一、国内外经济预警研究的起源与发展
（一）西方的经济监测预警研究
1.早期（1880～1930年）。
经济监测预警系统的研究最早可以追溯到19世纪末期。1888年，在巴黎统计学会年会上就出现了以不同色彩作为对经济状态进行评价的论文。法国经济学家福里利在其“社会和经济气象研究”的论文中，以黑、灰、淡红和大红几种颜色，测定法国1877～1887年的经济波动。但作为反映宏观经济动向的“晴雨计”，西方经济学界公认还是从美国开始的。1909年，由美国经济统计学家巴布森创办的巴布森统计公司就在其刊物上发表了关于美国宏观经济状态的第一个指示器———巴布森“经济活动指数”。1911年从事景气监测的美国布鲁克达尔经济研究所，也编制并发布了涉及股票市场、一般商品市场和货币等方面的景气指标。这一时期对以后影响最大的还是美国哈佛大学由珀森斯教授领导下的景气监测研究。1915年，他曾编制过“经济晴雨表”，试图对经济波动进行定量刻画。1917年，哈佛大学设立了从事景气监测的“经济调查委员会”，由珀森斯主持了更为系统的分析研究工作，编制了“美国一般商情指数”（即哈佛指数），并从1919年起在《经济统计评论》上定期发布。“一般商情指数”在综合13个经济指标信息的基础上，根据在变动上的时间差异关系分别编制了投机指数、生产量及物价指数和金融指数。
2.中期（1930～1960年）。
一般认为，真正对今天各国景气监测系统有重大直接影响的研究是从20世纪30年代后期开始的。20世纪30年代中期～50年代，是监测预警系统发展的第二阶段，即其改进、发展并开始进入实际应用的时期。在哈佛指数预测20世纪20年代初期大危机失败以后，美国国家经济研究局（NATIONALBUREAUOFECONOMICRE-SEARCH，即NBER）继续了景气监测的研究。1937年，美国经济在刚经历了一次特大危机之后又陷入一场衰退之中。这时，美国国家经济研究局首脑米切尔应美国财政部长的要求，进行了利用经济指标判断衰退结束的转折时间的研究，提出了经济波动是一个在宏观经济系统中各部门逐步“扩散”的过程，因此各部门经济波动在时间上存在着一定的差异性。宏观经济监测预警系统的重大进展是在第二次世界大战后20世纪50年代取得的。1950年，美国国家经济研究局的经济统计学家穆尔，主持了在20世纪30年代监测指标体系基础上进行新的景气监测系统的建立工作。这个系统由先行、同步和滞后三类指数构成，以宏观经济综合状态为测度对象，采用了新的多指标信息综合方法———扩散指数（DIFFUSIONINDEX，即DI）。
自20世纪60年代起，景气监测系统的发展进入了一个新的阶段。1961年，美国商务部正式将NBER景气监测系统的输出信息在其刊物《经济循环发展》上逐月发表，以数据和图表两种形式提供宏观景气动向的信号。至今，宏观经济监测预警系统已从民间研究走向官方实际应用的阶段。
3.近期（1960～1980年）。
合成指数法的出现。美国商务部经济分析局的首席经济统计学家锡斯金，于20世纪60年代提出了合成指数法（COMPOSITEIN-DEX即为CI），用于综合多指标信息。合成指数本质上是一种多个指标的加权平均，在制作中多次使用标准化、求对称变化率、差分和趋势调整等技术，使之对经济波动幅度的描述更科学，成为景气分析的核心方法之一。
具有评价功能的预警信号指数的出现。1965年，法国政府为配合第四个五年计划制定了“景气政策信号制度”，借助不同的信号灯颜色，对宏观经济状态作出简明、直观的评价。1968年，日本经济企划厅在其经济白皮书中发布了“日本景气警告指数”，对正处于高速增长阶段的日本经济分别以红、黄、蓝等颜色给出评价。1970年，联邦德国也由国会专家委员会编制了类似的警告指数。
监测预警系统信息源的拓宽———预期调查方法的引入。预期调查是第二次世界大战后出现的一种新的信息采集方法，主要是由联邦德国IF经济研究所等机构开发出来的。该方法以厂商和消费者为调查对象，采用问卷方式收集调查对象关于景气变动的判断，最后以扩散指数法进行调查信息综合。美国在20世纪70年代开始将预期调查信息纳入监测预警系统，专门设置了以预期调查信息编制的产品订单、利润、销售、物价等的扩散指数。
4.当代（1980年～现在）。
1979年，美国国家经济研究局与美国国际经济循环研究中心合作，建立了一个“国际经济指标系统”（IEI）。该系统主要有四项基本功能：①检查是否存在全球性衰退或复苏；②度量正在发生的全球性衰退或复苏的范围、程度和不平常特征；③评价对外贸易前景；④对通货膨胀的加剧或减速提供超前信号。此外，一些国际性组织或地区性组织也组织景气预警的研究分析工作。如拥有西方二十多个工业国家的经济合作与发展组织（OECD）通过决议建立了应用先行指标系统监测成员国经济动向的机构。欧洲经济共同体也对成员国的景气分析与景气调查进行了统一部署。日本则组织了由南亚和东亚部分国家参加的SEPIA项目，到20世纪80年代中期，印度尼西亚、马来西亚、菲律宾、韩国、新加坡等国以及中国的台湾、香港地区，都将景气预警纳入宏观经济管理的政策支持基础。
为使景气监测结果更具超前性，美国国家经济研究局和美国国际经济循环研究中心等机构已着手研究先行指标，将原来先行指数半年左右的超前期扩展至一年及一年以上，便于政府和企业更早地对将要发生的周期波动作出反应，使反周期波动的政策抑制作用进一步增强。此外，现代经济学的新理论，如新古典均衡理论、货币主义、新供给学派理论、合理预期理论、非均衡理论，以及传统的计量经济学模型、系统动力学模型等模型理论都在景气监测研究中得到深入应用。在1990年召开的国际IFAC大会上，有人将系统辨识中最新理论———神经元网络理论用于景气预测，取得较好的拟合效果。总之，经过近百年的发展，其中包括失败、冷落，监测预警系统方法已经越来越成熟，并将更加完善。现今全世界近八十个国家和地区开展这项工作的事实就说明了这一方法的作用与魅力。
（二）我国的经济监测预警研究
社会主义宏观经济在其运行中，由于各种自然的与社会的原因，不时地会产生不同程度的“警情”，即宏观经济运行严重受阻，经济增长速度下降到了最低的必要水平（甚至出现负增长）。为了避免我国宏观经济运行出现重大险情，我国经济理论工作者与实际工作者展开了对宏观经济警情的研究，即宏观经济预警研究。我国宏观经济预警研究，从萌芽时期算起已经有近三十年的时间。
我国宏观经济预警研究是以国民经济运行出现重大问题为实际背景，为满足经济体制改革及经济发展需要而进行的。而且宏观经济预警研究主要是在近几年展开的（多数研究成果还没有公开发表），尤其是当1984年出现投资失控、消费膨胀等问题后，我国加快了对国民经济运行进行监控、提前报警的研究。国家级的研究最早是由原国家经济贸易委员会委托吉林大学系统工程研究所进行的，其研究的初步报告是《我国经济循环的测定和预警》，并于1987年3月通过专家鉴定。全国范围内第一次宏观经济预警研究讨论会由国家统计局委托东北财经大学，以“全国青年统计科学讨论会”为名于1987年9月召开。研究规模较大、产生影响较大的还有国家科委中国科技促进发展研究中心1987年4月发表的《我国宏观经济增长波动的动态分析与宏观调节问题探讨》；1990年由毕大川、刘树成主编出版的《经济周期与预警系统》，该书是对我国宏观经济周期波动问题从理论到应用进行全面研究的第一部专著；1990年国家统计局进行的“经济监测预警系统”课题研究，该课题完成了综合性的软件系统，并能应用于经济发展趋势推断、经济运行预警预报、经济变量间协调行为和政策效用分析等方面；1991年由中国人民大学原计划方法教研室研制的宏观经济预警成果；1993年国家统计局等单位（卡斯特评价中心）研制的景气分析成果，等等。此外，还有许多理论工作者个别进行的研究，例如早在1981年桂世作就公开提出利用西方景气预测即预警方法对我国经济发展动向进行监测预报。
二、经济监测预警的主要方法
根据商品市场景气波动监测预警的方法论基础，建立起来的监测预警方法体系主要包括预警指标的选择和确定，预警方法、警限界定和报警等几个方面的内容。它与传统商业统计活动的不同之处，就在于前者是预先发出警报，后者是滞后出现反应。警情报告的预先性，决定了决策控制的及时性。如果报警不能预先，则会带来决策延误和失效。下面我们简要介绍几种主要预警方法。
（一）景气指数法
景气指数法是用有关经济变量相互之间的时差关系来指示景气的动向，通过构建合成和扩散指数来达到对经济运行情况进行监测预警的目的。这种方法我们在第四章中已经有过详细论述，在此就不再详述。
（二）ARMA模型①
ARMA模型即自回归移动平均模型（AUTO-REGRESSIVEMOVING AVERAGEMODEL），是一种时间序列预测方法，由美国统计学家BOX和英国统计学家JENKINS（1968）提出，所以又叫博克斯－詹金斯法（BOX-JENKINSMODEL）。
ARMA模型的基本思想是：除极个别情况外，几乎所有的时间序列中按时间顺序排列的观察值之间都具有依赖关系或自相关性，这种自相关性表明了变量发展的延续性，而这种自相关性一旦被定量地描述出来，就可以从序列的过去值预测其将来的值。AR-MA模型的一般形式为：
γI（T）＝Φ1γT－1＋Φ2γT－2＋…＋ΦPγT－P＋ET－θ1ET－1－θ2ET－2－…－θQET－Q（5.1）
其中，γ1（T）为第I个指标T时期预测值；P为自回归模型的阶数；ΦI（I＝1，2，…，P）为模型的待定系数；ET为误差项；Q为移动平均模型的阶数；θI（I＝1，2，…，Q）为模型的待定系数。
张泽厚（1993）认为，ARMA模型具有以下一些优点：①用这种方法进行预测时，不仅考察了预测变量的过去值，而且对模型的过去值拟合产生的误差也作为重要因素进入模型；②不需要预先确定序列的发展形态，可以先假设一个可能适用的样式，方法本身将会按照规定的程序，通过反复识别修改，向一个最佳的拟合方程逼近，直至获得一个满意的模型式样；③由于对剩余项不断分解，使之满足运用回归法的假定，因此可以用数理统计的方法对预测值进行置信区间估计。
（三）ARCH模型
ARCH模型即自回归条件异方差模型（AUTO-REGRESSIVECON-DITIONALHETEROSCEDASTICITYMODEL），是由美国加州大学圣迭戈分校ROBERTENGLE教授研究发展出来的（ENGLE，1982）。在ARCH模型出现20年之后，ROBERTENGLE教授终因此项学术成就获得了2003年诺贝尔经济学奖。该模型从统计上提供了用过去误差解释未来预测误差的一种方法。ARCH预警方法实际上是经济计量模型预警方法，即应用ARCH建立预测模型，根据ARCH模型条件异方差的特性，确定具有ARCH特征的警限，从而使预警的结果比较真实地反映实际经济运行状况。
假定 ｛YT｝为观测序列，Ψ是直至T时刻的有限信息集合，一般线性ARCH（Q）模型的基本表达式为：
YT＝BXT＋ζT
ζT／ΨT－1～N（0，α1）
其中，ΨT可以包括外生变量，也可以包括YT的各阶滞后。式（5.3）还可以写成ζT＝ETσT，ET是服从标准正态独立同分布扰动。采用极大似然估计求得参数B及异方差σT2的一致估计。
将各预警指标值（已作处理）时间序列 ｛YT｝（T＝1，2，…，N）、在适度区间、热区间、冷区间的数据分别生成新序列 ｛YN1｝，｛YN2｝，｛YN3｝（N1＋N2＋N3＝N），则适度上、下限分别为
其中，参数均为各新序列的均值和标准差。应用式（5.5）（5.6）可以计算合成指数（CI）的警限区间值。
这个模型将当前一切可利用的信息作为条件，采用某种自回归形式来刻画方差的变异，对于一个时间序列而言，在不同时刻可利用的信息不同，相应的条件方差也不同。利用ARCH模型，可以刻画出时间序列随时间变异的条件方差，从统计上提供了一种用过去误差解释未来误差的方法。
王慧敏（1998）认为，将ARCH模型应用于宏观经济预警具有这样一些特点：①可以准确度量经济循环波动的误差，即预期误差（不确定性）；②可以提供更合理的警限，ARCH模型引入时变条件方差，使预报的置信区间能够与经济时间序列的波动程度相适应，反映不同时期所作预测误差的大小，从而使确定的警限能比较准确地反映实际经济情况；③可以改进通常的预测模型；④可以处理非线性预警系统的预警问题。
（四）基于概率模式分类法
模式识别（PATTERNRECOGNITION）是20世纪60年代迅速发展起来的一门学科，在很多领域都得到了广泛的应用。所谓模式是指一些供模仿用的标本，是可供鉴别的、规范化的形式。所谓模式识别是指一类用于对所研究的对象根据其共同特征或属性，分别其所属模式类别的识别和分类方法。该方法从模式识别的角度对宏观经济进行预警。所有具有相同警度的预警样本组成一个预警模式集，一个预警样本就称作一个预警模式。预警指标选择子系统就相当于模式识别系统中的模式特征选择，预警方法子系统相当于模式识别系统中的模式分类过程；报警子系统相当于模式识别系统中的识别错误检查过程。即预警就是把未知警度的新预警样本与已知警度的预警标准样本进行比较、辨别，从而确定新预警样本所归属的预警模式类别。
王建成等人（1997）认为，在预警系统中，一个预警样本就是一个模式，所有具有相同警度的样本组成一个类。他们给出了BAYES最小风险预警判别规则：
其中，P（X／ωI）为ωI类的条件概率；P（X／ωJ）为ωJ类的条件概率；P（ωI）为ωI类的先验概率；P（ωJ）为ωJ类的先验概率；LIJ是将本应属于ωI类的模式却错判成属于ωJ的损失代价，LII，LIJ，LJJ类似于LIJ。
BAYES最小风险预警判别规则可以表示为：
① 若LIJ＞θIJ，则X∈ωI；
② 若LIJ＜θIJ，则X∈ωJ；
③ 若LIJ＝θIJ，则待判。
宏观经济预警系统中概率密度一般都服从多维正态分布，则类别ωI的预警判别函数为
其中，X为待判预警模式；∑I 为预警模式类别ωI的协方差矩阵∑I的行列式；MI为预警模式类别ωI的均值向量；DI（X）为预警模式类别ωI的预警判别函数表达式；P（ωI）为预警模式类别ωI的先验概率；M为预警模式类别总数。
当∑I≠∑J，I≠J时，预警模式类别ωI的预警判别函数不变；当∑I＝∑J，I＝J时，则
如果取对数形式，并忽略对预警判别无影响的项，则（5.9）式可简化为
S为预警样本的协方差矩阵。
预警判别过程如下：把待判个体X＝（X1，X2，…，XN）′代入预警判别函数Z（X）中求出G个值，然后找出最大者。
王建成等人（1997）认为，尽管这种预警方法需要先验概率、条件概率，但模式识别和多元统计分析可以解决预警实际应用中的许多困难，可以实现最小的误警概率和最小的预警风险，又适合研究预警的可靠性。而且不再从简单的统计规律出发来探求发展趋势，应用模式分类和比较来获得对未来状况的把握。因此，概率模式分类在预警系统的设计和应用中是很有前途的。
（五）判别分析法
判别分析是对研究对象所属类别进行判别的一种统计分析方法。进行判别分析必须已知观测对象的分类和若干表明观测对象特征的变量值。判别分析就是要从中筛选出能提供较多信息的变量并建立判别函数，使推导出的判别函数对观测样本分类时的错判率最小。判别函数的一般形式是
Z＝α1X1＋α2X2＋…αNXN（5.11）
其中，Z为判别值；X1，X2，…，XN是反映研究对象的特征变量，如财务比率；α1，α2，…，αN为各变量的判别系数。
判别分析过程是根据已知观测量的预警分类和表明观测量特征的财务比率变量，推导出判别函数，最后把各观测量的自变量值代回到判别函数中，根据判别函数对观测量所属类别进行判别。
（六）人工神经网络方法
人工神经网络（ARTIFICIALNEURALNETWORK，即ANN）是一种平行分散处理模式，除具有较好的模式识别能力外，还可以克服统计预警等方法的限制，因为它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。最可贵的是它具有学习能力，可随时依据新准备数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的经济环境。由于ANN具备上述良好的性质与能力，且已有文献表明ANN的分类正确率高于判别分析法，因此它可作为解决经济预警的一个重要工具。
前馈三层人工神经网络通常由输入层、输出层和隐藏层组成，被认为是最适用于模拟输入、输出的近似关系，因此它在各类预警中被广泛应用。人工神经网络预警方法有两种：其一是通过ANN方法预测，再和事先由专家根据一定标准确定的参考值进行比较确定警度；另一种是增加一个报警模块，经过一定处理之后直接给出预警结果。ANN预警方法的实质是利用神经网络的预测功能实现经济预警。
（七）信号灯预警方法
信号灯预警方法是一种宏观预警系统的方法。它首先选择一组反映经济发展状况的敏感指标，运用有关的数据处理方法，将多个指标合并为一个综合性指标，然后，通过一组类似于交通管制信号红、黄、绿灯的标识，利用这组指标和综合指标对当时的经济状况发出不同的信号，通过观察信号的变动情况，来判断未来经济增长的趋势。
1.预警信号的构成。
预警系统的信号，是由一套警戒性指标，赋予不同的颜色构成，通常有以下5种：即红灯区、浅红灯区、绿灯区、浅蓝灯区、蓝灯区。其中红灯区代表经济运行严重过热，需要采取强力紧缩的调控政策；浅红灯区代表景气尚稳，经济增长“稍热”，在短期内有转热和趋稳的可能；绿灯区代表增长速度适当，经济运行基本正常；浅蓝灯区代表经济短期内有转稳和趋于衰退的可能；蓝灯区代表增长速度过低，经济冷缩，需采取强有力的积极调控手段刺激经济增长。即：
① 红色———经济发展过热；
② 黄色———经济发展略有过热；
③ 绿色———经济发展很稳定；
④ 浅蓝———经济在短期内转稳或萎缩的可能；
⑤ 蓝色———经济处于萎缩或萧条状态。
2.预警指标的选取原则。
在预警信号系统设计中，首要的工作就是要选取一组反映经济发展状况的敏感性指标。这也可以说是建立预警系统最重要的工作之一。预警指标应该能在不同的方面反映经济总体的发展规模、水平、速度，等等。
一般说来，入选的指标应具备如下条件：
所选指标必须在反映我国大型零售商场经济特征上具有重要性，所选指标结合起来必须代表经济活动的主要方面。
（1）一致性或先行性。即预测经济循环变动大体一致或略有超前，能敏感地反映景气动向。
（2）统计上的准确性和迅速性。景气预警系统采用的数据都是月度数据或季度数据，为了保证预警系统的及时性，要求所选指标在统计上必须具备迅速性。而指标统计上的准确性是保证预警系统有效的前提。
值得注意的是，为了调控的有效性，在指标选择上要考虑调控政策的滞后。因此，在选择预警指标时，要注意采用一部分超前指标，使调控对策信号采取的调控措施超前于实际经济的波动，有效地缩短政策效应的滞后期，减少调控政策的负效应。
3.指标预警界限的确定。
（1）确定各个预警指标的预警界限。
预警界限是4个数值（或序列），也称为“检查值”。以这4个检查值为界限，确定“红灯”、“黄灯”、“绿灯”、“浅蓝灯”、“蓝灯”5种信号，当监测的序列超过其一检查值时就分别亮出相应的信号。对每一信号给予不同的分数：红灯5分，黄灯4分，绿灯3分，浅蓝灯2分，蓝灯1分。可见，由于每个指标都是比率指标，多大的比率确定为上限，多大的比率确定为下限，关系到预警信号的灯区划分。
预警指标各灯区的预警界限的确定，有以下几种方法。第一种方法（3σ法），其原理是：各指标“正常”和“异常”的参考值不是一个单一的数值，而是一个范围，它理应服从正态分布。根据正态分布原理，数据X分布在中心值附近，离中心值越近，可能性越高；越偏离中心值，可能性越低。如果偏离超过1倍标准差，可能性只有31.7%；如果偏离超过2倍标准差，可能性只有5%；如果偏离超过3倍标准差，可能性不足1%。因此，可以根据偏离中心值的标准差倍数来反映数据是否合理。不同的行业质量控制具有不同的选择标准，如果对质量要求严格控制，选择偏离1倍标准差以上作为异常；一般的质量控制选择偏离2倍标准差以上作为异常；宽松的质量控制选择偏离3倍标准差作为异常。
第二种方法：对于所研究时段内大部分时间里是非正常周期波动的指标，在参照基准指标与其四道预警界限相交的月份，把所求指标增长率在相应时期的平均值作为此指标的检查值。但是，对每个指标还要作具体分析，并适当地作一些不同的处理。如对于先行指标，还要加上这些指标各循环的超前期。对在个别阶段比较异常的指标，应将异常值去掉后再取平均。还有，某些指标的循环变动与基本循环的变动相反，因此需要进行适当逆转变形后才能确定其检查值。
第三种方法是宏观经济分析确定法。这种方法就是根据我国近年来宏观经济运行的情况，直接确定各个预警指标的预警界限。但是由于影响宏观经济的因素很多，而且很复杂，因此，在分析确定各预警指标的预警界限时需要遵循一些基本的原则：①GNP增长率在4%～8%之间基本正常，4%以下增长速度太慢，10%以上发展过快，13%以上则属于过热；②通货膨胀率在2%经济发展动力不足，2%～8%之间基本正常，10%以上过热，15%以上严重通货膨胀；③工业生产增长速度略快于GNP的增长速度，出口增长略高于工业生产增长速度；④货币流通量增长速度等于相应的经济增长率和通货膨胀率之和，并考虑一定量的沉淀；⑤居民货币总收入增长与相应的经济增长率和通货膨胀率之和相适应。
在确定各个预警指标预警界限的时候，我们通常将第一种方法和第三种方法或第二种方法和第三种方法综合起来考虑。先根据第一种方法或第二种方法，从各个预警指标观测值中提取相应的信息，根据这些信息大致确定各个指标的预警界限，然后再运用宏观经济分析确定法对各个指标的预警界限作适当的调整，最终确定各个指标的界限。
（2）确定综合指标的检测值。
在确定综合指标的检测值时，基本上都是采用综合分析法。综合分析法的计算方法如下：假定选择了M个预警指标，则当全部指标为红灯时，综合分数为最高分5M分，全为蓝灯时，综合分数为最低分M分。每月将M个指标所示的信号分数合计得到综合分数，并得满分的某一比例（比如80%）为红灯区与黄灯区的分界线；满分为两个比例之间（比如70%和50%）为绿灯区的上、下分界线；满分某一比例（比如40%）为浅蓝灯与蓝灯的分界线；然后，通过综合分数值的大小来综合判断当月的预警信号应亮哪一种灯。综合指标预警界限的确定方法与单个指标预警界限的方法相同。
