.117%，在误差允许的范围内，所以所选定

26、的傅里叶函数还是相当精确的，这也确保了我们预测的稳定性及其实际意义。由于我们把2010年1月定义为自变量时间序列中的1，2010年2月定义为自变量时间序列中的2，所以依次类推，2011年3、4、5月应分别对应自变量时间序列的15、16、17，根据附录表中M-文件，我们预测出2011年3、4、5月的电子产品总值分别为：F(15)=1588864.0F(16)=1060902.0F(17)= 1331975.0下面引入相对误差来说明实际电子产品总值与预测值之间的偏差，表明311地震对日本电子产品总值的影响程度。则其对应的值分别为：(2011,3)=-19.57%(2011,4)=-46.62%(2

27、011,5)=-29.06%5.3.3数据分析由值可知，2011年3、4、5月份的电子产品总值都明显比预测值减少，也就说明电子产品行业受到311地震的影响。而三个月份的影响程度大小各异，原因主要有以下几个方面：第一：3月11日发生地震，震前十几天的时间销售如故，发生地震后，受灾严重的东北部区域的电子产品总值锐减甚至为零，而其余地区随手地震影响但仍有生产和销售；第二：4月整个月份受灾地区由于供电系统障碍、电子零配件难以供应等多种原因导致部分地区无法正常运营，只是少部分地区仍能维持其产销功能，所以导致整个月全国的电子产品总值骤降至原来的一半；第三：5月份由于全世界各国的捐助、政府的积极政策以及各方

28、资金、技术等支持，日本某些基础设施建设等也在逐渐恢复，因此其产量也比4月份略有起色，在电子产品这方面逐渐恢复，但仍达不到先前不受地震影响的水平。5.4 日本地震对GDP的影响率分析 GDP即国民生产总值，是扣除了国外要素净收入的国民生产总值。是衡量一个国家国民经济发展水平的重要指标。在此，我们通过建立BP神经网络模型，分析评价311地震对GDP的影响。5.4.1 BP神经网络的基本原理BP神经网络，即多层前馈式误差反传神经网络BP网络通常由输人层、输出层和若干隐层构成，每层由若干个结点组成,每一个结点表示一个神经元，上层结点与下层结点之间通联接,层与层之间的节点采用全互连的连接方式，每层内结点

29、之间没有联系J 理论已证明，三层BP神经网络，只要隐节点数足够多，就具有模拟任意复杂的非线性映 射的能力本论文就是采用三层B P网络对GDP进行预测。在确定了B P网络的结构后，要用网络的输人和输出样本集对网络进行训练 ，亦即对网络的阈值和权值进行学习和修正，以使网络实现给定的输人输出映射关系第一个阶段是输人已知学习样本，通过设置的网络结构和前一次迭代的权值和阈值从网络的第一层向后计算各神经元的输出。第二个阶段是对权值和阈值进行修改，从最后一层向前计算各权值和阈值对总误差的影响(梯度)，据此对各个权值和阈值进行修改。以上两个过程反复交替，直到达到收敛为止由于误差逐层往回传递，以修正层与层之间权

30、值和阈值，所以称该算法为误差反向传播 ( back propagation，B P) 算法。标准的 B P算法是一种梯度下降学习算法，其权值的修正是沿着误差性能函数梯度的反方向进行的在本文研究中GDP神经网络预测模型的建立与实现，都是借助MA T L AB提供的神经网络工具箱编程实现的。图5.7 神经网络的三层5.4.2建立神经网络模型根据2010年日本统计年鉴查出了1980-2010年的日本的GDP（见附录），应用神经网络建立数学模型，预测2011年日本的GDP。然后与日本团队估算出的在地震影响下的GDP进行比较，从而以GDP为指标说明地震对日本经济的巨大影响。首先，用式对附录表中数据进行归

31、一化处理。然后确定网络结构，其中时间序列数据输入层节点数是人为确定的，输入层节点数过多，造成网络学习次数较大，输入曾节点数过少。不能反映后续值与前驱值的相关关系.经反复实验最终确定为7个，且输出层节点数为1。隐层节点数的选择在所有的BP网络中目前还没有理论上公认的推导方法，一般有下面几种方法进行推算：人们大多通过实验来获得，以下三个公式可作为选择最佳隐含层单元数时的参考公式：（1），其中n1是输入层神经元数，是隐含层神经元数；（2）其中n2是隐含层神经元数，m是输出层神经元数，n是输入层神经元数，a是1，10之间的常数；（3），其中n1是隐含层神经元数，n是输入层神经元数。其他确定隐含层神经元

32、数的方法为：首先是隐含层神经元的数目可变，或者放入足够多的隐含层神经元，通过学习将那些不起作用的隐含层神经元剔除，直到不可收缩为止。本文中我们就采用这种方法，分别取了隐含层单元数3,4,5做训练，经比较隐含层单元数选择3最好，这是检验层输出地两个数据与实际最接近，因此我们设置隐含层单元数为3。 学习速率决定每一次循环训练中所产生的权值变化量。大的学习速率在训练的初始阶段能加速误差减少，但随着训练的不断深入，由于学习速率过大，使网络每一次的修正值过大，而导致在权值的修正过程中超出误差的最小值而永不收敛；另外较大的学习速率也容易引起振荡而难以达到期望目标。但小的学习速率将导致训练较长，收敛速度很慢

33、，不过能保证网络的误差值不跳出误差曲面的低谷而最终趋于最小误差值。所以在一般情况下，倾向于选取较小的学习率以保证系统的稳定性，学习率选择范围在0.01-0.8，之间。在本文中我们选择0.01。 神经网络有3类模型：梯度下降法模型、动量梯度法模型和LM算法模型，从训练算法的收敛性、网络的推广能力、模型的整体性能进行实验效果评价和对照分析。为了便于比较，均采用3层BP神经网络结构，在所有模型中隐含层传递函数为tansig，输出层传递函数为purelin，网络的训练目标定为000035。5.4.3模型求解与分析模型实现程序见附录，当选择不同内层神经元数时输出检验层的两个数分别为：（1）内层神经元数为

34、3时：y1 =1.0e+004 *4.9408 5.0739（2）内层神经元数为4时：y2=1.0e+004*5.9670 6.4303（3）内层神经元数为5时：y3 = 1.0e+004 * 4.3222 4.4778y = 1.0e+004 * 0 0 6.1449 1.9747 3.0074而这两个数的实际值是50329.8，54588.7，通过比较内层神经元数为3时最接近实际值，所以相应的2011年的预测值为：61449。 图5.8神经网络训练图日本东北大地震之后，日本团队将其对日本2011年第一季度及第二季度GDP增长的预期分别从2.2% 下调至1.7%，从2.2%下调至0.5%；但

35、将第三季度及第四季度GDP增长预期分别从2.5%上调至4.0%，从2.0%上调至2.5%。据此估计2011年全年日本GDP增长的预期为8.7%，则预测发生地震后2011年的国内生产总值为60692.455亿美元。对比2011年日本的国民生产总值(GDP)发生地震比不发生地震稍微降低，说明即使是在地震的影响下，日本的国民生产仍呈现快速发展的趋势，但是仍然会受一些阻碍，受地震影响2011年GDP下降的百分点A%=*100%=*100%=1.23%GDP作为衡量一个国家经济发展的重要指标，从上面的计算可以看出短期内地震对日本经济的影响非常的大。六、对比分析311地震对经济的影响及经济的恢复6.1对比

36、分析311地震对日本经济的影响第一大部分我们从不同的角度通过建立数学模型分析了地震对日本经济的巨大影响，下面我们通过与其他大地震造成的经济影响的对比，分析日本此次地震对经济的巨大影响。 图6.1以往大地震的经济损失结合各次地震案例的对比，我们认为印尼海啸和智利中南部地震引发的地震和海啸与此次东北地震具有较大的可比性。我们将震后实际进口额减去趋势进口额，测算得印尼海啸以后进口多增加约 69.5 亿美元占 GDP 的 0.98%，而智利的进口则多增加31.05 亿美元，约占 GDP的 1.56%。那么利用 0.98%和 1.56%的比例，大致计算出本次日本地震海啸引起的进口增加大约为 536.5亿

37、美元到 853.98亿美元之间。图6.2 印尼海啸前后进口额同比图6.3 台湾南投地震前后进口额同比此外，311地震对金融市场所造成的影响与 1995 年神户大地震具有一定的可比性，因此预计对资本市场的影响也有相似之处。在经济学中，有一种“破坏创造需求”的理论叫“破窗理论”，其认为窗户破了可带动就业。这常遭遇经济学界的非议，却可解释缘何灾害降临，GDP增速却不减少。从自然灾害经济学角度来看，灾难经济损益的规模，相当于灾区国民财富存量(即过去GDP增长的总和)的损失，加上因存量损失引起的流量减少(相当于GDP下降)，再减去救灾引起的流量增加(相当GDP增加)。由于震灾引发的财富损失并未计入GDP

38、统计，救灾和灾后重建带来的GDP增量，是否高于因为灾害引起的GDP下降，比如日本汽车业和芯片业公司的暂时减产等，这才是金融市场关注的焦点。 图6.4地震前后GDP对比值从日本这三次经历的 GDP 来看。神户地震发生当季，即 1995 年第一季度实际 GDP 录得 4752345 亿日元，年化后的季环比上升了 3.4%，同比上升了 1.1%，而后两个季度年化后的季环比均以 3.2%、3.9%的速度增长，发生神户地震当季没有出现经济下滑，主要原因是由于前一季度 GDP 较前期下滑了 2.7%，同比仅增加了 0.9%;2004年10月23日的中部新潟地震发生当季GDP年化后季环比下降1.6%,接下来

39、的两个季度分别上升了2.7%和4.8%；2007年潟海岸地震发生当季GDP年化后的季环比下降了0.9%,接下来的两个季度分别上升了2.7%和1.2%。 从GDP的数据来看，地震发生当季 GDP 都会因为各经济部门受损，供应减少而导致 GDP 增速下降，但是从中期来看，由于灾后重建对原材料以及其他消费品的强劲需求会导致本国 GDP 增速加快。311 地震达到 9.0 级，属于历史比较罕见的大地震，对日本经济造成的影响现在还无法估量，且与之前不同的地震相比不但震级大，还发生了核泄漏，加上遭受次贷危机后的经济并没有完全的恢复，这将拖累日本经济下滑的时间更长。但是从中期来看，灾后重建的需求将会带动国内

40、经济回升。6.2总体评价日本经济的恢复通过上面的分析，GDP的上升，进口额的回落，外汇的储备等都有利于日本经济的恢复，且目前日本企业的生产活动已从3月探底后逐步恢复大型汽车及电器厂商纷纷将最初的恢复计划提前，预计秋季前将基本恢复到震前的生产水平。 虽然此次短观结果中大型汽车及电器机械企业景气判断指数仍然为负数，但前景指数已经转正，迅速恢复势头可见一斑。日本震后个人消费谨慎克制的风潮引起的住宿饮食行业低迷也将有所改善，消费也逐渐显露曙光。但是从另一个方面分析，据日本共同社20日报道，日本民间智库与5家证券公司日前公布的估算报告显示，这场大地震对该国经济造成的损失预计最高达16万亿日元(约合人民币

41、1.3万亿元)，远超1995年阪神大地震后兵库县统计的约9.9万亿日元的损失。此前，花旗集团经济学家村岛喜一预计，地震造成的损失总计为5万亿到10万亿日元。再来对比一下1995年阪神大地震。阪神地震后，日本能迅速从灾害中走出来的一个非常重要原因就是，当时日本的债务余额对GDP之比为90%左右，财政赤字(中央政府和地方政府赤字)对GDP之比为5.4%，政府财力仍然充裕，足以让日本政府花费20万亿日元用于实施创新复兴计划。日本在此次大地震后，能否像前两次一样，经济迅速复苏呢？情况恐怕不一样了，全球产业和经济格局的改变让日本所处的大背景发生了很大变化：首先，从重建的财力看，无论是债务总额与GDP之比

42、、财政赤字与GDP之比，还是国债依存度，目前日本都是世界发达国家中最差的。政府没有充足的财力用于规模重建，与此同时，全球正处于脆弱的危机修复期，总需求低迷，同样饱受高债务、高失业率困扰的美国、欧洲经济体很难拿出资金来支持日本。再次，日本部分制造业恢复也可能遇到来自于中国等新兴制造大国以及德国等老牌制造大国的竞争。所以，地震将对日本乃至全球的产业经济格局带来深远变化。七、模型的评价、改进及推广模型的评价：优点：1.选取合理的经济指标，从侧面显示出地震的影响力，避免了因目标过大而导致的分析的不合理性。2.对所收集的数据进行合理分析，利用合适的预测模型相应的对各项指标进行预测。3.利用神经网络模型将

43、世博会影响力进行定量评价，增强了结果的可靠性。4.选取多个角度对地震的影响力进行评估，从多指标和单一指标分别得到其影响程度，说明了模型的扩展性强，模型的普通实用性强。5.通过与其他大地震进行对比分析此次地震对日本经济的影响，增强了结果的真实性。缺点：1.分析进出口总额时由于数据比较少，势必会产生误差。2.用神经网络预测2011年的GDP时每次输出的结果都不一样，所以会造成一定的偏差。模型的改进与推广：在选取指标的方法上可以进行改进，通过调查，我们得知影响经济的指标有十个，其中每个指标在经济中占有一定的比重，根据比重的不同，我们可建立偏大型模糊分布函数，确定每个经济指标的权重，再利用模型中的方法

44、得到每个指标的影响率，相乘得出加权之后的影响率，利用该数据对所有指标再进行主成分分析，最终确定影响较大的经济指标。据专家预计, 2011年三月份日本发生大地震，地震及地震引发的海啸，核泄漏等各种灾难、不仅给日本经济带来了巨大的影响。日本作为世界上的经济大国，对全球的经济也会产生重大的影响，并传到世界各地。所以我们可以对模型进行推广，分析日本此次地震对全球经济的影响。 参考文献1 商务数据 2 日本电子信息产业协会 http:/www.jeita.or.jp/chinese/3 中国、美国、日本历年GDP比较（1929-2010）4 张志涌，精通MATLAB6.5版，北京航空航天大学出版社，20035 姜启源, 叶俊. 数学模型.北京：高等教育出版社，2003.86 董长虹MATLAB神经网络与应用M.北京：国防工业出版社，2005：1-87 刘思峰. 郭天榜. 灰色系统理论及其应用.开封: 河南大学出版社， 1 9 9 1附录1：电子产品总值时间时间序列电子产品总值（万日元）2010年1月1 11226292010年2月2 12254112010年3月3 1526626201