基于共轭先验分布的平稳AR(1)模型贝叶斯分析

本文系统地分析了平稳AR(1)时间序列模型的条件似然函数,并根据似然函数的统计结构构造了模型参数的共轭先验分布,研究了截断正态-逆Gamma共轭先验下模型的贝叶斯推断理论,包括参数的后验分布函数、二次损失函数下的贝叶斯估计及一步超前预报分析,最后采用一个仿真时间序列研究了先验分布参数对后验分布的影响。     

光滑样条回归的分层贝叶斯方法

从光滑样条回归的贝叶斯解释出发，将光滑参数λ看作先验分布中的超参数．用分层贝叶斯的方法，假定λ的先验分布为伽玛分布，用后验均值估计回归样余．通过模拟表明本文提出的方法具有很好的估计效果．     

神经网络和卡尔曼算法在石油需求预测中的应用

分析中国1978—2009年影响石油需求的8个相关指标数据。将指标分成3组,通过每组指标的数据分别用广义回归神经网络和误差反向传播神经网络（GRNN和BPNN）方法对2013年的中国石油需求量进行预测,并对其预测结果进行比较。进一步采用神经网络平均影响值（Mean Impact Value,MIV）方法,从影响石油需求时间序列的相关指标数据中筛选出对石油需求影响最大的5个变量。用选出的5个变量,根据AIC准则确定了时间序列的阶数,并建立了石油需求的AR时间序列模型。采用卡尔曼滤波算法和Rauch-Tung-Striebel（RTS）算法对AR模型进行了后验估计。卡尔曼滤波算法使得模型参数得以更新,且相关仿真结果表明,对于AR模型的输出起到较好的修正作用,从而提高了模型的预测精度。     

基于动态随机前沿模型的上市航运公司运营效率分析

基于动态随机前沿模型,利用2009—2014年的财务面板数据对11家上市航运公司的技术效率进行分析.由贝叶斯理论,综合模型中待估参数的先验分布和样本信息得到待估参数的联合后验分布,进而得到各待估参数的后验分布核.采用Gibbs抽样方法得到各待估参数的后验估计值,结果显示:营业成本、总资产和三项管理费用对企业的产出具有较显著的影响;员工人数对企业产出的影响并不显著;国有股比例、独立董事占比和本科及以上学历员工占比越高,越有利于企业的技术效率的提高.通过计算企业的技术效率给出了2009—2014年11家上市航运企业的平均技术效率,并分析了影响技术效率的外生因素.     

KUK随机化调查模型下的贝叶斯估计

本文针对属性特征的KUK模型建立了贝叶斯估计理论,求出了在先验分布是混合贝塔先验分布、抽样方法是简单随机抽样情况下总体敏感特征比例的贝叶斯估计,并且使用后验均方误差作为精度标准,对贝叶斯估计与极大似然估计进行比较。     

中国上市公司未来收益预测的实证研究——贝叶斯动态模型及其预测

预测上市公司的未来收益是投资者、证券商、债权人和管理层所关注的问题.国内外的一些实证研究结果表明上市公司定期公布的财务报告中包含关于公司未来收益变化的信息.基于此,利用中国上市公司年报中的信息,采用贝叶斯动态回归模型对公司未来收益的变化进行预测,并将其结果与静态回归模型的预测结果进行比较,认为贝叶斯动态回归模型的预测效果在一般情况下优于静态回归模型,但要取得更好的预测效果还有待于更多的数据积累,同时还应考虑宏观经济环境变化的影响.     

以广义回归神经网络预测共同基金报酬

鉴于近年来许多相关文献成功地运用广义回归神经网络进行财经方面的预测,以及国内共同基金净值之预测与报酬率评估。通过搜集国内基金资料,以灰关联分析法进行各基金投资绩效分析,挑选投资绩效良好的共同基金作为投资标的;再以广义回归神经网络建立预测模型,与灰预测模型、多元回归模型进行预测能力及报酬率的比较分析。5种预测绩效评价指标、5组数据交互验证散布图及报酬率分析表明:广义回归神经网络在预测能力及预测报酬率上均有很好的表现。     

基于多分类器组合的个人信用评估模型

针对个人信用评估单一模型存在的不足,提出一种基于多分类器组合的个人信用评估模型.该模型综合了多元判别分析、logistic回归、神经网络、支持向量机等七种个人信用评估单一模型的预测结果,利用加权投票方法对其进行组合并输出最后预测结果.在某商业银行信用卡数据集上的测试结果表明,组合模型能有效地提高预测精度及稳健性,对信贷机构控制消费信贷风险具有很好的适用性.     

我国城镇登记失业率的影响因素分析及预测

失业是市场经济运行中的难题,把失业率控制在社会可承受的范围内,是很多国家的重要目标.失业率要受各种经济和社会因素的影响,利用我国的一些宏观经济指标和城镇登记失业率建立贝叶斯向量自回归模型(BVAR),并做脉冲响应分析,通过对比向量自回归(VAR)和贝叶斯向量自回归模型(BVAR)所做的失业率预测,发现BVAR比VAR得出的预测结果更好.     

保险业财产损失分布的拟合及预测——基于RBF神经网络的应用分析

依赖传统的损失分布理论,财产损失分布模型拟合的优劣往往取决于经验分布函数的选择和参数的确定.由于财产损失信息的不完整和损失数据的不充分,经验分布函数的选择有时会出现较大偏差,难以保证损失分布模型较好的拟合性和有效的预测性.为改进测算效果,采用径向基神经网络,在对原始数据进行平滑处理的基础上学习与训练,进而设计未来财产损失测算模型、选择现实数据模拟并进行实证分析.研究结果表明,RBF神经网络用于财产损失分布的拟合及预测具有良好的适用性,而且随着训练样本.数量的增加,模拟值逐渐逼近真实值;RBF人工神经网络建立的模型,能够很好的将财产损失中的非线性关系描述出来,并且随着观察数据的不断更新,所建立的非线性模型与实际系统更加接近,使得非线性模型能够取得比线性模型更加良好的模拟预测结果.     

基于主成分分析和贝叶斯正则化BP神经网络的GDP预测

选用财政收入、财政支出、消费品零售总额、实际利用外资、进出口总额以及全社会固定资产投资等对GDP有显著影响的6个因子,用1985～2008年中国的宏观经济数据建立了一个基于主成分分析和贝叶斯正则化BP神经网络的预测模型,并把它应用于我国GDP的预测。实证结果表明:通过主成分分析法和贝叶斯正则化方法对BP神经网络进行改进,可简化网络结构,增强泛化能力。与其它常用的预测方法相比,该方法数据输入简便,收敛速度快,拟合曲线光滑,且在预测精度上有明显的优势。     

对称单面鳍线的人工神经网络模型

采用知识人工神经网络模型拟对称平面鳍线,通过利用先验知识减小输入映射关系的复杂度,建立了知识人工神经网络模型,减少了训练样本的数量。同时保留了全波时域有限差分法的准确性,而且具有快速简便的优点。     

基于贝叶斯网络模型的公司高级管理人员薪酬满意度分析

以Heneman提出的薪酬满意度的几个考察维度为参考变量,将贝叶斯网络引入薪酬满意度分析中,构建贝叶斯网络模型,通过因果推理和诊断推理对s公司的薪酬满意度进行预测和诊断,并对实证结果进行分析。研究结果表明,贝叶斯网络用图形的方法描述数据间的相互关系,语义清晰,可理解性强,有助于利用数据间的因果关系进行预测与诊断,贝叶斯网络的应用效果也是比较令人满意的。     

基于EMD的神经网络股价预测方法

股价波动具有复杂、非平稳、非线性等特点,传统经济模型难以对其进行准确预测。文章将机械工程领域用于分解复杂信号的EMD算法嵌入神经网络模型建立了基于EMD的神经网络股价预测模型,并通过检验该模型有效性以及将该方法的预测效果与小波神经网络预测方法的预测效果相比较,得出该方法是优于小波神经网络预测方法的最佳股价预测方法的结论。     

高新技术园区投入产出绩效的智能评价

投入产出绩效评价是关系着中国各高新技术园区可持续发展的关键问题。由于评价问题的高维复杂性,神经网络方法与其他方法相比具有一定的优越性,但存在着训练准则和分类准则不一致的问题。采用一种区域映射神经网络模型,实现了从区域到区域的映射比区域到点的映射更快、更好,保证了神经网络训练准则与实际分类准则的一致性,具有比前馈式神经网络更快的收敛速度和更高的分类精度。利用区域映射神经网络模型对中国高新技术园区投入产出绩效进行智能评价,取得了较好的效果。     

基于BP人工神经网络的磨料水射流切割深度模型

在已知的磨料水射流切割混凝土实验数据的基础上,应用BP人工神经网络理论,并且借助MATLAB神经网络工具箱,建立磨料水射流切割深度模型.模型中包括的射流参数有射流压力、靶距、磨料粒径、磨料流量、磨料喷嘴直径、磨料喷嘴长度及横移速度.通过模型预测结果与实验结果的比较,表明模型具有一定的精度.     

多媒体教学课件的BP网络综合评价模型

在多媒体教学课件的综合评价中利用了神经网络的自适应性和自学习功能,通过评价需求分析,确定了评价系统的模型,采用各评价指标作为其输入,利用MATLAB运算得出结果。结果表明,神经网络用于多媒体教学课件的综合评价中,克服了传统评价过程的复杂性和主观因素,具有方便、准确、科学、快速的特点。     

基于房屋普查数据的震害预测方法

提出了一种利用人工神经网络模型并以房屋普查数据为震害影响因子的震害预测方法.以建筑物的结构类型、层数、高度、建设年代、用途、现状质量等几个简单参数对城市、建筑物进行分类,并在此基础上进行建筑物的震害预测工作.根据震害因子的选取及网络对样本的训练效果建立一个人工神经网络模型,通过此模型对震害实例的预测结果进行分析,证明了此模型的实用性.利用房屋普查数据进行震害预测工作为研究快速震害预测方法提供了一个新的思路.     

基于灰色BP神经网络的员工需求预测

人员配置直接影响企业的生产经营活动,一份科学合理的员工需求预测对企业的作用不言而喻。以某制造业为研究对象,搜集整理2005—2017年数据。利用SPSS做相关性分析,选取固定资产、开发支出等6项员工需求影响因素。运用灰色BP神经网络理论,预测未来3年员工需求。结果表明：灰色BP神经网络比灰色预测模型具有更高的精确度;虽然灰色BP神经网络具有较高的精确度,但其结果受参数影响较大,如何确定参数则是未来研究的一个方向;灰色BP神经网络的预测结果对企业招聘、员工关系管理等模块具有一定的指导意义。     

AOD精炼铁合金终点预测模型的建立

智能控制技术在冶金终点检测和终点控制中得到广泛应用,特别是神经网络技术,采用径向基函数神经网络(RBF)构成的神经网络控制方案可以有效地提高系统的精度、自适应性和鲁棒性。选用RBF神经网络建立冶炼终点温度和碳含量的预测模型,可以为后续的控制模型提供有价值的控制信息,通过终点控制模型计算所要补吹的氧气量以及补加的冷却剂量,以达到冶炼终点温度和碳含量的精确命中。仿真分析表明,RBF神经网络应用于冶炼终点温度和碳含量预测模型的建立,具有一定的预测精度。