金融资产收益率的模糊双线性回归

 已有文献中对金融市场的区间观测数据利用模糊线性规划方法讨论动态模型结构（FAR（p）），这里引入模糊双线性回归模型（FDR（p,q）），利用模糊最小二乘法来估计未知参数。基于平均平方误差（MSE）与平方绝对误差（MAE）考察了两个模型的拟合效果，并在样本期内和样本期外分别评价了两个模型的实际拟合与预测能力。     

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小.此外,还利用1980-2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法.进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测.     

固定设计异方差非参数回归模型的预测方法

文章针对固定设计下异方差非参数回归模型,考虑了基于多项式样条的三种预测方法,即非外推法、线性外推法和非线性外推法.模拟结果表明非外推预测法的均方根误差(RMSE)和平均绝对误差(MAE)的均值最大,而线性外推法的RMSE和MAE的均值略小于非线性外推法的RMSE和MAE的均值.实证分析结果显示:非外推预测法的平均绝对百分比误差(MAPE)、RMSE和MAE最大,线性外推法的MAPE、RMSE和MAE最小.这表明整体上外推法优于非外推法,而线性外推法是简单可行的.     

参数与非参数回归在FDI中的比较分析

文章在对参数回归及非参数回归方法进行介绍的基础上,采用线性回归模型、引入虚拟变量的非线性回归模型以及N-W核权函数回归估计,对1983-2014年我国外商直接投资总额与GDP关系进行探讨.最后分别给出3类方法的拟合值以及MAE和MSE.从拟合效果来看,相对于线性回归模型,引入虚拟变量的非线性回归模型以及非参数回归方法更能有效地拟合FDI与GDP之间的关系,且窗宽为0.25的非参数估计效果更优.     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

基于初值修正的组合GM(1,1)模型及其应用

灰色GM(1,1)模型的拟合和预测精度依赖于其结构参数.文章从传统GM(1,1)模型的初值选取入手分析其存在的理论缺陷,通过两种初值修正方法建立改进的GM(1,1)模型,摒弃与系统关系不大的老信息,充分利用新信息来建模,从而达到精确预测的目的.在此基础上建立两种初值修正GM(1,1)模型的组合预测模型,提高了模型的拟合和预测精度。     

基于季节增长率的一种直接调整方法

传统季节调整方法在提取环比增长率时需要先剔除原始数据中的季节成分,这会带来原始数据信息的失真.鉴于此,本文提出了一种直接拟合原始数据增长率的季节增长率(SGR)模型,该模型不仅可以直接提取环比增长率,还可以对原始数据的增长率进行预测.蒙特卡洛模拟结果表明,本文给出的针对SGR模型的MLE估计方法具有良好的有限样本表现.通过对我国GDP和CPI数据进行实证,本文发现利用SGR模型直接提取的环比增长率的稳定性要高于其他一些季节调整方法.不仅如此,SGR模型的拟合和预测表现相比BSM模型和SARIMA模型均有显著提高.此外,SGR模型还具有容易拓展为非线性、多元情形的优势.     

阿基米德Copula函数的拟合检验

文章在介绍了Archimedean Copula函数拟合检验的已有两种方法的基础上建立了两个新的检验方法--基于一种函数变换的K-S检验法与基于随机向量变换的χ2拟合优度检验法,并进行了模拟检验,从模拟检验的过程及结果可以看出,所建立的两个新检验法具有良好的效果,基于随机向量变换的χ2拟合优度检验法更严格且符合实际。     

利率期限结构特征的拟合与预测

本文从经典利率期限结构模型和数量利率期限结构模型中选取了三因子Vasicek模型、三因子CIR模型、多项式样条模型、指数样条模型、DL模型和动态SV模型等6个应用广泛且具有代表性的利率期限结构模型,分别基于2008年7月至2014年3月中国和美国市场的月度国债收益率数据进行拟合与预测,并采用均方误差(RMSE)和平均绝对误差(MAE)对实证效果进行判别。结果表明,DL模型在针对中国市场和美国市场数据的拟合与预测方面能力均十分突出且效果稳定,指数样条模型次之,而其他模型则在利率期限结构特征的刻画效果方面存在更强的数据依赖与能力不足问题。本文的结论能够为实证研究利率期限结构特征的模型选取提供科学依据和数据支持。     

决策效用函数两类拟合方法比较

本文从拟合方法所依据的假设的不同,将决策效用函数的拟合方法分为两类--直接函数拟合法与模式推演拟合法;并对这两类拟合方法进行了比较.     

半参数模型中两步估计与最小二乘估计的比较

文章在MSE准则下对半参数模型中的参数的两步估计和最小二乘估计进行了比较,给出了参数的两步估计优于最小二乘估计的充分条件。     

物流需求预测模型构建

文章选取1993-2014年社会物流总额衡量物流需求,定量分析社会物流总额与GDP、物流总费用、固定资产投资和进、出口总额的关系.采用MATLAB软件进行编程模拟,构建了物流需求多元非线性组合回归预测模型.结果表明:多元非线性组合回归预测模型预测效果明显优于多元线性回归、指数平滑法、多项式拟合(2次)及非线性预测法(幂函数).     

对“分段求和预测法”的一些看法

对“分段求和预测法”的一些看法杭州商学院苏为华对时间序列拟合趋势方程进行预测时，除采用最小平方法来估计方程的参数之外，人们提出了两种简化的方法：即“分段求和预测法”与“三点预测法”。其中“分段求和预测法”的基本步骤是：先将原始时间数列按照未知参数的个...     

基于蚁群优化神经网络的支持向量机预测方法研究

本文利用蚂蚁算法训练神经网络的权值和阈值,蚁群优化神经网络克服了人工神经网络预测精度低的缺点,在取得最小拟合误差的同时可以得到最小的预测误差。在此基础上提出以支持向量机方法为主、多方法融合的智能预测系统,对电网负荷预测进行了动态预测。实际算例验证了这一智能预测系统的精确性。     

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.     

基于最优点的新强化缓冲算子及其性质研究

在灰色系统缓冲算子三公理体系下,基于灰色系统理论中信息充分利用原则和新信息充分利用原则,融合"信息折旧"、引入参数及优化思想,文章构造了一类新的强化缓冲算子(称为IDSBO强化缓冲算子)。IDSBO强化缓冲算子改善了一些已有的强化缓冲算子的作用效果。通过算例比较了IDSBO强化缓冲算子与文献中的几类强化缓冲算子,对比发现文章构造的IDSBO强化缓冲算子能够明显提高度量GM(1,1)模型拟合优劣的关联度和降低拟合残差,例验证了该算子序列的有效性与实用性。IDSBO强化缓冲算子为处理冲击扰动数据序列,特别是处理震荡序列在建模预测中出现预测失真的情况提供了一个可行的解决途径。     

基于蒙特卡罗算法的PCER价格预测

传统PCER的价格影响因素大多数通过计量经济学方法进行寻找,文章针对蒙特卡洛算法具有精度高、样本需求少的优点,将其应用到PCER价格预测和收益分析,通过维纳过程表达的方式构建出数学模型,之后运用蒙特卡罗算法模拟维纳过程的变化规律,实现PCER价格的预测,通过JB统计量检验和VAR检验,仿真结果表明,本文算法具有预测精度高、数据样本要求少的优点,可以应用于其他经济规律的模拟仿真,为理论决策提供科学的依据.     

非线性半参数空间变系数模型的两步估计

文章对非线性函数与空间变系数模型组合的半参数模型进行研究,提出该类模型的两步估计,给出半参数模型中非线性函数和空间变系数参数估计的精确表达式.并进行了数值模拟,结果表明,估计值与真实值拟合程度较好,方法的精确度较高.     

基于非等间距序列的累积法及其应用

文章提出了基于非等间距序列的累积法.给出了非等间距序列的各阶累积和,使累积法能引入基于非等间距序列建模的参数估计中.将此法应用于非等间距GM(1,1)模型,得到了其新的参数估计公式,又直接由模型的定义型推得其预测值计算公式.结果分析表明,累积法在非等间距模型中的应用效果良好,改进后的累积法非等间距GM(1,1)模型的拟合与预测精度都很高.