IOWHA算子及其在组合预测中的应用

在有序加权平均(OWA)算子概念的基础上,提出有序加权调和平均(OWHA)算子及诱导有序加权调和平均(IOWHA)算子的概念,讨论它们的一些性质。同时指出现有的加权调和平均组合预测方法存在赋权的缺陷,建立新的基于IOWHA算子的组合预测模型,给出了IOWHA权系数的确定的数学规划方法。最后实例分析表明该模型能有效提高组合预测精度。     

基于PSO-PLS的组合预测方法在GDP预测中的应用

GDP预测是经济预测中一个非常重要的问题,随着经济的发展,对其预测精度的要求也越来越高.在考虑样本权重的基础上,提出一种微粒群算法与部分最小二乘回归方法相结合的组合预测方法,即采用微粒群方法对样本最优权重进行求解,在所得样本权重系数的基础上,用部分最小二乘回归方法确定组合预测的权重系数.将该方法用于中国GDP预测取得了较好的结果,与其他几种传统方法相比,预测精度有一定程度的提高,说明算法的有效性和可行性.     

一种新的计算组合预测权重的方法

建立了基于最小二乘原理的组合预测模型,提出了求解此组合预测模型的一种新的算法,即Frank-Wolfe算法,并将其应用于实证研究.结果表明,Frank-Wolfe方法用于求解组合预测问题的权重时,是一种行之有效的方法.     

一类基于IOWGA算子的组合预测新方法

目前传统的加权几何平均组合预测方法存在赋权的缺陷。在有序加权几何平均(OWGA)算子概念的基础上,提出诱导有序几何加权平均(IOWGA)算子,建立新的组合预测模型,并给出了IOWGA权系数的确定的数学规划方法。最后进行了实例分析,结果显示该模型能有效提高组合预测精度。     

基于漂移度的组合预测方法研究

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,采用组合预测方法。本文首先提出相容方法集和互补模型集,然后在对不同单一预测模型的漂移性和互补性研究的基础上提出了基于漂移度的组合预测模型,为组合预测模型研究提供一种新的思路。最后通过实例来说明基于漂移度的组合预测模型能够提高样本期预测精度和外推预测精度及实际应用的有效性。     

基于状态转移回归的动态集成时序预测方法

最优模型子集的确定和集成权重的设置是组合预测中的两个重要问题,直接关系到组合模型的预测表现。为此,本文提出了一个基于状态转移回归的动态集成时序预测方法,首先基通过计算单体模型和原始数据之间的互信息确定最优模型子集;其次,通过状态转移回归实现单体模型的动态集成,并获得最终预测值。通过对9个国家的主权信用违约互换利差数据进行预测实验,本文发现所提出的状态转移组合预测模型表现良好,不仅优于一般单体预测模型和组合预测模型,还优于基于滑动窗口技术的动态组合预测模型。     

基于向量夹角余弦的组合预测模型的性质研究

基于向量夹角余弦的组合预测是一种相关性的组合预测模型,它是研究组合预测方法的一个新途经.针对基于向量夹角余弦准则下组合预测模型,研究它的基本结构特征.首先提出新的优性组合预测、预测方法优超、冗余度等概念.然后探讨了非劣性组合预测、优性组合预测以及冗余预测方法的存在性,并给出冗余信息的判定定理.最后进行实例分析,表明该方法有较大的实际应用价值.     

基于时变稳健加权最小二乘法的股市收益率预测

提出一类时变参数稳健加权最小二乘法(TRWLS),并将其用于预测标准普尔500指数收益率.该方法将时间相关权重与稳健估计权重相结合,既能捕捉参数时变性,又能降低数据噪声的影响.TRWLS模型组合揭示了经济和统计意义上均显著的收益率可预测性,而且预测能力明显高于普通最小二乘法.TRWLS模型的预测表现也好于传统时变参数模型和稳健回归模型.其预测能力主要来源于时间权重和稳健性权重的互补性以及超参数的学习能力.预测结果在调整多元信息组合方法、权重核函数和验证集长度的情况下均具有稳健性.     

基于CPFR的需求预测新方法——分位数回归预测法

本文引入计量经济学前沿预测研究方法-指数加权分位数回归预测,并建立需求预测模型.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.在此基础上建立基于CPFR的供应链系统成本模型,对比分析表明指数加权分位数回归方法的预测精度较高.     

能源需求组合预测方法及其应用

本文建立了包括部门分析法、能源消费弹性系数法、人均能耗法、回归分析法和重点工业耗能部门分析法的能源需要求组合预测模型,关加权系数的确定,我们采用了专家征询法和层次分析法相结合的方法。同时给出了在四川省能源需求预测中的具体应用。     

基于赋权结果偏差系数的组合赋权法

本文在综合各种赋权方法给出的主观和客观指标权重信息的基础上,建立了求解企业绩效评价指标权重的优化模型,根据各种主客观赋权法给出的赋权结果的偏差系数确定其在权重组合中的加权系数。通过计算权重向量各分向量的偏差度来得到一致性系数,最后通过应用实例对此方法予以说明。     

基于斯坦规则和误差校正的组合预测模型

研究了基于斯坦规则估计和误差校正机制的组合预测方法和模型设定 .应用表明 ,利用斯坦规则结合非样本信息可以改善组合预测性能 ,采用误差校正形式的组合预测模型较之其它形式的组合预测模型具有更高的外推预测精度 ,建议的误差校正形式具有更高的精度和更广的适用性     

组合预测贝叶斯模型研究

评述了组合预测的基本思想和组合预测贝叶斯模型的研究现状,研究了多步贝叶斯信息更新情况下针对不同偏性特征的无偏组合预测模型,讨论了结合非样本信息和样本信息的组合权重贝叶斯更新模型,扩展了贝叶斯组合预测模型的现有成果,指出了进一步研究的方向．     

基于广义模糊软集理论的云计算资源需求组合预测研究

论述了云计算资源需求预测的作用,提出了新的基于夹角余弦的广义模糊软集相似性度量方法,将相似性度量结果与预测精度相结合来获得各单项预测模型的权重,并针对云计算环境中资源需求所表现出的短期动态性和长期周期性特征,选用自适应神经模糊推理系统ANFIS和季节性ARIMA模型SARIMA作为单项预测模型,以此构建基于广义模糊软集理论的组合预测模型GFSS-ANFIS/SARIMA。最后将该模型用于云计算环境下的资源需求预测应用中去。实验结果表明,与其它预测模型相比,该模型能有效提高预测精度,具有良好的预测性能。本文所提方法能为云计算资源的高效调度和分配提供决策支持。     

基于粗集的IT项目风险因素多元组合权重研究与聚类分析

属性权重研究是IT项目风险分析的重要过程,在分析属性权重、研究同类方法的基础上,指出了通过传统方法以及粗集方法确定单个属性权重存在的一些问题,由此提出了基于粗集理论的属性组合权重的概念与计算方法,最后根据组合权重的相似系数矩阵,对风险因素进行聚类分析,为项目管理提供决策依据.     

组合预测误差校正模型的应用分析

过仿真和实例应用进一步分析了基于斯坦规则估计和误差校正机制的组合预测模型 的适用性,并初步探讨对不同形式的组合预测模型进行再组合的效果. 应用结果表明,对于非 平稳或模式变动较大的平稳序列,组合预测的误差校正模型相对于非误差校正模型具有明显 的性能优势,不同组合预测的再组合可在一定程度上分散组合预测模型形式选择不当的风险.     

{Eik}——正交条件下变权组合预测的误差界

本文对变权组合预测(VWCF)的权函数进行研究,得到变权组合预测问题误差平方和J的表达形式;同时在选择逼近系数向量{Eik}--正交的条件下,推出权函数逼近系数之间的依赖关系,以及极小误差平方和J*落入的区间,最后给出的算例表明方法的有效性.     

基于PMRS的期货加权油价多步预测方法

在模式识别系统(PMRS)的基础上,采用石油期货价格加权,提出了能够有效的预测短期石油现货价格的新方法.以自然预测模型(naive forecast moclel)和PMRS作为评价基准,对美国西德克萨斯轻质原油(WTI)、普通汽油(regular gasoline)和燃料油(heating oil)的现货价格和期货价格进行了实证研究.结果表明,提出的基于PMRS的期货加权油价多步预测方法具有更为优越的短期预报性能.     

基于区间直觉模糊数相关系数的多准则决策模型

针对权重信息完全未知,评价信息为区间直觉模糊数的多准则决策问题,提出新的基于区间直觉模糊数相关系数的决策方法,弥补了基于距离测度决策方法造成信息混淆的不足,同时考虑了犹豫度的影响,进而降低了评价信息损失.通过构建并求解基于参照方案相关系数总偏差最小的非线性规划模型获得准则权重,从新的视角给出准则权重的确定方法.利用各备选方案与理想方案、临界方案的加权相关系数得到与理想方案的相对贴近度,以此对方案进行排序.最后通过实例对比分析说明了该方法的有效性.     

考虑促销因素的医药电商平台需求预测研究

医药电商平台需求预测涉及到药品自身属性及电商平台推出的各种促销活动,本文针对以上影响药品销量的因素提出了时间序列-机器学习组合模型对医药电商平台进行需求预测。传统研究促销因素的需求预测文献将促销阶段商品销量拆分为常规销量和促销增量的线性组合,本文首先拟合各药品促销阶段的常规销量,根据各药品常规销量时间序列数据及服用周期,使用SARIMA模型拟合药品的常规销量预测值,并将常规销量预测值与商品促销特征数据一同输入XGBoost模型进行集成学习预测。本文使用国内某医药电商平台真实销售数据测试组合模型的有效性,结果显示组合预测模型的预测效果相比其他三种传统预测模型更优。此外,本文验证了不同折扣力度下组合预测模型的有效性,以及促销变量在预测模型中的有效性,同时研究了数据共享策略在需求预测中的应用场景,结果显示预测模型在引入促销变量和采用数据共享策略后都能显著降低模型的预测误差。