摘 要 ............................................................1
一、问题的提出 .....................................................2
二、研究现状及存在的问题............................................2
三、金融危机的成因及其对我国对外贸易额影响因素分析...................3
（一）金融危机的成因概述 ...........................................3
（二）金融危机对我国对外贸易额影响因素的汇率估算法............... ...3
1、汇率估算法分析................................................3
2、利用汇率估算法对我国对外贸易额走向预测........................4
四、模型建立前的准备................................................6
（一）若干假设......................................................6
（二）数据的来源与预处理............................................6
1、数据来源的说明................................................6
2、评价指标的选取................................................7
3、汇率影响因素的剔除............................................9
五、模型的构建与检验................................................9
（一）利用主成分分析方法构建两大综合因子............................9
1、深圳..........................................................9
2、厦门.........................................................10
3、天津.........................................................11
4、上海.........................................................12
5、广州.........................................................13
（二）建立进出口贸易总额分析模型....................................14
1、理论基础.....................................................14
2、次贷危机以前的Panel Data模型..................................14
3、次贷危机期间的Panel Data模型.................................16
4、结论分析.....................................................17
5、模型不足之处及今后研究方向...................................18
六、灰色预测模型的建立与预测.......................................18
（一）灰色预测理论与模型 ...................................18
（二）选择灰色预测模型进行预测的原因........................18
（三）灰色预测模型的建立及预测..............................19
（四）模型预测次贷余波影响下各城市对外贸易额未来几年走势....21
（五）预测结果分析.................................................23
（六）模型的不足之处................................ ...............24
七、结论与建议.....................................................26
（一）政府层面：调整宏观调控政策...................................26
（二）产业层面：稳步推进产业转移和产业升级..........................27
（三）企业层面：从制造走向软性制造..................................27
参考文献 ..........................................................28
附录 ..............................................................29
摘 要
金融危机对我国最直接也是最严重的影响就体现在我国进出口总额上，我国各个城市的政府也相继出台了许多政策来调整产业结构，维持我国经济的稳定与发展。本文在分析了现有的地区政策和经济指数后，运用2005年至2008年我国10个沿海城市的各项指标统计数据，从国际投资和国内贸易两个综合因子出发，使用汇率预测法和面板数据（Panel Data）模型分析，对金融危机的影响进行了探讨，并使用灰色预测模型对我国进出口贸易总额未来的走势进行了定量预测。
本文首先使用汇率预测法对我国总体的进出口贸易额进行了定性分析，通过分析汇率变化与我国进出口总额在时间上的关系，得出了结论：我国进出口贸易受到的影响滞后于世界金融危机的爆发。这是因为我国是出口外向型经济，当金融危机影响到了国外的消费水平后，才会牵动到本国的进出口，从而影响我国的经济。因此，这样的滞后性是可以解释的。但是，最后我们也会发现随着世界经济的稳定，我国的进出口贸易也会有所回转。
在模型的建立过程中，使用主成分分析法将多个指标降维成两个综合因子，作为后续模型的自变量。在此基础上，以10个城市为横截面，构建了个体变异系数的Panel Data模型，并结合实际情况进行分析，得出了各个城市的判断。由于我们能够通过中国统计年鉴查到的各个城市的数据有所不同，它们所采用的指标各异，因此我们只能针对不同城市的综合因子建立不同的子因子，因此最后我们对每一个城市进行了分析。虽然10个城市相互独立，但从中我们也可以看到金融危机对中国的整体影响，我们将这部分内容放在总结中叙述了。
随后，本文通过建立灰色预测模型，对2008，2009，2010年我国进出口贸易总额分别进行了预测。并将08年的预测数据与实际数据进行了对比，以验证我们模型的合理性。通过预测结果，我们得出了未来几年我国进出口贸易额的总体走势：虽然增长趋势放缓，但是总体上有增无减。可见金融危机对我国实体经济影响并不大，对我国进出口贸易额虽然有一定影响，但是影响并不严重。并且在未来的纪念间，我国出口贸易仍会有一定的增长。
最后，在理论和模型分析的基础上，针对金融危机对我国进出口总额的影响我们提出了三点建议：一是政府层面：调整宏观调控政策，二是产业层面：稳步推进产业转移和产业升级，三是企业层面：从制造走向软性制造。
关键词：金融危机 汇率预测 面板数据模型 灰色预测
问题的提出
始于2007年2月的美国次贷危机，已经演化为席卷美国、影响全世界的金融危机。虽然自2009年6月以来，金融危机对美国的影响已经告一段落，但是其在美国甚至全球范围内的影响仍然留有余波。
中国作为一个正在积极融入世界经济和金融体系的国家，自然也无法置身度外。高额的外汇储备以及外向型的经济体系，已经将我国与危机中的资本主义国家牢牢地捆绑在了一起。如果不能及时提出合理政策，作出产业结构调整，此次金融危机对我国的影响将会愈演愈烈。这主要表现在，沿海经济特区和开放城市的外贸企业倒闭，工人失业，以及由此引发的一系列连锁反应。
据海关总署的数字统计，2008 年是我国加入世贸组织7 年以来对外贸易进出口速度首次低于20%，出口比上年回落了 个百分点，2009 年1 月份的外贸进出口数据显示比去年同期下降了29%。并且，此次危机的波及面可能会从沿海地区逐渐向内陆拓展。
金融危机对我国的影响到底有多大呢？如何作出合理的产业结构调整，有效遏制金融危机对我国的近一步影响，让我国的经济持续健康稳定地发展是摆在每一个中国人面前的严峻课题。研究金融危机对沿海城市的外贸影响及趋势，不仅能让我们清楚地认识到金融危机对中国的影响，更能为制定产业调整政策提供了参考性的建议。
研究现状及存在的问题
自2008年金融危机波及中国以来，国内有很多学者、研究部门和统计部门都通过各种方法对我国进出口贸易的数据进行分析，对外贸企业的改革之路进行了大量的探索。但是据笔者所知，我国现阶段在这类研究方面还存在较多的不足，举例如下：
一是相对于国外研究，我国对外贸产业结构的研究尚停留在规范分析上，而研究分析贸易结构影响因素的实证文献还比较少。
二是还据笔者了解，还未曾有文献对金融危机对中国的影响的走向作出预测。
三是大多文献只是泛泛地谈外贸企业在此次金融危机中受到的影响，以及波及的产业，而没有通过一些统计学上的方法有力地证明真正影响到中国外贸企业的是哪些因素。
四是由于没有有力的定量证明，目前学者对美国经济下滑是否会对中国进出口造成显著的复要影响并没有达成一致。比如：中金公司经济学家哈继铭和邢自强（2007）认为，中国的出口增速实际上从未与美国消费脱节。高盛经济学家梁红和乔虹（2007）认为，中国经济走势和美国经济走势在很大程度上已经脱钩。UBS经济学家安德森（2007）认为，中美贸易对中国GDP的影响被人们夸大了。
有鉴于此，本文通过选取具有典型代表意义的10个沿海开放城市为研究对象，根据2005年2月到2009年7月期间每个月的数据，分别使用偏离-份额分析和Pannel Data模型，对外贸企业影响因素进行分析和探讨，并使用灰色预测模型对影响的未来走向进行定量预测。
金融危机的成因及其对我国对外贸易额影响因素分析
（一）金融危机的成因概述
2007年的美国，对外有巨额债务缠身，同时为了获得在进口石油上的独立自主权又要付出巨额的代价，国际地位日益降低，美元贬值。对内房地产的泡沫经济几近崩溃，次贷危机愈演愈烈。在这样一个内忧外患的环境下，美国的金融危机爆发了。
但是，作为世界头号强国的美国，其经济的影响力足以渗透到世界各个国家，眼下这场金融危机不仅仅让美国自身蒙受了巨大损失，也给全世界经济带来了一场巨大灾难。日本和欧洲这些与美国有着常年进出口贸易往来的国家首当其冲地受到了牵连，这些国家的金融衍生机构受这次次贷危机的影响也相继倒闭，国家失业率暴增。
而我国自从加入WTO 以来，对外贸易发展更加迅速，外贸出口大大增加，外贸依存度高达70%以上，外汇储备不断增多，自2006 年2 月超过了日本成为世界第一之后，中国外汇储备不断创出新高，这在很大程度上得益于我国外贸出口和我国外贸企业的发展。但是随之而来的问题是对欧、美、日等国的依存度越来越高，尤其是美国，它已成为我国最大的对外贸易出口国，其经济的繁荣与否对我国的出口贸易产生了直接影响。不断攀高的对美外贸依存度，成为了中美贸易摩擦频率越来越高的根本原因，中国的金融危机由此产生了。
（二）金融危机对我国对外贸易额影响因素的汇率估算法
1、汇率估算法分析
因为外贸的出口和进口都是以美元结算的，所以汇率对我国的外贸出口额的影响是非常大的，其主要表现在以下几个方面：
一是受到人民币升值和美元贬值的双重影响，近年来人民币对美元的汇率逐年降低，这将造成出口价格偏低，利润降低，给国内的出口企业造成盈利能力下降。
二是中国的出口产品主要以劳动密集型产品为主，这种产品主要以其低廉的价格占领国际市场，如今人民币对美元的汇率降低将导致中国的产品国际竞争力下降。
三是外贸企业在国内生产的运营成本将加大，导致企业盈利减少，生产积极性下降。
由此可见，汇率的改变对我国对外贸易出口额的影响比较显著，因此用汇率来估算未来对外贸易额走势具有可行性。
2、利用汇率估算法对我国对外贸易额走向预测
（1）数据的来源和处理
利用《中国统计年鉴》2006年1月到2009年7月期间我国进出口商品总额
和一般贸易总额（详细数据见附件1），分别作出其关于时间的图像。结合2005
年7月到2009年9月美元汇率的变化图像，我们可以对我国对外贸易走向进行
初步的定性分析。
（2）我国对外贸易走向分析
图1 美元汇率变化
图2 06年1月到09年7月进出口商品总额
图3 06年1月到09年7月一般贸易总额
首先，我们从图1可以看出美元汇率从2005年5月开始便处于下滑趋势。但是，结合附件3中的数据，我们可以看出，在07年7月以前，美元汇率处于比较平缓的下跌趋势，但是在07年7月到08年7月这一段时间里，美元汇率开始了严重下跌，一直跌至08年7月（详细数据参见附件2）的左右。从美国经济行情方面来看，自07年初美国次贷危机以来，07年7月到08年7月是美国金融危机的高潮阶段，金融衍生机构相继倒闭。因此，我们推测这段时间是金融危机对美国影响最大的阶段。
接下来，我们分析图2和图3。结合附件1中的数据，我们可以发现从08
年7月开始，一般进出口贸易总额和进出口商品总额开始持续下滑。可见这一
阶段我国的进出口额呈现下滑趋势。而这一阶段正处在美元汇率储蓄在
这一低谷的阶段。结合三张图的数据，我们可以发现，外贸的持续下滑趋势
滞后于美元汇率的下滑。这一点，我们可以进行等性分析。07年初美国金融
危机爆发，国内泡沫经济崩溃，导致本国内需求下滑，进出口贸易减少，同
时美国石油危机加剧国际地位受到动摇，这都导致了美元汇率的下滑。而美
国作为中国最大的贸易出口国，美元贬值人民币升值，必将影响中美之间贸
易往来，结合上篇提到的3点因素，我们显然可以推测初美元汇率下降后中国
进出口贸易额会持续走低。
最后，我们在这里还要提一点的是，在图3中由一个奇点就是在08年1月
的时候我国一般贸易总额突然跌到了-190亿美元，我们推测这可能和政府在
这一阶段的政策有关，可能限制了某些商品的出口量或是增加了某些商品的
出口关税，导致部分企业将出口商品储存起来内销或者等待行情变化时候再
出口。但是，这个奇点并不影响后面曲线下滑的整体走势，也和本文所要讨
论的课题没有直接关系，因此在这里我们就不再过多讨论这个奇点的问题。
综上，我们可以得出结论，金融危机对我国进出口贸易额产生了直接的
影响，但是通过曲线可以看出从09年1月左右开始进出口贸易曲线呈现上升趋
势（详细数据见附件1），而美元汇率也基本稳定在。由此，我们推断，
从这一时间开始金融危机对我国的影响逐步呈现缓和的趋势。
四、模型建立前的准备
（一）若干假设
1、金融危机对我国的影响最直接地反映在进出口贸易额上，因此本文通
过进出口贸易总额来研究金融危机对我国经济的影响程度。
2、影响我国进出口贸易总额的因素很多，本文在不考虑汇率的影响下，将因素分为了国内贸易影响因子和投资影响因子，并认为它们是影响进出口贸易额的最重要因素。同时，由于选取的各个城市统计年鉴上提供的数据不同，我们又将各个城市的影响因素细分为不同的子因素。
3、在模型的建立过程中，不考虑除金融危机以为的国家政策变化或其他重大时间对经济产生的影响。
4、在提取主成分的过程中，不考虑信息量损失对模型及预测结果的影响。
（二）数据的来源与预处理
1、数据来源的说明
此次金融危机对我国最直接也是最重大的影响就在于对我国进出口贸易额的影响。为了深入地分析这一问题，并且预计未来几内金融危机对我国的进一步影响以及时采取有效措施，我们具体分析了我国10个沿海城市近年来的进出口贸易变化。考虑到Panel-Data模型需要充分的数据支持，我们选取了广州、上海、深证、天津、厦门这五个统计年鉴上又大量数据信息的城市作为分析对象。然后我们又选取了包括这五个城市以外的澳门、大连、青岛、温州和珠海来进行灰色预测。本文中所有出现的数据均来自中国统计年鉴。
2、评价指标的选取
由于中国统计年鉴上各个城市所给出的数据不同，因此我们针对不同城市制定了不同的指标体系。自此我们将其一一列出如下：
3、汇率影响因素的剔除
考虑到本文中进出口额等几乎所有数据均以亿美元为单位受汇率影响很大，为了保证各个时期的数据可比，本文构建模型时决定剔除汇率因素的影响，对以美元为单位计算的价值量指标使用平均汇率作为标准。
五、模型的构建与检验
本部分使用主成分方法，将选取的指标综合为两大综合因子，作为后续模型的自变量。在此基础上，分别对选取的10个沿海城市建立了系数Panel Data模型，并结合实际情况，具体分析了两大综合因子对不同城市进出口贸易总额的影响。
（一）利用主成分分析方法构建两大综合因子
主成分分析也称主分量分析，它是将原来众多具有一定相关性的指标，重新组合成一组新的互相无关的综合指标来代替原有指标，从而在保证信息量丢失较小的同时降低数据维度。本文利用主成分分析的方法，根据影响进出口总额的因素分别构建了两个指标，为建立模型奠定了基础。但由于各个城市的数据有所差异，我们针对不同城市选取了不同的子因素来建立这两大综合因子。现分别针对各个城市构建影响综合因子如下：
使用马克威软件进行主成分分析（对四个不同的城市）
1、深圳
A、构建国际投资综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
因子载荷矩阵（提取方法：主成分法）
因子1
外商直接投资
外商及港澳台投资企业投资
根据主成份分析的结果，最终确定的国际投资综合因子为：
国际投资综合因子=*外商直接投资+*外商及港澳台投资企业投资
B、构建国内贸易综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
因子载荷矩阵（提取方法：主成分法）
因子1
国内金融机构各项存款余额
国内金融机构各项贷款余额
社会消费品零售总额
根据主成份分析的结果，最终确定的国内贸易综合因子为：
国内贸易综合因子=*国内金融机构各项存款余额+*国内金融机构各项贷款余额+*社会消费品零售总额
2、厦门
A、构建国际投资综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
因子载荷矩阵（提取方法：主成分法）
因子1
因子2
加权因子1，2
一般贸易
合同外资金额
实际利用外资金额
根据主成份分析的结果，最终确定的国际投资综合因子为：
国际投资综合因子=*一般贸易+*合同外资金额+*实际利用外资金额
B、构建国内贸易综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
4
5
6
7
8
因子载荷矩阵（提取方法：主成分法）
因子1
国有企业
集体企业
私营企业
三资企业
国有企业1
集体企业1
私营企业1
三资企业1
根据主成份分析的结果，最终确定的国内贸易综合因子为：
国内贸易综合因子=*国有企业+*集体企业+*私营企业+*三资企业+*国有企业1+*集体企业1+*私营企业1+*三资企业1
3、天津
A、构建国际投资综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
因子载荷矩阵（提取方法：主成分法）
因子1
直接利用外资
外商及港澳台投资企业投资
直接利用外资合同金额
根据主成份分析的结果，最终确定的国际投资综合因子为：
国际投资综合因子=*直接利用外资+*直接利用外资合同金额+*外商及港澳台投资企业投资
B、构建国内贸易综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
因子载荷矩阵（提取方法：主成分法）
因子1
国有企业
集体企业
根据主成份分析的结果，最终确定的国内贸易综合因子为：
国内贸易综合因子=*国有企业+*集体企业
4、上海
A、构建国际投资综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
4
因子载荷矩阵（提取方法：主成分法）
因子1
外商投资企业
高新技术产品
外商直接投资合同金额
外商直接投资实际到位金额
根据主成份分析的结果，最终确定的国际投资综合因子为：
国际投资综合因子=*外商投资企业+*高新技术产品+*外商直接投资合同金额+*外商直接投资实际到位金额
B、构建国内贸易综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
4
5
因子载荷矩阵（提取方法：主成分法）
因子1
国有企业
私营企业
一般贸易
加工贸易
机电产品
根据主成份分析的结果，最终确定的国内贸易综合因子为：
国内贸易综合因子=*国有企业+*私营企业+*一般贸易+*加工贸易+*机电产品
5、广州
A、构建国际投资综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
因子载荷矩阵（提取方法：主成分法）
因子1
金融机构外币余额情况
外商及港澳台投资企业
根据主成份分析的结果，最终确定的国际投资综合因子为：
国际投资综合因子=*金融机构外币余额情况+*外商及港澳台投资企业
B、构建国内贸易综合因子
特征根和累计贡献率
因子
特征根
方差贡献率%
累计贡献率%
1
2
3
因子载荷矩阵（提取方法：主成分法）
因子1
社会消费品零售总额
金融机构人民币各项存款余额
金融机构人民币各项贷款余额
根据主成份分析的结果，最终确定的国内贸易综合因子为：
国内贸易综合因子=*社会消费品零售总额+*金融机构人民币各项存款余额+*金融机构人民币各项贷款余额
（二）建立进出口贸易总额分析模型
接下来在城市的数据拟合成两类因子的基础上，我们要建立平行数据（Panel Data）模型。建立这个模型前，要进行单位根检验，来看看是不是平行数据。
1、理论基础
平行数据是指对不同时刻的横截面（就是不同城市）个体作连续观测所得到的多维（时间）数据。由于这类数据有着独特的优点，使平行数据模型目前已在计量经济学、社会学等领域有着较为广泛的应用。平行数据在EViews中被称为时序与横截面混合数据（pooled time series and cross-section data）。
平行数据模型是一类利用平行数量分析变量间相互关系并预测其变化趋势的计量经济模型。模型能够同时反映研究对象在时间和横截面单元两个方向上的变化规律及不同时间、不同单元的特性。
平行数据模型的基本假设：参数齐性假设。假定时间序列参数齐性，及参数值不随时间的不同而变化。（这些都是前面单位根检验的目的）
则平行数据模型可表示为：
为外生变量向量，为参数向量，K是外生变量个数，即为影响因子的个数。而T是时期总数，我们分两次看，即一次短期一次长期，长期是05年1月-09年9月，短期即为外贸波动最厉害的时候，我认为可以看08年11月-09年4月的，因为次贷对中国有滞后性。
其中参数和都是个体时期恒量（individual timeinvariantvariable）,其取值只受到截面单元不同的影响
2、次贷危机以前的Panel Data模型
（1）单位根检验
LLC 检验比较适合对截面个数在10-250 之间的面板数据进行平
稳性检验，因此本文采用此种方法对人均GDP 指标进行单位根检验。
方法
统计量
P
LLC 调整的t*
（2）Panel Data模型得到的结果
模型： 个体变系数模型
方法： 最小二乘法
时间长度： 27
个体数： 5
观测值数： 135
样本范围： 2006_02月--2008_04月
马克威分析：
变量
系数
标准误差
t
显著性
上海--国内贸易综合因子
上海--国际投资综合因子
广州--国内贸易综合因子
广州--国际投资综合因子
深圳--国内贸易综合因子
深圳--国际投资综合因子
厦门--国内贸易综合因子
厦门--国际投资综合因子
天津--国内贸易综合因子
天津--国际投资综合因子
变系数方程求得的结果
进出口总额上海=*国内贸易综合因子上海*国际投资综合因子上海
进出口总额广州=*国内贸易综合因子广州+*国际投资综合因子广州
进出口总额深圳=*国内贸易综合因子深圳+*国际投资综合因子深圳
进出口总额厦门=*国内贸易综合因子厦门+*国际投资综合因子厦门
进出口总额天津=*国内贸易综合因子天津+*国际投资综合因子天津
3、次贷危机期间的Panel Data模型
（1）单位根检验
方法
统计量
P
LLC 调整的t*
（2）Panel Data模型得到的结果
模型： 个体变系数模型
方法： 最小二乘法
时间长度： 21
个体数： 5
观测值数： 105
样本范围： 2007_11月--2009_07月
马克威分析：
变量
系数
标准误差
t
显著性
上海--国际投资综合因子
上海--国内贸易综合因子
深圳--国际投资综合因子
深圳--国内贸易综合因子
广州--国际投资综合因子
广州--国内贸易综合因子
厦门--国际投资综合因子
厦门--国内贸易综合因子
天津--国际投资综合因子
天津--国内贸易综合因子
变系数方程求得的结果
进出口总额上海=*国际投资综合因子上海+*国内贸易综合因子上海
进出口总额深圳=*国际投资综合因子深圳+*国内贸易综合因子深圳
进出口总额广州=*国际投资综合因子广州*国内贸易综合因子广州
进出口总额厦门=*国际投资综合因子厦门+*国内贸易综合因子厦门
进出口总额天津=*国际投资综合因子天津+*国内贸易综合因子天津
4、模型结果的分析
由于各个城市所采用的指标不同，因此我们在这里对各个城市单独分析。
上海：金融危机以前上海国企、私企、一般贸易和加工机电的进出口占有很大份额，而外商直接投资并为给上海进出口总额作出贡献。但金融危机之后，上海国内贸易进出口量大幅减少，而外商直接投资和高新技术产品为进出口所作贡献急剧上升。由此，我们可见金融危机对上海内陆进出口有比较大的影响，但可能与此同时，由于国外金融危机形势严峻，导致了很多外商来华投资，又促进了上海的进出口总额。
广州：广州作为珠江三角洲的中心城市，在此次金融危机中扮演了稳定器的角色，各项指标都未产生很大波动。这可能要归功于广州今年来的产业结构调整，从拉动经济的“三驾马车”看，出口“腿长”、消费和投资“腿短”的格局已经改变。广州的社会消费品零售总额以及金融机构存款和贷款都有所提高，但与此同时金融机构外币余额以及外商投资在减少，这可能也是一定程度上受到金融危机冲击的缘故。但总的来说，广州并为受到金融危机的严重影响。
深圳：深圳作为珠江三角洲第一个依靠外贸发展起来的城市，在此次金融必定受到比较大的影响。但是从分析数据可以看出，深圳及时作出了产业结构调整，将以前的外向型经济体制改造成了以扩大内需为主导的经济体制。金融危机之后，深圳的社会消费品总额、国有企业存款和贷款额都有明显上升，但与此同时外商投资下滑较为严重，这可能是由于金融危机的影响。
厦门：在金融危机的影响下，厦门市的内陆进出口额大幅下跌，但是外商投资却持续上升。我们认为这和厦门的地理位置有关，福建省临近台湾，台湾此次受金融危机较为严重，因此很多台商可能会将目光转移到大陆，因此促进了厦门市的外商投资份额。
天津：天津的情况和厦门极为相似，我们认为这可能也是天津的地理位置所致。天津靠近首都北京，因此，具有吸引外商的得天独厚的条件。
5、模型不足之处及今后研究方向
本文力图通过综合性的因子指标，多方面反映各类因素对区域经济的影响。但在具体指标选取上又由于各个城市所提供的数据不一样，而无法达成一致，这导致我们在将各个城市平等比较时产生了一些困难。同时，由于数据不足，其他一些可能影响到进出口总额的因子我们可能并未考虑进去。诸如此类的问题，如果今后能提供更加完备的数据，我们将进行更加深入的分析。
六、灰色预测模型的建立与预测
灰色预测模型时普适性的模型，我们对于十个城市都会用灰色预测模型对进出口总值分别作出预测。
（一）灰色预测理论与模型
灰色预测是指利用模型对系统行为特征的发展变化规律进行估计预测，同时也可以对行为特征的异常情况发生的时刻进行估计计算，以及对在特定时区内发生事件的未来时间分布情况做出研究等等。这些工作实质上是将随机变量过程当作灰色过程，随机变量当作灰变量。
模型是利用离散随机数经过生成变为随机性被显著削弱而且较有规律的生成数，建立起的微分方程形式的模型，这样便于对其变化过程进行研究和描述。
（二）选择灰色预测模型进行预测的原因
之所以选择GM(1, 1)灰色预测模型进行经济状况复苏的预测，主要
考虑到以下两点：
第一，经济特区的经济作为一个经济信息系统是一个灰箱系统，它既包括已知信息，又含有未知数据，同时它又随时间呈现规律性的变化，为寻求其发展规律，考虑采用GM(1, 1)灰色预测模型进行研究。
第二，GM(1, 1)模型对于数据量的要求较少，一般4-6 个数据就可以建立起一个模型，可操作性很强。
第三，次贷危机的显著影响是一个短期的过程，而GM(1, 1)灰色预测模型对于短期预测较为有效。
但缺点也很明显，就是无法对影响变量增长的因素进行分析。
（三）灰色预测模型的建立及预测
由已知数据，对于某项指标即为矩阵，计算每年平均值，记为
，
对作一次累加，则，
记。
取的加权均值，则
为确定参数，记。
于是的白化微分方程模型为
其中是发展灰度，是内生控制灰度。
由于，取为灰导数，为背景值，则将方程对应为相应的灰微分方程为
即矩阵形式为
其中
用最小二乘法求得参数的估计值为
于是方程有响应（特解）
则
由上式可以得到2009年的平均值为，则预测2009年的总值为。根据历史数据，可以统计计算出2009年第个月的指标值占全年总值的比例为，即
则，于是可得2009年每一个月的指标值为。
预测结果如下：
表1 2008年2月至12月10个城市进出口贸易总额实际值与估测值对比
单位：亿美元
（其中澳门的数据为进出口贸易余额，取自澳门统计年鉴）
时间
澳门实际值
澳门预测值
大连实际值
大连预测值
2008年2月
2008年3月
2008年4月
2008年5月
2008年6月
2008年7月
2008年8月
2008年9月
2008年10月
2008年11月
2008年12月
广州实际值
广州预测值
青岛实际值
青岛预测值
深圳实际值
深圳预测值
天津实际值
天津预测值
温州实际值
温州预测值
珠海实际值
珠海预测值
上海实际值
上海预测值
厦门实际值
厦门预测值
通过比较08年2月到12月各城市进出口贸易实际值与预测值可知：运用灰色模型得到的预测值要比实际值略大一些，这是因为灰色预测模型中没有考虑金融危机的影响，而实际上金融危机对我国进出口总额产生了一定影响，因此预测值会偏大。但是，总体上来看，预测的趋势以及偏差都比较小，因此用该模型来预测我国进出口贸易未来的走势是可行的。
（四）由模型得到在次贷危机余波影响下我国失业率未来几年走势
接下来，我们通过05到08年的数据来预测09和10年的数据,如下：
表2 2009年2月至12月进出口总额预测
时间
澳门预测值
大连预测值
广州预测值
青岛预测值
深圳预测值
2009年2月
2009年3月
2009年4月
2009年5月
2009年6月
2009年7月
2009年8月
2009年9月
2009年10月
2009年11月
2009年12月
天津预测值
温州预测值
珠海预测值
上海预测值
厦门预测值
2010年的数据预测如下：
表3 2010年2月至10月进出口总额预测
时间
澳门预测值
大连预测值
广州预测值
青岛预测值
深圳预测值
2010年2月
2010年3月
2010年4月
2010年5月
2010年6月
2010年7月
2010年8月
2010年9月
2010年10月
2010年11月
2010年12月
天津预测值
温州预测值
珠海预测值
上海预测值
厦门预测值
（五）预测结果分析
为了更加清楚地研究预测结果，我们将上述预测结果绘制成了图像，方便我们观察。
图4 2008年进出口额预测图像
图5 2009年进出口额预测图像
图6 2010年进出口额预测图像
由于澳门的数据是进出口余额，因此，我们在这里先讨论其他城市，澳门最后单独讨论。从图像上可以看出，深圳和上海的进出口总额在全国一致持续保持在领先地位，并且有小幅增长。同时，上海也有赶超深圳的趋势。这些城市中除珠海以外全年进出口总额基本维持稳定。珠海从年初开始到年末，进出口总额呈现直线上身趋势，其主要原因可能是因为珠海地区主要承担的是出口加工贸易，本身没有多少工业产业，其进出口额受到国家配额影响很大，所以其进出口总额会受时间影响比较大。
从总体趋势来看，我国进出口总额受到金融危机一定的影响，增幅与以往相比有所减慢，但还是可以看出我国的进出口贸易有增无减，此次金融危机对我国的实体经济其实影响并不大。
图7 澳门2008年进出口贸易余额预测图像
图8 澳门2009年进出口贸易余额预测图像
图9 澳门2010年进出口贸易余额预测图像
从图上对比可以看出，澳门的进出口总额将逐年增长，因为09年到10年进出口余额的差额为1000亿美元，而08年到09年-250亿美元左右。而08年正是我国进出口受到金融危机最为严重的时候，因此，我们可以理解其有所下滑的原因。而就此趋势我们也可以看出澳门的进出口额仍然将会增长。
（六）模型的不足之处
灰色预测模型理论上只可以预测所给数据后一年的数据，但本文总用05到08年的数据来预测了10年的数据，因此预测结果不一定准确。但是我们目前还不能知道09年所有的数据，因此只能用这种方法对10年进行预测。不过，从所作的图像可以看出大体趋势还是应该正确的。等到我们能够掌握充分数据以后，我们可以对模型再进行改进。
七、结论与建议
此次金融危机从总体上来讲对我国实体经济的冲击并不是很大。对我国的外贸进出口总额有一定影响，但是影响并不严重。这和我国政府及时的应对政策也有一定关系，政府及时拨款4亿来促进内需，为我们顺利度过金融危机提供了重要保障。
从另一方面讲，此次金融危机虽然未对中国经济造成巨大损失，但提醒了我们现存经济体制还有很多不合理之处，必须及时调整。我国一向以出口外向型经济为主导，这就导致了我国的经济很大程度上会受到外国经济的制约和影响，而我国的内需发展并没有跟上我国的经济发展。因此，在接下来的时间里，我国有必要进一步扩大内需，促进本国经济发展，大力提高技术创新新企业，开发自己的东西，对劳动密集型企业的出口作出一定调整。
为了进一步促进我国经济发展，我们提出以下几点建议：
（一）政府层面：调整宏观调控政策
在金融危机的冲击下，应该对宏观调控政策进行调整，以便更好地从实际出发，为经济增长和企业发展创造宽松的环境，减少本轮金融危机下经济波动的幅度。出口下降造成的产能过剩，部分产品滞销，企业破产，失业人数增加，成为影响社会稳定的隐患。针对这样的背景，中央政府今后宏观调控的主要目标是保持经济平稳增长和稳定就业率，同时扩大内需。同时，这方面国家也已经作出了一定的修正，如国家税务总局适当调高部分劳动密集型和高技术含量、高附加值商品的出口退税率，如将部分纺织品、服装的出口退税率从11%提高至13%、14%。
（二）产业层面：稳步推进产业转移和产业升级
要从传统的低端制造业向更具有技术含量的产业转移，减少兰董密集型产业的比重。此次金融危机将会加速淘汰这些落后的企业。但是，我们也要清醒地意识到如果过快通过政府政策来推动产业转移给经济发展所带来的伤害。如产业转移是否会导致产业集群和产业链的断裂，有些行业上游行业迁移之后，下游行业也会随之衰落；加工贸易一般都希望有方便的港口运输条件，距离远了企业往往会考虑到物流成本不愿意投资等。正是由于这些客观的困难，我们迄今为止还没有从根本上改变过去的发展道路。因此，虽然产业转移的要求很强烈，但在金融危机的背景下更要谨慎行事。
目前我国主要的产业还集中在第二产业中，服务业发展水平较低，特别是高附加值服务业，如金融、保险、电信、物流等部门，与发达国家的水平差距较大，严重制约国民经济其他领域的发展。因此，应该在产业转移和产业升级的进程中通过国内改革和加快开放来提升服务业的整体发展水平和国际竞争力。
（三）企业层面：从制造走向软性制造
在制造业出路方面，从企业的层面看，可以学习日本制造业的成功经验。就是有必要自己设计、构建以及导入新商业模式，从一般制造业走向“软性制造”。所谓“软性”，就是增加产品附加价值和魅力的服务和解决方案，以及产生产品的构想和机制，这些通常是无形的，用肉眼看不到。要想实现“软性制造”，提升现有产业的竞争力和产业层次，出路在于自主创新。不仅在工程技术上促进自主创新，还要重视商业模式创新，提高创新速度和效率，提升技术产业化水平。
过去，中国企业对于研发习惯于从工程技术的角度看待，因此往往把研发等同于技术上和产品上的创新，而对其他方面的创新尤其是商业模式创新方面的重视不够。从根本上讲，人才、资金、技术等资源只有服从于正确的商业模式才有价值，企业只有实现经营思维的突破，建立国际领先的商业模式，才能够真正实现国际一流的企业竞争力。从创新的作用来看，工程技术创新和商业模式创新在增强企业的市场竞争力上具有同等重要的地位
参考文献
[1] 北京市局队联队2队，区域发展差距：成因与走向。
[2] 刘乒乒，我国中小型外贸企业应对金融危机策略，《合作经济与科技》，，379期
[3] 美)安塞尔.M.夏普(Ansel );查尔斯.A.雷吉斯特(Charles )，社会问题经济学，中国人民大学出版社。
[4] 曼昆，宏观经济学，机械工业出版社，2005。
[5] 韩中庚，数学建模方法及其应用，北京：高等教育出版社，2005。
[6] 王苍峰、王恬，对中美贸易条件恶化的经验研究，《世界经济研究》，2009
年第八期。
[7] ,珠三角产业结构调整
附录
算法1：主程序
clear all;
da=load('');
sy=2005;
sm=1;
for i=1:10
f(i)=0;
end;
for i=1:10
s(i)=0;
end;
y=sy;
m=sm;
for i=1:length(da)
if (da(i)==123456789)
f(y-2004)=1;
else
s(y-2004)=s(y-2004)+da(i);
end;
m=m+1;
if (m==12)
m=1;
y=y+1;
end;
end;
if not(m==1)
f(y-2004)=1;
end;
for i=1:11
g(i)=0;
end;
for i=1:11
h(i)=0;
end;
y=sy;
m=sm;
for i=1:length(da)
if not(da(i)==123456789)
if f(y-2004)==0
g(m)=g(m)+da(i)/s(y-2004);
h(m)=h(m)+1;
end;
end;
m=m+1;
if (m==12)
m=1;
y=y+1;
end;
end;
for i=1:11
g(i)=g(i)/h(i);
end;
for i=1:10
s2(i)=0;
end;
y=sy;
m=sm;
for i=1:length(da)
if (da(i)==123456789)
s2(y-2004)=s2(y-2004)+g(m);
end;
m=m+1;
if (m==12)
m=1;
y=y+1;
end;
end;
m
y
for i=1:10
s(i)=s(i)/(1-s2(i));
end;
for i=1:3
dat(i)=s(i);
end;
t1=huise(dat,1);
vpa((t1')*g)
dat(4)=s(4);
t2=huise(dat,2);
vpa((t2')*g)
算法2：灰色预测模型的程序
function GM=huise(data,N)
T=length(data);
X0=data;
for i=2:T
X1(1)=X0(1);
X1(i)=X1(i-1)+X0(i); %用AGO生成一阶累加生成模块
end
for i=1:T-1
M(i)=-(*(X1(i)+X1(i+1)));
end
B=zeros(T-1,2); %构造累加矩阵B
for i=1:T-1
for j=1:2
if j<2
B(i,j)=M(i);
elseif j>1
B(i,j)=1;
end
end
end
for i=2:T %构造常数项向量Y
Y(i-1)=X0(i);
end
HCS=inv(B'*B)*B'*Y'; %用最小二乘法求灰参数 HCS
H=HCS';
for i=2:T+N %计算出累加序列
XR1(i)=(X0(1)-H(2)/H(1))*exp(-1*H(1)*(i-1))+H(2)/H(1);
end
for i=T+1:T+N %还原计算出预测值
K(i-T)=XR1(i)-XR1(i-1);
end
GM=K;
PAGE \* MERGEFORMAT 1
