2004年—2017年北京市金融业的增加值、固定资产投资额、从业人员数见表5-16：

表5-16 2004—2017年北京市金融业情况

5.4.2.1 增加值的预测

对北京市金融业增加值的预测运用时间序列指数回归模型和GM（1，1）模型相结合的方法。

（1）时间序列指数回归模型

根据历史数据，得到北京市金融业增加值的指数回归模型为：

y=667.5·e0.145x，R2=0.991

拟合效果很好，相对误差绝对值平均为4.7%，精度较高。

（2）GM（1，1）模型

同样根据历史数据，得到北京市金融业增加值的GM（1，1）模型白化方程的时间响应式为：

相对误差绝对值平均为4.3%，精度也很高。

（3）综合加权平均模型

运用以下模型计算预测最终结果：

x=0.5·（x1+x2）

其中，x1为GM（1，1）模型的预测值，x2为时间序列指数回归模型的预测值。由此得表5-17、图5-9。

表5-17 北京市金融业增加值的预测

(www.daowen.com)

图5-9 北京市金融业增加值的趋势预测

5.4.2.2 所需固定资产投资额的预测

根据历史数据，对北京市金融业所需固定资产投资额的预测时间序列二次多项式模型拟合效果较好。其模型为：

y=2.481x2-14.18x+50.43，R2=0.981

拟合效果很好，相对误差绝对值平均为9.9% <10%，通过了检验。由此得表5-18、图5-10。

表5-18 北京市金融业所需固定资产投资额的预测

图5-10 北京市金融业所需固定资产投资额的趋势预测

5.4.2.2 所需人才的预测

根据历史数据，北京市金融业从业人员的预测采用时间序列线性回归模型拟合较好，其模型为：

y=3.382x+3.573，R2=0.922

拟合程度较好，相对误差绝对值平均为13.9% >10%，未通过检验。但由于其拟合程度较好，因此我们仍用其来进行预测。由此得表5-19、图5-11。

表5-18 北京市金融业所需人才的预测

图5-11 北京市金融业所需人才的趋势预测