灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究

针对行业间碳排放转移量预测问题，以中国1997-2017年间9年度28个行业间碳排转移量数据为样本，本文提出了基于小样本随机振荡序列的灰色量子粒子群优化通用向量机混合预测模型ROGM-QPSO-GVM。该模型首先使用ROGM（1，1）模型得到各行业对其他行业碳排放转移量的预测序列和残差序列，然后提出了一种新的量子粒子群优化（QPSO）算法优化GVM模型网络参数，构建了QPSO-GVM模型对残差序列进行修正，再将两部分的预测值相加得到行业间碳排放转移量预测值，最后根据所有预测值构建出行业间碳排放转移网络。结果表明ROGM-QPSO-GVM模型与其他模型相比具有更好的预测效果，并利用该模型对2020年、2025年、2030年中国行业间碳排放转移网络进行了预测及变化趋势分析。     

基于BP神经网络的道路客运量预测模型

在道路运输精细化管理中,道路旅客运输量预测发挥着越来越重要的作用。本文提出一种新的基于BP神经网络的道路客运量预测模型。模型可对一定交通区域内特定时段和类型的客运量进行预测,提供有效的预测数据。通过预测数据,道路运输管理部门和道路运输企业可提前调整管理和经营战略和管理措施,达到改善提高道路运输行业资源利用效率,方便旅客出行的目的。试验证明,该方法具有较高的灵敏性和广泛适应性。     

资讯

经济楼市调控第一步:准确的数据中国房地产行业的前景对世界经济至关重要但又很难预测,原因在于数据的薄弱。中国经济中没有几个行业的官方数据比地产业更不可靠。此外,中国地方官员控制进入市场的高价房和低价房的数量也让相关数据更令人困惑。里昂证券中国地产     

经济

中国房地产行业的前景对世界经济至关重要但又很难预测，原因在于数据的薄弱。中国经济中没有几个行业的官方数据比地产业更不可靠。此外，中国地方官员控制进入市场的高价房和低价房的数量也让相关数据更令人困惑。     

顾客至上：消费者在线投诉的基本面预测能力研究

随着数字经济时代的到来,数据要素成为这一新经济形态的核心引擎,催生了更多另类数据。作为一种典型的另类数据,消费者在线投诉信息对企业发展具有至关重要的影响。本文基于千万级别的消费者在线投诉数据,系统研究了消费者在线投诉的信息含量问题。研究发现：首先,消费者在线投诉数据含有与公司基本面相关的信息,对公司未来营业收入增长率具有良好的预测效果。其次,从不同类型的消费者在线投诉的预测能力来看,针对质量的“结果失败”投诉和企业无回应的投诉具有更强的基本面预测效果。再次,我们针对消费者在线投诉的预测能力开展了进一步讨论,发现消费者在线投诉具有行业溢出效应,对同行业其他企业同样具有一定的基本面预测能力;从预测窗口来看,具有一定的持续预测能力;从预测类型来看,对企业财务危机也具有较好的预测能力。此外,消费者在线投诉的基本面预测能力具有显著的异质性,在低信息透明度和消费者业务重要性更高的样本中更加显著。本文的研究结论对于监管机构、上市公司、专业投资者等相关主体具有重要的启发价值。     

违约预测的小波结构模型研究

本文针对上市公司违约预测问题,按照行业类型对我国2009年的上市企业进行分层抽样,构建了小波结构模型.小波结构模型通过应用小波变换来分解上市公司日收益序列,进而对低频序列和高频序列分别构建预测模型,再依据预测模型对未来收益进行预测,最后使用小波逆变换重构预测收益序列.通过小波结构模型可以避免时间序列模型进行收益波动预测的累加计算过程.在结合我国上市公司的实际数据对这两种模型的校验中,可以发现小波结构模型比时序结构模型在违约预测上有更好的识别力和准确度.     

基于挖掘算法的申银万国行业指数关联规则分析

利用股票的大量历史数据发现规律从而预测股票走势,成为热门的研究课题。为了能更好地观察国内申万行业指数间的联动性与轮动性,同时针对股票的滞后性效应问题,有学者提出了一种基于时间序列的关联规则挖掘算法。文章通过关联规则及其算法,挖掘出我国2010年3月到2022年6月申万行业指数交易数据间的关联现象,从而获得有意义的关联规则,为后期制定投资策略打下基础。     

惠普强娶3PAR

虽然3PAR是数据存储行业近年来耀眼的一颗新星，但过高的溢价收购过来的话，能否创造对等的价值难预测，竞购之后的运营存在风险     

SMC模型在IT分销业的实证研究

SMC模型是1987年提出的、用于预测客户交易行为的一组理论方法。由于数据收集难以及模型复杂,还鲜见该模型的实证分析和决策支持。本文首次以我国IT分销业为行业背景,选取该行业最大的一级分销商—神州数码公司—进行分析,验证了该模型的有效性,并讨论该模型在企业实际决策中的应用。同时,针对不同客户类型提出SMC模型的修正思路。     

基于离散时间灰色幂模型的新能源汽车销售量预测

准确预测新能源汽车市场的发展趋势,对于行业的发展规划和中国能源战略目标的实现具有重要现实意义。为此,本文在现有两类灰色幂模型的基础上,利用累加数据的幂指数数据进行直接建模,提出了一种含多参数的改进灰色幂模型,从而可以反映系统历史值与时序因素对系统当前值的非线性作用。此外,根据灰导数的信息覆盖原理,给出模型的差分形式和派生离散形式,记为DTGPM,并给出了模型的时间响应式函数,避免了传统灰色幂模型复杂的积分求解过程。进一步,利用启发式算法对DTGPM模型的幂参数进行优化,并通过仿真试验和实例验证分析了模型的预测有效性。最后,对新能源汽车的市场销售量进行预测,预测结果显示,中国的新能源汽车销售量会在2022年达到473万辆,并预计在2025年超过千万辆,销售量占汽车新车总销量的23.5%。