互联网环境下基于消费者搜索的酒店入住率预测研究

互联网环境下消费者信息搜索反映了游客潜在的旅游需求。针对酒店入住率的非线性特征,以北京为例,构建BA-SVR@CSQ混合模型对北京星级酒店平均入住率进行预测,其中蝙蝠算法(Bat Algorithm,BA)用于优化SVR模型的自由参数,并利用2011年1月至2017年4月与北京旅游相关的消费者搜索数据(Consumer Search Queries,CSQ)构造SVR模型的输入集。12个月的预测结果表明,与基准模型相比,所构建预测方法能有效提高模型的预测精度,证实了网络搜索数据在酒店入住率预测中的重要价值,预测结果可为旅游相关部门的决策提供必要的参考。     

经济周期波动的函数型时序分解方法——基于CPI的实证分析

建立一个函数型时序分解模型,根据交叉验证方法将数据分为趋势项、周期项和随机项,因而提取出的趋势项具有较好的泛化能力;提出的基于调节粗惩系数的转折点选取法,通过优化粗惩系数较好地分割了CPI的扩张期和收缩期,可判断经济指数的转折点。另外利用傅里叶变换(FFT)提取数据主频,改进了周期型基函数,相比于传统的傅里叶基函数,新的周期基函数对周期项的拟合精度较高。通过对近十年和近两年的CPI数据进行分析,结果表明季节影响较为明显,而且最后的组合模型预测精度较高。     

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响，交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型，如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型，综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列，结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现，当原始序列趋势变化剧烈时，Prophet-X-12-ARIMA组合模型的预测效果更优。     

传统三点法拟合曲线趋势模型的理论缺陷及其修正

三点法由于其具有计算简便、预测精度较高等优点,因而在拟合具有三个未知参数的曲线趋势预测模型时,人们比较喜欢采用三点法。传统三点法可以用来估计二次抛物线趋势预测模型、修正指数曲线趋势预测模型、罗吉斯     

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.     

一种广义Logistic模型的参数估计方法及应用

文章分析了广义Logistic曲线的解析性质及拟合预测的优势,提出了一种求解广义Lo-gistic模型参数的方法--组合最优化方法.实例研究表明,广义Logistic曲线在拟合饱和增长趋势方面具有更好的弹性,能获得高于Logistic曲线的拟合精度.     

基于信息准则的最优组合预测小样本改进模型

在对样本量小且波动大的变量进行预测时,最优组合模型往往容易出现过拟合问题而导致预测效果不佳.借鉴信息准则中对过拟合问题的处理方式,结合等权组合在预测实践中的良好表现,通过在最优组合模型的目标方程中增加向等权收缩的惩罚项,建立了最优组合预测小样本改进的二次规划模型.最后通过实例,用最优组合预测和其他常用组合预测方法结果的比较,说明了该方法的可行性和有效性.     

我国蔬菜价格的时间序列变动分析

文章依据全国集贸市场上黄瓜、西红柿、大白菜三种常见蔬菜的价格数据,首先分析了蔬菜价格的季节变动和趋势变动;然后运用ARIMA模型对蔬菜价格进行拟合和预测;最后比较分析了2010年的模型预测价格与实际价格。     

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.     

基于灰色系统的组合预测模型的建模方法

本文基于灰色系统理论,提出一种非平稳时间序列预测模型的建模方法。该方法首先利用灰色系统模型提取时间序列的趋势项;然后利用样本周期图拟合周期项;最后对去掉趋势项和周期项的序列建立模型,从而完成非平稳时间序列的总体建模。     

基于乘法季节ARIMA模型的农村居民人均收入的短期预测

文章采用我国近10年的农村居民人均现金收入季度数据进行乘法季节ARIMA建模,发现ARIMA(0,1,0)×(2,1,0)4模型能够很好的拟合我国农村居民人均收入,并用该模型进行预测,预测结果表明:2014年前两季度的预测值与实际值的相对误差率非常小,说明模型拟合的效果很好;同时预测结果也发现农村居民人均现金收入呈现稳定增长的趋势,且存在明显的季节周期性.     

基于趋势外推模型和灰色系统模型的深圳保费收入总量预测

全国及各地区正在开展保险业＂十二五＂规划工作,保费收入总量是常用的指标之一。本文分别利用趋势外推模型和灰色系统模型对深圳保费收入总量进行预测,并比较两种模型的拟合精度,得出2010-2015年深圳保费收入总量预测结果,并提出了实现目标的建议,希望能为保险业预测工作提供一些参考方法。     

具有非参数趋势的残差自回归模型的预测方法

为了探寻具有非参数趋势的残差自回归模型的较为合适的预测方法,文章考虑了基于多项式样条的两种方法:直接法和两步法,模拟算例表明两步法拟合与预测的均方误差(MSE)和平均绝对误差(MAE)都小于直接法拟合与预测的MSE和MAE,此外,还对人民币/美元的日度汇率数据进行了拟合与预测的实证分析,得到了与模拟算例相类似的结果,这说明两步法优于直接法,两步法是一种较好的预测方法.     

酒店入住人数模型研究

酒店入住人数对于酒店经营至关重要,对其进行事前预测,能有效减少管理中的不确定性,有助于酒店的经营管理,实现利润最大化,但由于其影响因素众多,使得对酒店入住人数的预测比较复杂而且具有较大难度,本文采用时间序列分析方法建立模型进行预测,并对该预测问题的复杂性进行了一定的探讨。     

中国铁矿石消费量与对外依存度预测

文章基于ARIMA模型对非平稳时间序列良好的短期预测特性,采用该方法对“十三五”期间中国铁矿石消费量与对外依存度进行了模型构建和预测分析,所建模型的拟合效果和预测精度较佳.预测结果表明,“十三五”期间中国铁矿石消费量将趋向于缓慢上升至零增长率的顶点,对外依存度则将在经过高位平台后拐入下降趋势.     

GM（1，1）季节因素修正模型在预测中的应用

本文在原GM（1,1）模型基础上进行季节因素修正,使得修正后的模型在拟合既含趋势变动,又含季节因素的时间序列预测中,具有较好的效果。     

非参数拟合及其应用

随着样本量的增大和复杂度的提高,蕴含的信息更加多样化,一般的参数拟合满足不了需求.非参数拟合应运而生,其中的样条拟合就是一个典型.通过构造样条函数,转化成向量表达式Y=Xβ+ε,依据参数估计中的最小二乘法求解出插值函数.结合理财产品收益率的相关数据,在投资方向结构型、期限结构、发行金额等几个方面,对三种不同风险系数的理财产品采用非参数拟合模型拟合三条收益率曲线,对比曲线趋势,对未来时刻进行分析预测.     

加入出生年效应的死亡率预测及其在年金系数估计中的应用

人口死亡率下降与寿命的延长已经成为全球性的趋势。运用基于出生年效应的Lee-Carter模型对中国男性人口死亡率数据进行拟合,通过模型残差比较,发现该模型拟合效果更优。根据模型预测,发现中国男性人口的预期寿命随时间逐渐增加,但增加的幅度逐渐减少。将死亡率预测结果用于养老年金系数的估计,发现中国现行城镇职工养老保险个人账户的年金系数被严重低估,这将在未来给基本养老保险个人帐户带来很大的偿付压力。     

基于HP滤波和GARCH模型的股票价格趋势预测

在股票市场中人们最关心的就是股票价格的变化,对股票价格趋势的预测直接影响到投资者的投资决策,关系到投资者的切身经济利益,因而对预测的准确性要求较高.为了更精确的预测股票价格趋势,提供更为合理的股票投资意见.文章尝试将HP滤波法应用到股票价格趋势的预测中,通过HP滤波法将股票价格分解为不同的数据,然后通过高阶自回归和GARCH模型分别对分解出来的数据进行拟合和预测.并通过对上证指数的预测后,发现该模型具有较好的预报效果,可为金融产品的趋势研究提供帮助.     

基于ARIMA模型对我国能源需求的预测

本文利用时间序列的建模方法,对我国1987-2006年的能源消费总量数据进行了实证分析,构建了ARIMA模型。经检验该模型能够很好的拟合全社会对于能源的需求趋势。在此基础上作了短期预测,最后给出了结论及建议。