基于反三角函数变换的振荡序列灰色预测模型研究

为了拓展灰色预测模型的应用范围并提高其预测精度,文章针对带有振荡特征的数据序列构建了灰色预测模型.由于振荡序列中参数有正有负并呈周期性变化的规律,如果直接利用各类GM(1,1)模型建模效果并不好.文章使用反三角函数数据生成方法,使带有振荡的数据适合应用灰色预测理论;并对其进行了建模和实例分析.研究结果表明了所提出的灰色模型的有效性和适用性.     

自回归及logistic离散模型在中国人口预测中的应用

为了寻找更好人口预测方法,经济领域常用的自回归模型创新式的被应用到中国的人口预测中.通过结果预测结果分析,易知自回归的预测效果相当不错.进一步探索人口的预测理论,精典的logistic离散模型被用来和自回归模型做对比.由于自回归模型和logistic离散模型在形式上有很大的相似,对两者在建模原理上进行了对比分析,且对两个模型理论进行了推广.     

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.     

结合景气指数的GDP组合预测模型研究

文章首先对中国季度GDP序列建立了AR-GMDH预测模型;然后加入对GDP相关性较大的景气指数,建立了ARCH模型;最后利用GMDH自组织建模方法提出新的组合预测模型.对比分析各模型预测结果表明:两种单一模型预测误差均在可接受范围之内,基于GMDH组合的GDP预测模型的拟合和预测效果比单一模型更优.     

逐步回归分析法及其应用

逐步回归分析是多元回归分析中的一种方法,在经济研究建模中发挥着重要的作用.文章系统介绍了逐步回归分析,并分析了逐步回归分析在经济研究(建模与预测)中的应用步骤与需要注意的问题.分别应用向前引入法、向后剔除法、逐步回归法分别对中国农村居民收入影响因素模型进行实证分析.     

响应曲面法在现金流预测中的应用

现金流是企业经营的源泉,科学地预测企业现金流对决策者、投资人和银行都具有重要意义。文章通过应用响应曲面法进行建模和仿真,利用滑动窗技术,对一汽轿车的现金流量的预测进行了实证研究。研究结果表明,响应曲面模型具有较好的预测效果。模型的拟合和预测效果与滑动窗发送器的尺寸、响应曲面法的具体函数选择有关。     

基于两个单项模型的组合预测模型构建方法

组合分线性和非线性两种,在任选两个模型采用组合预测方法时,如何确定哪种组合方法效果更好成为重点.文章从协整关系和优性组合判定方法两方面提出确定线性组合条件及线下组合建模过程.在线性关系不满足时,对组合模型进行改进,采用BP神经网络对模型进行非线性组合,使其达到组合预测目的.同时,给出在任取两个模型的情况下,进行组合的方法和步骤,既提高组合预测精度,又达到简化计算过程的目的.     

融合股市数据的社会消费品零售总额预测方法

社会消费品零售总额是衡量消费水平的重要指标,分析预测其发展趋势对把握中国经济态势具有重要意义。现有研究大多通过传统政府统计指标建模,预测误差较大。为此,文章在传统政府统计指标的基础上扩大数据源,引入股市数据对其进行预测;并采用K-L信息量法对各变量确定最优滞后期,构建了融合股市数据的预测指标体系。结果表明:股市数据能够提升模型预测精度,且对OLS的提升效果最为显著;融合股市数据的LSTM预测效果最优,可以为政府、企业提供更为准确的参考。     

有限数据下Lee-Carter模型在人口死亡率预测中的应用

Lee-Carter模型是当今世界上最流行的死亡率建模与预测模型,传统的Lee-Carter模型在样本量很大时才能得到较好的效果,而中国的死亡率数据量较少,且部分年限的数据缺失,从而难以达到较好的预测效果。本文基于Li等(2004)提出的有限数据死亡率建模方法,同时考虑样本量不足的影响,采用韩猛等(2010)提出的“双随机过程”建模,构建了有限数据下中国人口死亡率的预测模型,并用于对未来死亡率变动趋势和人口寿命的预测,最后将预测结果与保险公司采用的死亡率改善因子以及社会养老保险个人账户中采用的计发月数进行对比分析,给出了若干相关结论和有关死亡率风险管理的建议。     

波动率模型在中国股市中的应用研究

文章对上证综合指数收益率和深证成分指数收益率进行统计分析,运用GARCH,EGARCH,TARCH模型对其进行建模,发现股票收益率序列所存在的尖峰厚尾现象、波动聚类特性以及杠杆效应,通过比较不同的模型发现非对称模型的拟合效果最为理想;另外通过采用三种不同的损失函数评价各类模型的预测效果,结果表明,非对称模型样本外预测的能力也是最强的.