基于全最小一乘准则的灰色GM(1,1)模型参数估计

针对传统灰色GM(1,1)模型参数估计的最小二乘算法稳健性较差,在分析全最小一乘算法比最小二乘算法具有较好稳健性的基础上,文章提出了基于全最小一乘准则估计灰色GM(1,1)模型的参数,并给出了求解该算法的LINGO程序和规划模型方法,并通过计算实例说明,基于全最小一乘准则参数估计的GM(1,1)模型比传统灰色GM(1,1)模型具有更好的抗干扰性能和受异常点影响小的优点,从而拓展了灰色GM(1,1)模型的适用范围。     

论最优加权组合预测思想在证券投资决策中的应用

一、引言自Bates和Grange1969年在运筹学季刊上发表论文《组合预测》以后,国内外对组合预测的研究日趋活跃,已有不少方法和应用成果。通常组会预测模型是用多个预测方法对同一预测对象进行预测的加权组合。而各个预测模型的权重合成方法已有十几种。本文主要利用最小二乘、最小一乘及极小极大化准则下组合预测模型,讨论组合证券投资决策模型。二、最优加权组合预测模型对于一个实际预测问题,设yi,yZ…,人为n期实际数据,欲利用这n期数据对未来的n＋1期数据八十;进行预测,设为对于上述预测问题的N种不同预测模型的预测值,误差为：…     

灰色GM（1，1）模型中参数估计的几种方法比较

文章介绍了灰色GM（1,1）模型中参数估计的最小二乘准则、全最小二乘准则、最小一乘准则和折扣最小一乘准则,并指出了它们的优缺点。将这四种方法分别用于递增序列、递减序列、振荡序列的灰色GM（1,1）模型参数估计中,并通过优化软件LINGO计算出相应的参数。最后,对建立的灰色GM（1,1）模型的精度进行了比较,结果显示：最小一乘准则和折扣最小一乘准则模型参数估计明显优于最小二乘准则、全最小二乘准则模型参数估计。     

基于全最小一乘准则的灰色GM（l，1）模型参数估计

针对传统灰色GM（1,1）模型参数估计的最小二乘算法稳健性较差,在分析全最小一乘算法比最小二乘算法具有较好稳健性的基础上,文章提出了基于全最小一乘准则估计灰色GM（1,1）模型的参数,并给出了求解该算法的LINGO~序和规划模型方法,并通过计算实例说明,基于全最,J、一乘准则参数估计的GM（1,1）模型比传统灰色GM（1,1）模型具有更好的抗干扰性能和受异常点影响小的优点,从而拓展了灰色GM（1,1）模型的适用范围。     

正交最小一乘回归系数估计的算法

文章对正交最小一乘方法的背景与原理进行了介绍,给出了线性模型参数估计算法和在MATLAB中的实现,通过计算机仿真说明了本文算法的正确性和正交最小一乘法较正交最小二乘法更具有稳健性.     

最小一乘准则在试验设计建模分析中的应用

本文分析了应用最小二乘准则进行试验设计建模分析所存在的局限,给出了利用NM单纯型法迭代求解最小一乘参数估计的算法,并将最小一乘法应用到试验设计的建模分析中。     

直接离散GM(1,1)模型参数估计的最小一乘法

研究表明直接离散GM(1,1)模型对严格服从非齐次指数规律的原始数据进行建模,所得到的模型具有完全相同的指数规律,而当数据为近似非齐次指数规律时,直接离散GM(1,1)模型拟合效果较差.主要原因是直接离散GM(1,1)模型采用最小二乘法估计参数,稳健性不好造成的.针对这一情况,文章提出利用最小一乘法估计直接离散GM(1,1)模型参数改进上述不足.对比实验表明,采用最小一乘法估计参数得到的直接离散GM(1,1)模型具有很好的精度和稳健性,使得直接离散GM(1,1)模型的适用范围得到进一步扩大.     

多变量混沌时间序列的最小二乘支持向量机预测

文章根据多变量混沌时间序列的相空间重构理论,建立了多变量时间序列的最小二乘支持向量机预测模型.通过Lorenz系统和中国股市的股票价格序列对该模型进行了验证,结果表明该预测模型能精确地预测混沌时间序列,并且优于基于单变量时间序列的最小二乘支持向量机预测模型.     

基于最小一乘准则的GM（1，1）模型边值分析

针对边值修正灰色GM（1,1）模型的边值修正项求解采用最小二乘准则,而模型检验采用最小一乘准则,提出基于最小一乘准则的边值修正项求解,从而在一定程度上统一了边值修正项求解和模型精度检验的准则,并得到了最小一乘准则确定边值修正项的灰色GM（1,1）模型．实例表明,最小一乘准则确定边值修正项比最小二乘准则确定边值修正项得到的灰色GM（1,1）模型具有更高的精度。     

基于PLS-GA-SVR的区域经济预测模型及实证

文章提出了一种将偏最小二乘法（PLS）、遗传算法（GA）和支持向量回归（SVR）相结合的预测算法。首先,为了解决多元回归中存在的多重共线性问题,采用偏最小二乘法选取回归变量的主成分;然后,利用支持向量回归预测模型对数据进行训练,利用遗传算法获得更好的预测模型参数,以解决传统支持向量机预测模型中的参数选取困难的问题;最后,利用优化的预测模型对区域经济发展进行预测。结果表明,该算法在预测精度上优于其他预测模型,能够准确预测未来区域经济发展趋势。     

偏最小一乘回归算法及其应用

一、最小一乘法简介 在回归分析中,经验回归方程的待估参数一般是通过最小二乘算法来确定的,即以样本误差的平方和达到最小为条件;但是理论上回归模型的待估参数应以误差的绝对值和达到最小为条件,即通过最小一乘算法来确定.     

长期趋势预测模型的探讨

经济预测就是根据事物的过去和现在去研究未来，对未来可能出现的事件和问题等作出科学的估量和表述。事物是在不断发展着的，因而可从现象的发展趋势中进行预测。这类预测方法所依据的资料一般都是时间序列（动态数列），现有的预测方法包括简单的、复杂的不可计数，最常用的预测方法是最小二乘法趋势线配合预测法。笔者试图提出一种差分预测模型，以修正最小二乘法趋势线预测模型，从而缩小预测误差，使预测结果更符合实际。一、差分预测模型的提出在一个时间序列的分配数列中往往存在着某种形态的长期趋势，用适当的方法测定这个趋势，并…     

一元线性回归模型中参数估计的几种方法比较

文章介绍了一元线性回归模型中参数估计的最小二乘法、最小一乘法、全最小一乘法的意义,并指出了他们的优缺点。在对具体模型进行参数估计时,分别将最小一乘法、全最小一乘法的计算转化为线性规划问题及非线性优化问题,最后利用优化软件LINGO计算相应的参数。     

具有线性趋势的残差自回归模型的估计方法

为了探寻具有线性趋势的残差自回归模型的较为合适的估计方法,文章以残差AR(2)模型为例,对直接最小二乘法、两步法、非线性最小二乘法和化归法进行了Monte Carlo模拟,拟合和预测结果显示非线性最小二乘法和化归法的均方误差和平均绝对误差相同且最小.此外,还利用1980-2013年河南省人均GDP经济数据进行了拟合与预测实证分析,得到了与模拟比较相类似的结果,这说明非线性最小二乘法和化归法是较优的估计方法.进一步地,基于非线性最小二乘法,给出了河南省人均GDP的短期预测.     

FAR(p)与指数平滑的组合预测算法

一、引言 梅炽、姚俊峰等在<粗铜冶炼中铜铳品位的动态预测模式>一文中(见中南工业大学学报,2000,31(1):34-36)和邵义元在一文中(见鄂州大学学报,2002,9(4):38-39)提出了一种对铜统品位进行预测的方法,即以采集的现场数据为基础,采用系统辨识动态地建立了AR(p)模型与三次指数平滑模型.并将两种模型按最小二乘原理,以组合预测误差平方和为目标函数,通过使误差平方和极小化来确定两种预测方法的最优加权系数,建立一种新的组合模型,其预测误差最小.结果表明,在当时数据下,AR(p)与指数平滑组合模型比AR(p)与指数平滑模型单独使用时精确度都要高.本文在此基础上,对AR(p)与指数平滑组合预测模型做了改进,将AR(p)模型中的时间序列模糊化,便成为模糊时间序列,进而建立模糊时间序列AR(p)模型,即FAR(p)模型.从而提出一种新的组合预测模型--FAR(p)与指数平滑组合预测模型.最后将两种组合模型用于预测油田产油量,结果表明,FAR(p)与指数平滑组合预测模型比AR(p)与指数平滑组合预测模型有更高的预测精度.     

最小一乘法与最小二乘法:基于例证的比较

最小一乘法和最小二乘法在估计思想上有着相同的渊源,而在实现路径上有所不同:最小一乘法属于中位数回归而最小二乘法属于均值回归。由此,两者在回归系数的计算、回归直线的性质和估计结果等方面均存在较大差异。文章在理论分析的基础上进一步通过例证,将两类估计方法在计算、优劣势和应用范围做出了比较和分析。     

基于自组织数据挖掘的区域物流需求预测

文章将自组织数据挖掘方法应用于区域物流需求预测,建立了参数GMDH输入输出模型和非参数模糊规则归纳区域物流需求预测模型,鉴于单个模型预测的局限性,以最小二乘法为最优化准则,建立了最优线性组合预测模型。实证分析表明组合预测结果比较满意,自组织数据挖掘方法是区域物流需求预测的有效工具。     

折扣最小二乘法的研究方法及其预测应用

折扣最小二乘法的研究方法及其预测应用文／涟水县统计局孙冬如一、“近大远小”原则的方法通常我们知道一些求解模型参数的方法很多，如最小二乘法、半数平均法、三点法等。应用这些方法建立模型进行预测，虽然是可以的，但是，若要求得较好的预测效果，还必须考虑到预测...     

趋势预测模型选择与估计的一种算法

趋势预测模型选择与估计的一种算法辽宁大学经济管理学院马树才陈瑾玫在经济预测中，时间序列趋势预测是常用的一种模型，对于其模型的选择与估计，目前，大多数文献中所介绍的有两种方法：一种是常用的精细的最小二乘法；另一种是比较粗糙的“三点法”。前者虽然精确，但...     

改进的 GM(1,1)模型及其预测精度分析

文章分析了现有灰色GM(1,1)模型的缺陷,根据最小二乘原理,提出了以GM(1,1)的一次累加生成建模序列所有分量的拟合误差平方和最小为约束条件,以求得新灰色GM(1,1)预测模型的最优初始值;对原GM(1,1)模型进行了改进,构建了新的GM(1,1)模型,并与现有的GM(1,1)模型进行了预测精度的比较。仿真分析结果表明了新改进预测模型的有效性。