投资组合动态VaR预测模型和预测精度评价

采用4种Backtesting检验方法,检验22个常态和时变投资组合动态VaR预测模型的风险预测精度,发现GJR_GPD_TV_Copula具有最高的投资组合风险预测精度,GJR_GPD_Copula的拟合、密度预测和组合风险预测精度都要高于GJR_SKST_Copula,且Copula模型的组合风险预测精度分别与拟合精度和密度预测精度存在较弱的正相关关系.     

基于分形理论的石油价格预测

讨论了有关分形的基本理论，研究了分形理论用于石油价格预测的基本思路。在此基础上建立了基于分形的石油价格预测模型，并对模型进行了求解。最后，利用建立的分形模型对2005—2008年的石油价格进行了预测，井与其他预测机构的预测结果进行了对比分析。结果表明，用该法对石油价格的预测具有一定的借鉴意义。     

石油价格的ARFIMA模型预测研究

经检验，石油价格波动具有长记忆性，而通常用于定量预测的ARMA模型是不考虑长记忆性的．应用考虑长记忆性的ARFIMA模型对石油价格进行了预测研究，预测结果表明，ARFIMA模型的预测结果要好于不考虑长记忆性的ARMA模型．     

基于拉开档次法组合模型在物流需求预测中的应用——以江苏省为例

为了对物流需求进行科学预测,文章在主成分分析的基础上,选取了对物流需求影响较大的3个主要因素:人均社会商品消费额、人均GDP和商品零售价格指数为自变量.分别建立了多因素灰色预测模型、ARIMA预测模型、多元回归预测模型,并运用拉开档次法建立了组合模型。通过该组合模型对江苏省物流需求进行了预测。结果表明,江苏省物流需求每年以近9.5%快速增长。与其他预测模型相比,该预测模型具有更高的预测精度。     

天然气消费量组合预测建模及应用

2011年是"十二五"规划实施的第一个年头,四川省是我国天然气的生产和消费大省,对天然气消费量的有效预测对于四川"十二五"期间相关产业发展、能源消费结构调整具有指导作用,对顺利实现"十二五"能源战略目标具有重大的现实意义。基于标准差法的灰色—增长曲线组合预测方法对四川"十二五"期间的天然气消费量进行了预测,再用马尔科夫链对预测结果进行修正,以提高精度。结果表明:此天然气消费量组合预测模型具有较高的精度和应用价值。     

基于CBR的化妆品销售组合预测模型

预测是销售企业面临的至关重要的问题,预测精度会直接影响到企业的利润及长远发展。考虑到化妆品销售独特的生命周期特点,提出基于案例推理技术的化妆品销售组合预测模型。基于案例推理技术能够弥补短生命周期产品数据不足的问题,根据"最相似"产品的数据对目标产品属性进行推理计算,既提高了预测精度,又便于实际操作。在此基础上,提出了改进的BASS模型及季节性趋势增长模型,充分考虑数据序列波动的季节性、趋势性及其完整的生命周期特征。为了进一步提高预测精度,提出AFTER-GA组合预测算法,并添加PSOWv-SVM模型作为组合预测的模型之一,利用模型处理外界影响因素的能力,使得各模型取长补短,更有效地突出各模型的优势,从而取得更精确的预测结果。实例分析表明,AFTER-GA组合预测算法在精度上要明显优于其他方法;基于CBR的组合预测模型在化妆品销售预测方面,能够达到令人满意的精度要求,具有实际应用价值。     

简单平均组合预测有效性的应用分析

通过实例分析,说明了当序列模式变动较大时,简单平均组合预测模型相对于其他组合预测模型的优越性,并且基于样本段的拟合精度不足以说明组合预测模型的外推预测精度。文中的分析对于组合预测模型的选择和应用具有实际参考价值。     

基于改进灰色GM模型的装备磨损趋势评估

磨损是影响高端装备精度保持性的关键因素,因磨损量难以测量,对磨损状况进行准确的预测较为困难。针对上述问题,研究一种基于灰色GM模型的磨损预测方法,构建了数据驱动的模型参数优化算法,能更有效地挖掘时间序列的内在联系及变化规律。对装备磨损监测数据进行处理和预测分析,与传统GM模型预测精度进行对比,结果表明:改进模型预测精度更高,适用于中长期预测。     

基于VAR和GM组合模型的电力消费预测

组合预测模型较单一模型具有更准确的预测精度,利用中国电力消费1978年~2007年的年度数据,将VAR模型与灰色预测的GM（1,1）、无偏GM（1,1）两种模型有机组合,建立灰色VAR组合预测模型,对2008年~2015年的电力消费量进行预测。结果表明,该模型平均相对误差为4.88%,拟合精度较高,具有较好的应用价值。     

基于广义IOWA算子的安徽省税收组合预测模型

先引进广义IOWA算子，建立广义IOWA算子组合预测模型.该模型与一般的组合预测方法的不同在于组合预测的赋权系数与预测精度有着紧密联系而与单项预测模型关系不大.这是组合预测方法的一种新的可变赋权方法.在此基础上建立基于广义IOWA算子的税收组合预测模型，并通过与指数平滑方法、线性回归预测方法和灰色预测方法进行比较，发现组合预测模型既稳定又精确.