基于小波分解自回归模型的CPI预测

文章利用小波分析与自回归模型相结合的方法来建模分析时间序列,这种方法主要是在尺度函数逼近和自回归模型的基础上建立的。小波分析提供了一种多尺度函数逼近的方法,而自回归模型能够预测时间序列。文章的对CPI序列进行了离散小波分解,并重构得到了尺度序列和每层的细节序列;然后分别对其建立自回归模型并预测每个序列的下一个值,将得到的预测值相加得到了CPI预测值,再用预测值,利用建立的模型进行预测;最后,用标准差来衡量估计量的好坏。     

汇率预测方法及比较:基于贝叶斯平均分类回归模型的检验

分类回归模型是回归模型家族的一个重要组成部分.文章针对现有的分类回归模型均采用选择性回归计算所存在的问题,建立了贝叶斯平均分类回归模型,并将其用于人民币汇率预测的实证研究.在实证研究时选取人民币对主要货币的汇率序列,对使用时间序列模型的预测结果与贝叶斯平均分类回归模型的预测结果进行对比分析,证明贝叶斯平均分类回归模型确实能够提高预测准确度.还使用贝叶斯平均分类回归模型对比分析了现有研究文献的预测效果,结果表明分类回归模型具有一定程度的优越性.     

数据挖掘中离散现象的建模

在数据挖掘中,我们经常寻求建模的现象是离散而不是连续的.也就是模型的被解释变量是定性的而不是定量的.比如,二元变量:买房,不买房;定类变量:对某个候选人的态度,赞成,反对和弃权;定序变量:信用等级1,2,3,4,5.此时要求模型预测的是将某个个案分到某个类的概率,概率越大的事情越可能发生,进而预测可能的类别.对此类问题在数据挖掘中使用logistic回归显示出强大的处理能力.     

基于STAR模型的人民币实际汇率走势研究

文章采用平滑转移自回归(STAR)模型来揭示中国实际汇率的动态行为,对其进行分析和预测,检验结果表明,以logistic函数作为过渡函数的STAR模型能很好地描述人民币实际汇率的行为,中国实际汇率走势是非线性的并体现了非对称性.基于此模型得出的汇率预测显示,2009年人民币汇率将基本保持稳定,会出现小幅贬值,波动区间为6.79-6.96.     

基于灰色系统理论的广州市人口预测

文章以广州市城市人口预测为例,针对城市人口预测中信息不充分的特点,采用灰色系统理论建立了1992～2006年的人口动态增长模型,经过后验差检验,模型等级为1,模拟精度高.用此模型预测了广州市2007～2016年的城市人口,并分析了人口增长状况.     

中国人口预测的自回归分布滞后模型研究

本研究以自回归分布滞后模型为基础,以人口年增长量作为被解释变量,人口年增长量的滞后值、人口年出生率和人口年死亡率的滞后值作为解释变量,分别设计了两类4个模型,并以1952-2002年人口序列数据为基础,采用一般回归法、后退法和逐步回归法三种方法对所设计的模型进行估计,得到可作为人口预测的168个模型.然后,从中筛选出较优的包含人口年增长量滞后值的中国人口自回归分布滞后预测模型和不包含人口年增长量滞后值的中国人口预测模型.     

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4％,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进.     

基于过度离散广义线性模型的来电量预测

文章基于真实B2C商务数据,针对Poisson回归中过度离散这一主要缺点,在广义线性模型的框架中探讨过度离散Poisson回归模型、负二项回归模型和Tweedie模型,并深入比较三种模型的拟合效果、预测结果、对过度离散的刻画和对尾部的测度。     

等维灰数递补模型在人口预测中的应用

人口是一国和地区发展的重要因素。准确的人口预测是制定国民经济计划、区域发展规划的基础。文章介绍了灰色GM(1.1)模型在人口预测中的应用,包括模型的建立、精度检验、不同维模型的选优以及提高模型预测精度的等维递补方法;并用等维灰数递补GM(1.1)模型对甘肃省2006-2020年的总人口进行了预测,精度检验结果表明模型预测精度高,预测结果较为可靠。     

人口预测的BP神经网络模型

人口预测研究是国家制定未来人口发展目标和生育政策等有关人口政策的基础,对于国民经济计划的制定和社会战略目标的决策具有重要参考价值.一般的人口预测统计学模型,其预测精度难以保证.王周喜等同志在<人口预测模型的非线性动力学>(见<数量经济技术研究>2002年8期)中,在马尔萨斯人口模型的基础上提出了修正的马尔萨斯人口模型,并结合分岔理论进行了分阶段实际人口预测,这不失为一种好的方法,但仍存在函数选择和阶段划分的主观性问题.     

基于模糊线性回归分析的我国人口估计

由于人口的瞒报、漏报和错报等问题,每一年度的数据并不是一个确切数,而是一个基于一定把握程度(隶属度)基础上的数,是一个典型的模糊数。文章运用模糊线性回归分析对我国的人口变化进行估计,得到了一簇为以传统的计量回归分析数据为中心值的模糊回归模型曲线。其结果对于预测问题和我国的人口预测与估计具有较好的借鉴意义和应用价值。     

国内生产总值回归预测新探

文章通过对我国2012年国内生产总值回归预测实证分析,研究了国内生产总值的主要影响因素及回归预测的新方法.在研究中首次提出了多个一元回归模型组合运用、组合模型权数按各相应模型误差率大小进行分配,以及一元回归组合模型与多元回归模型再组合运用的思想和方法.这对于完善回归预测理论和方法,拓展预测研究思路,增强预测方法的选择性和应用性等,具有重要意义.     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

Logistic生物微分模型在人口预测中的应用

文章讨论了Logistic生物微分模型,并将它用于人口预测.通过利用四川省的人口数建立了四川省人口预测的Logistic模型,其人口预测的平均误差为0.1388%,预测效果非常好.     

基于SARIMA-GMDH的CPI组合预测模型

文章以2001年1月至2015年2月的我国CPI定基指数为样本数据,首先构建季节乘积SARIMA模型与GMDH自回归模型对CPI进行预测;然后通过自组织数据挖掘理论构建SARIMA-GMDH组合模型再次对CPI进行预测;最后通过模型拟合优度检验与预测能力分析综合评价这3个预测模型,探索各个模型预测效果的差异性,总结评价组合预测法在经济现象中的预测优势.     

基于百度指数的房地产价格相关性研究

文章以我国大中城市的新建住宅价格为研究对象,以均衡价格理论为基础,使用搜索关键词的百度指数开展研究,分别使用自回归移动平均模型(ARMA)和带搜索项的自回归分布滞后模型对上海市的新建住宅价格指数进行了拟合和预测.实证结果表明:百度搜索指数与价格指数之间存在协整关系,建立的自回归分布滞后模型的拟合度达到0.918,预测精度相较ARMA模型提高23.2％.与传统的预测方法相比,模型具有很强的时效性,能够比国家统计局提前一个月发布房屋价格指数数据.     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。