Nature：新的建模预测GDP提高

　　据英国《自然·物理学》杂志30日在线发表的一项最新研究，欧洲科学家团队详细介绍了一种预测国内生产总值（GDP）的新方法，将经济增长视为一套物理系统，通过复杂系统物理建模对产品出口数据进行分析，并预测该系统的动态。新方法可以补充国际货币基金组织（IMF）的预测，准确度甚至更优。

　　GDP是指一个国家（或地区）所有常住单位在一定时期内生产的全部最终产品和服务价值的总和，常被认为是衡量国家（或地区）经济状况的指标。

　　而对一个国家的复杂经济系统建模是极大的挑战。尽管经济学家可以获取的数据越来越多，但从海量的数据中得出可靠的、重现性好的结果，远非易事。因此有人提出让复杂系统物理学来帮忙：这一领域的技术优越性在于，可以对难以从单个要素中分析的系统进行建模，例如流行病蔓延、交通流量变化等。

　　意大利国家研究委员会（CNR）研究人员安德鲁·塔切拉及其同事开发的这套GDP预测方法的基本理念是：在已知的历史数据中找到未知的复杂系统的近似模拟，并观察模拟的时间演化，从而对复杂系统的行为进行预测。

　　不过，这种方法只有在使用低维模型（维度即输入变量的个数）时才可靠，而任意添加数据反而会降低预测可靠性。因此，研究人员只用两个变量进行了有效的GDP预测——国家人均GDP和“健康度”（fitness）。其中，“健康度”是研究者对出口数据运行大量计算后构建的一个衡量国家竞争力的单量。

　　团队随后将自己作出的预测与IMF基于既往数据的预测进行对比。结果显示，他们的预测平均准确度高了25%。同时，两套预测模型误差无相关性，意味着两种方法对国内生产总值增长的预期具有互补性，预示了未来两者连用以提高预测准确性的可能。