经济预测是经济管理和决策中的重要问题之一。科学决策依赖于科学预测的支持，科学预测是科学决策的基础。利用科学的预测方法揭示我国经济发展过程固有的规律性，在此基础上预测未来可能发生的变化，并采取切实可行的措施，制定出科学的规划，就可以避免重大的决策失误。几十年来，短期预测模型成功地对我国经济发展作出定量分析，在我国经济的发展的决策过程中，起到了重要的指导作用，但在中长期预测方面却遇到一些棘手的问题，主要是预测值与最终实现的结果有一定偏差，甚至偏差很大。这给从事中长期预测的工作者和研究者蒙上了一层阴影。在新形势下，不断改善定性预测方法，加强定性与定量预测方法的结合，对于建设中国有特色的社会主义具有十分重要的意义。　　经济计量模型是目前主要的预测方法之一，它是在西方国家发展起来的。20世纪80年代初开始在我国传播和发展。建立各种类型的宏观经济计量模型，需要建模者根据经验对输入变量和模型结构作一些事先假定，然后经反复试验找出满意模型，这样难免使模型受主观因素影响。为降低了建模者主观因素的影响，改进传统的计量经济方法，使经济模型有更好的预测可靠性，本文引进数据处理成组方法——GMDH(Group Method of Data Handling)。GMDH是由乌克兰科学院A.G.Ivakhnenko院士创立，它是建立在“进化-遗传-变异-选择”的进化论原理基础上的，其建模方法强烈地体现着由简单到复杂的复杂事物演化过程，是基于复杂系统的前沿学科。GMDH方法能根据样本数据自主选择实质相关的输入项并产生最优函数结构，使建模者能够尽可能全面地考虑所有对输出有影响的因素，由计算机筛选，从而具有更好的广泛适应性和客观性。站在复杂性科学的高度，用GMDH方法完善经济预测方法，能丰富新形势下的经济预测方法，为我国国民经济实现科学决策做贡献。　　GMDH方法在建模过程中尽可能地限制建模者的参加而赋予计算机选择的充分自由，其智能化程度高。建模者要完成的仅仅是提供样本数据和适当的准则，这使得建模者尽可能全面地考虑所有可能对输出变量有影响的因素，自动筛选变量和模型结构，确保了带有独立信息的有实质作用的变量被选出。这样，建模的结果和建模者对研究对象模型的主观想象无关，保证了模型选择的客观性。传统统计模型方法（包括经济计量模型方法）是无法做到这点的，所以可以认为自组织数据挖掘方法是其他统计模型方法的补充和推广。　　GMDH具有很强的抗干扰性，因而能进行高精度预测。它从数据驱动的角度出发，通过选择准则的运用使网络结构达到最优复杂性，避免了模型的过拟合及不足拟合，使得算法即使在一定数据噪声干扰的情况下也能找出符合系统内在规律的真实模型，这适合对正在发生迅速且深刻变化的中国经济系统的中长期预测。　　本文引用GMDH方法，由简单到复杂事物的演化过程、优胜劣汰的生物进化过程、中间模型不断重组的模型自组织过程结合经济理论，实现客观、自动地选择出对研究对象产生重要影响的经济变量，并用此方法解决动态计量经济模型中滞后变量和阶数的确定问题。这在一定程度上解决了动态计量经济模型中滞后变量和滞后数的确定问题，改进了向量自回归模型(VAR)，自回归条件异方差模型(ARCH)，确定Granger因果检验模型的滞后数，建立GMDH的因果检验模型，寻找虚拟变量建立结构突变自动搜寻模型。引入三角函数求和形式的调和算法模拟和分析经济变量的波动问题，建立了GMDH调和算法的经济波动模型，并对经济波动进行分析。　　建立GMDH多水平算法模型并模拟经济系统，用月均值数据、季节均值数据和年均值数据等同时建模，通过建立GMDH不同水平的算法模型解决中长期预测问题。用递推算法解模型的识别问题和参数估计，提出算法的一般模式、结构、算法的稳定性和计算框图。并理论上证明了二水平、三水平和多水平抗干扰能、准则的抗干扰能，提高模型预测的准确性。用我国的物价指数，GDP等经济的数据进行实证，实证分析表明:这些方法是完全有效的。此外建立GMDH多水平证券预测收益模型，对我国证券市场进行实证，取得了较好的结果。