基于重要点与灰色GM(1,1)模型的时间序列分段算法

重要点分段法主要利用局部极值点进行划分,可以将时间序列分割成若干个相对较短但不重叠的子序列.该方法在进行序列划分时,能够既保留全局特征,又保持局部性质,是时间序列分段常用的方法之一.文章采用重要点分割法将序列分割成子序列,之后采用灰色GM(1,1)模型对各个子序列进行拟合.实验证明,基于灰色GM(1,1)模型与重要点的时间序列分段算法能够以更少的拟合误差,实现序列的压缩.     

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.     

神经网络模型与车险索赔频率预测

汽车保险广受社会关注,且在财产保险公司具有举足轻重的地位,因此汽车保险的索赔频率预测模型一直是非寿险精算理论和应用研究的重点之一。目前最为流行的索赔频率预测模型是广义线性模型,其中包括泊松回归、负二项回归和泊松-逆高斯回归等。本文基于一组实际的车险损失数据,对索赔频率的各种广义线性模型与神经网络模型和回归树模型进行了比较,得出了一些新的结论,即神经网络模型的拟合效果优于广义线性模型,在广义线性模型中,泊松回归的拟合效果优于负二项回归和泊松-逆高斯回归。线性回归模型的拟合效果最差,回归树模型的拟合效果略好于线性回归模型。     

线性回归模型与传递函数模型在时间序列应用上的比较研究

如果一个因变量是由一个或多个自变量来解释的,那么对这些数据可以建立回归模型.但如果因变量和自变量同时又是时间序列,则也可以建立传递函数模型(transferfunction models).与普通的回归模型相比,传递函数模型说明因变量与自变量以及扰动项之间关系时,有着更为丰富的结构.在多变量时间序列模型方面,有关线性回归模型与传递函数序列在时间序列方面应用效果的比较很少,因此,本文拟进行这方面的研究,为多变量时间序列建立模型提供参考.     

基于正态模糊数回归分析模型的构建与评价

文章采用模糊最小二乘法,求解自变量为精确数、因变量和回归系数均是正态模糊数的一元线性模糊回归模型,证明所求得的模糊估计量具有的统计性质:线性性与无偏性.给出模糊回归模型的残差、残差平方和及拟合优度公式.将方法应用于一个实际问题,并与经典回归分析进行比较,验证了该参数估计方法的合理性与有效性.     

高等教育投资需求预测模型构建与统计检验

文章通过选取1995-2011年17年间的相关统计指标数据,在加强变量科学选择和预处理的同时,通过逐步回归和求解最优化模型,建立了多元线性回归模型和最优拟合模型,根据统计检验和误差分析比较,并结合经济意义分析,确定了高等教育投资经费总需求的最优拟合预测模型.结果表明该预测方法和模型具有较高的估计精度,预测结果具有一定的决策参考意义.     

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.     

基于中位数回归模型非寿险精算中费率因子的显著性判别分析

广义线性模型作为分类费率厘定的重要工具,面临着如何选择损失变量分布的问题,而且对于存在巨额索赔的数据费率因子的显著性判别往往不具有稳健性.文章利用中位数回归模型弥补了广义线性模型的这些不足,结合实际数据对费率因子的各水平进行显著性判别,并与其他常用损失模型的拟合结果进行比较.结果表明,中位数回归模型在费率因子的显著性判别方面更具有客观性和稳健性.     

基于NARX神经网络与ARMA的汇率混合预测模型

汇率时间序列是一个动态复杂系统,单独的线性回归模型或者非线性神经网络都不能很好地反映系统的特征.文章将汇率时间序列分解成线性序列和非线性序列两部分,并分别用ARMA和NARX神经网络进行建模;最后组合成NARX-ARMA汇率混合预测模型.结果证明,相比其他汇率预测模型,NARX-ARMA混合模型有更好的预测效果.     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

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。     

含滞后效应的非线性协整分析

线性协整方法对非平稳经济和金融变量时间序列的计量经济学分析已经比较成熟,但许多宏观经济变量序列以及金融变量序列间的关系往往表现为非线性。文章以NLLS估计为基础提出反映滞后效应的非线性协整回归模型的非线性协整检验方法,统计模拟结果显示该方法具有较小的水平扭曲和较高的势。通过对中国财政支出与城镇居民可支配收入进行实证分析得出两者之间不存在线性协整而存在非线性协整关系,并且这种关系具有滞后效应。     

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.     

非线性回归模型的线性变换和正交多项式回归

在非线性回归模型中,部分模型可以通过数据变换转化为线性模型进行研究,但这种转换有时会引起随机扰动项的变换,改变其假设条件,从而影响模型的准确性.文章引入非线性回归模型的线性变换方法和正交多项式回归方法,重点介绍了正交多项式回归方法;基于R语言软件,通过例子说明了非线性模型线性变换的局限性,并给出了正交多项式回归方法拟合非线性模型的具体应用.     

异方差G-Q检验方法的改进

围绕戈德菲尔德—匡特异方差检验方法(G-Q检验)展开相关问题的研究讨论,并对该检验方法进行改进。在对线性回归模型异方差检验的两个基本问题进行分析阐述的基础上,对G-Q检验中使用的F检验方法进行辨析讨论,并在应用中针对不同形式的数据条件进行拓展;以此研究为基础,设计基于线性回归模型拟合值排序的多元线性回归模型的G-Q检验方法,并对这一方法进行统计模拟和应用检验,以证实该方法良好的检验效果和简便的使用过程。     

分层线性模型中一种新的拟合优度指标探讨

文章从两水平分层线性模型着手,提出了一个由经典线性回归模型度量模型拟合优度衍生的同类指标.除了对模型整体拟合情况进行分析外,还针对模型分层拟合的特点,给出了层二的R2-值准则,并就其合理性利用Mome Carlo模拟实验进行讨论;最后分析了层二拟合优度指标对层一拟合优度指标的影响.     

对我国经济增长周期的实证研究

我国理论界对经济周期的研究和经济增长的预测,常常运用自回归(AR)、移动平均(MA)或移动自回归(ARMA)等线性模型进行拟合,这些线性模型对于那些有着明显周期运行特征的变量来说,例如,对经济增长率的时间序列来说,从增长型周期的角度来看,在一定时期内经济增长率在一个较高的水平上波动,而在另一段时期内它却是在一个相对较低的水平上波动,且这两种情况是交替出现的,其拟合的效果并不是十分理想的.所以,对于经济增长率的预测和研究,是必须考虑经济运行的高低函种状态交替变化的特征.     

基本医疗保险人均医疗费用支出的时间序列分析

文章对基本医疗保险数据进行统计分析显示,参保人的人均医疗费用支出和年龄之间有着密切的相关关系.把同一年龄的参保人作为一个总体,可以得到不同年龄的人均医疗费用支出序列.文章尝试对该序列进行时间序列分析,对它拟合了模型和Autoregressive模型,并对这两个模型的优劣与适用性进行了比较研究.拟合模型清晰地揭示了身体健康的短期自相关属性,利用拟合模型还可以尝试筛选潜在的高费用支出人群.     

基于IGARCH投影寻踪回归的国际油价走势拟合模型

随着我国对石油进口的依赖程度不断增加,国际油价变化对我国经济的影响越来越大.文章充分考虑了金融时间序列的方差时变性的特点,建立基于三种不同分布的IGARCH模型对国际油价的走势进行刻画,引入非参数投影寻踪回归模型的理论方法,对多维数据进行投影降维分析,结果表明基于IGARcH的投影寻踪回归具有较强的模型拟合能力,我国应采取一定的措施把国际油价变化对我国经济的影响减到最小.     

商品房销售面积回归模型新论

采用6个变量,运用回归分析工具,建立杭州市商品房销售面积的多元线性回归模型.经过对其拟合效果和假设检验,证明该模型的合理性和经济意义,在此基础上对杭州市未来商品房销售面积进行预测,并实证分析经济发展与商品房销售面积的内在联系.