基于相关系数的钢材需求量组合预测

近年来我国钢材消费量和产量大幅提升,在1997～2006年的10年里分别增长了308%和367%,虽然同期内国内铁矿石产量也增加了119%,但仍无法满足钢铁工业的需求,对外依存度从28.5%提升到51.8%。在对钢材以及铁矿石消费量的预测实践中,由于不同的预测方法能够提供不同的有用信息,其预测精度往往也存在差异,为了分散预测的风险,文章采用基于相关系数的组合预测方法对我国未来的成品钢材需求量进行预测,并对预测结果进行了深入分析。结果表明,基于相关系数的组合预测模型在预测准确性和适应性方面均能得到一定改善,能很好地对钢材需求量进行科学、有效的预测。     

基于Logistic改进模型的中国天然气产量预测

Logistic预测模型在能源预测领域有广泛的应用，但Logistic原模型的能源产量、储量等预测结果与实际值差异较大。其原因是在大多研究中将Logistic原模型中的“环境容量”和“种群内禀增长率”两个参数假设为常量，而实际上这两个参数是随时间变化的。本文通过将这两个常量参数函数化以改进模型。基于奇异摄动相关理论，使用匹配展开法设计了模型参数求解方法。以中国天然气历年的可采储量和产量数据进行实证研究，并与几种常用预测模型对比，验证改进模型的预测能力。结果表明，相较于Logistic原模型，改进后的模型明显地提高了预测精确度。最后运用改进的Logistic模型预测了我国2019—2036年的天然气产量，在2028年天然气产量达到峰值为3311.3亿立方米。     

混沌时间序列及其在我国GDP（1978-2000）预测中的应用

混沌经济时间序列的预测方法研究是混沌经济非线性动力系统的重要内容。本文利用混沌动力学原理,通过混沌时间序列的相空间重构,运用局域预测方法,建立了预测模型。并用其确立的混沌动力学模型对1978～2000年我国GDP进行了预测。把此预测结果与实际值进行了比较,结果证明误差较小。同时还将此预测结果与用指数平滑法建立的预测模型的预测结果相比,结果表明混沌时间序列建立的模型其短期预测效果更好。     

折扣系数法在建立预测模型中的应用

本文针对不同观测点对预测值的不同影响,采用折扣系数法探讨了用折扣最小二乘法和折扣最小一乘法建立预测模型的方法以及用折扣系数法建立组合预测模型的方法。本文的方法不仅适合于一般趋势预测模型的建立,也可推广到一般回归预测模型的建立。这对于提高预测模型的预测精度有着重要的意义。     

基于深度学习和股票论坛数据的股市波动率预测精度研究

本文利用深度学习和股吧发帖数增长率数据对沪深300指数波动率进行样本外预测,将预测结果与19种波动率预测模型作对比,并用MCS方法检验各模型的预测精度。研究发现:深度学习预测效果明显好于选取的其他对比模型。另外,股票论坛数据对提升波动率预测精度有所贡献,但贡献有限。本文为波动率预测提供了一种更精确和更稳健的实现方法,探索了股票论坛数据在波动率预测上的应用,并拓展了深度学习在金融领域的运用。     

灰色组合预测模型及其应用

针对传统回归模型需要的数据量大且建模复杂等缺陷,提出了一种基于灰色关联度和GM(1,1)的灰色组合预测模型;从灰色关联度的视角寻找数据之间的依赖关系,运用GM(1,1)模型预测数据关系的未来发展趋势,进而建立因变量的预测模型;模型体现了回归分析基于事物因果关系的建模思想,同时又具有灰色理论小样本建模的特点;应用该模型对我国2007和2008年度的GDP进行预测,预测结果表明了该模型的有效性及实用性。     

面向灾害应急物资需求的灰色异构数据预测建模方法

多源信息集结对提高自然灾害环境下统计数据可信度具有重要作用,但信息渠道的多源性极易导致集结信息数据类型不一致、不兼容,形成灰色异构数据序列。本文应用灰色系统建模技术对灰色异构数据预测建模方法展开研究,首先,基于"核"和"灰度"对灰色异构数据进行规范化处理;然后,建立灰色异构数据"核"序列的DGM(1,1)模型,并以"核"为基础,根据灰度不减公理,以灰色异构数据序列中最大灰度值所对应的信息域作为预测结果之信息域,推导并构建了灰色异构数据预测模型;最后,将该模型应用于某地震帐篷需求量的预测。本文研究成果将传统灰色模拟及预测模型建模对象从"同质数据"拓展至"异构数据",对丰富与完善灰色模拟及预测模型理论体系,提高自然灾害救援效率具有积极意义。     

组合式神经网络下的短期电力负荷预测模型分析

本文对电力负荷变化规律和影响因素进行分析,提出一种组合式神经网络下的短期电力负荷预测模型。采用神经网络、模糊聚类分析和模式识别理论的方法进行建模。以每天24点负荷数据、天气数据以及天类别数据为指标,将历时数据分成若干类别,针对每一类别建立神经网络预测模型,预测时通过模式识别,找出与预测天相符的预测类别,利用相应的神经网络预测模型进行24小时短期电力负荷预测。     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.     

基于指数型新弱化缓冲算子的能源需求预测

在灰色系统理论缓冲算子公理体系下,构造了一类新的指数型弱化缓冲算子,有效地解决了冲击扰动数据序列在建模预测过程中出现的定量预测结果与定性分析结论不符的问题.并将该弱化缓冲算子应用在中国能源需求的短期预测中.研究结果表明,该弱化缓冲算子能显著提高数据预测模型的预测精度.     

基于小波包和最小二乘支持向量机的短时交通流组合预测方法研究

基于小波在处理非线性、非平稳随机信号的优势以及支持向量机在解决小样本、非线性及高维模式识别问题中的优势。笔者探讨结合小波包和最小二乘支持向量机的组合预测方法在交通流短时预测中的应用。首先介绍小波包和最小二乘支持向量机的基本原理,然后提出基于小波包和最小二乘支持向量机的交通流短时组合预测方法,并以北京市快速路的实测交通流量来验证效果,结果表明其可行性和有效性。     

Forecasting expenditure on capital projects

S-curves are widely used for planning, forecasting and control of cost, time and resources of a project. In this paper, a comparison of two S-curve models developed at the Department of Health and Social Security (DHSS) and Bradford University is carried out both from the viewpoint of predictive accuracy and ease of use. The models are validated using expenditure data for 21 recent U.K. health building projects. Methods of least squares is used to estimate the parameters of the two models. These parameters are categorized according to the total cost of the projects. Both the models are shown to be of comparable accuracy for fitting actual expenditure data. The DHSS model has a major advantage of simplicity of form and use, although the slightly greater mathematical complexity of the Keller-Singh model is off-set by the readily interpretable nature of its form and basic parameters. It is concluded that both or either of the models could be used by clients/contractors for effective planning and control of project costs.     

基于藤Copula方法的持续期自相依结构估计及预测

本文基于Copula方法对由高频分笔数据得到的交易量持续期进行了研究。应用多元藤Copula方法对连续几个交易量持续期之间的自相依结构进行估计,在此基础上提出了一种新的条件密度函数估计方法,进而给出了交易量持续期的预测。对中国石化高频分笔数据进行实证分析的结果表明,本文模型对持续期的预测能力要明显优于EACD模型,在密度函数预测检验方面,本文模型也有更好的表现。     

The Effect of Having More Children on Women's Labour Force Participation in Korea: An Analysis Using Instrument Variables

The objective of this study was to examine the causal relations between having more children and women's labour force participation using Korean data. Given the strong preference for sons in Korea, variables regarding the number of daughters were used as instrument variables for having more children. The results using 1980s data showed that having a third child had a significantly positive impact on women's labour force participation in the ordinary least squares analysis, whereas the coefficient value was significantly negative in the two‐stage least squares analysis. Such results imply that, unlike in the western societies such as the USA and the UK, the ordinary least squares analysis results might underestimate the negative correlations between having more children and women's labour force participation in a developing country such as Korea.     

中国进出口贸易市场的混沌特性分析

对于经济管理系统混沌的检验,主要体现在证券、期货和外汇市场,由于其他经济领域序列数据的匮乏,传统混沌分析方法的应用受到了限制。本文采用最新的基于小数据样本的临近返回检验,研究中国进出口贸易1989年1月到2003年5月的月度数据序列,发现了混沌的拓扑特征;进一步应用小数据量方法计算最大Lyapunov指数,数值结果同样证实中国进出口贸易市场存在低维混沌,从而佐证了国际贸易市场混沌的存在;实证结果为国际贸易系统模型的建立和预测提供了新的理论依据。     

双斜率因子动态Nelson-Siegel利率期限结构模型及其应用

利率期限结构是利率产品定价的基础和核心,对利率市场化具有重要意义。根据我国债券市场的特点,本文对动态Nelson-Siegel模型进行扩展,引入第二个斜率因子,构造双斜率因子动态利率期限结构模型,增强收益率曲线近端的静态拟合和动态预测能力。本文提出的模型嵌套了动态Nelson-Siegel模型,是对动态Nelson-Siegel模型的实质性推广,极大似然比检验证明了第二个斜率因子引入的必要性。本文以状态空间模型的卡尔曼滤波构造样本似然函数,采用双折线优化算法计算模型参数的极大似然估计。基于我国银行间市场债券交易收益率数据的实证分析表明,双斜率因子模型能够显著改善动态Nelson-Siegel模型对收益率曲线近端的拟合能力,同时对短期预测能力也有改善。此外,第二个斜率因子反映出宏观经济活动对利率期限结构的滞后影响,扩展后的模型能捕捉我国利率期限结构更多的动态变化特征,给相关主体提供更具价值的参考信息。     

一种基于曲线拟合的客户预期贡献计量方法

本文对客户资产中最为关键的计算因子——客户预期贡献,提出一种利用最小二乘法进行回归分析,拟合出客户预期贡献的计算函数,并将其运用到客户资产计算公式中,建立客户资产度量模型.本文还以中国建设银行某支行餐饮娱乐业固定资产贷款业务为案例,阐明了该方法的应用,并对计算出的客户资产结果进行了拟合优度检验和显著性检验.     

基于季节调整和Holt-Winters的月度负荷预测方法

针对负荷序列中异常数据会导致模型误设或参数估计发生偏差的问题，提出利用季节调整方法，先对原始负荷序列进行季节调整，获得消除离群值、节假日影响的季节调整后序列和季节成分序列；然后用改进的Holt-Winters方法对季节调整后成分进行预测，用虚拟回归方法预测季节成分序列；最后对各成分预测结果重构得到最终预测结果的月度负荷预测方法。通过实例检验，提出的方法能明显提高预测精度，预测效果要优于季节性Holt-Winters、SARIMA、神经网络、支持向量机等模型。     

基于二次插值的GM(1,1)模型预测方法的改进

从理论上分析了GM(1,1)模型中背景值的计算,指出文[11]利用Newton-Cotes公式构造模型背景值的方法是不可靠的,提出用二次插值构造模型中的背景值,同时用最小二乘法对预测公式中的初值进行改进,并用改进的方法进行了短期预测.其理论分析及仿真结果均表明本文所提出的方法有效可靠,为提高预测精度提供了新的途径.     

基于最小一乘准则的上证指数突变点研究

很多研究表明,上证指数序列既有结构突变的特征,也有厚尾的特征。但大部分现有的研究都没有考虑其厚尾特征对变点估计的影响。本文基于最小一乘准则提出了一个估计厚尾数据中变点的方法。模拟研究表明,当数据具有厚尾特征时,基于最小一乘准则的变点估计比基于最小二乘准则的估计有效。对上证指数的实证结果表明,基于最小一乘准则估计出的变点能更好地描述中国股票市场的结构突变特征。