基于时间序列分析的股价预测

基于收盘深发展股票价格的实际数据资料,通过对实际样本数据的预处理,确认股票价格序列为平稳非白噪声序列的基础上,利用SAS/ETS软件,采用ARMA方法,建立时间序列预测模型。应用的结果表明：本预测模型考虑了各种随机因素的影响,与实际状况有较高的吻合度,对动态数据进行预测是可行的,对于经济统计预测有一定的实用价值。     

科学数据时间序列的预测方法

针对传统的时间序列分析方法预测科学数据效果较差的特点,提出了一种结合自组织神经网络和灰色理论的时间序列预测方法。该方法利用度量时间序列相似性距离函数,将时间序列按照其变化规律分成不同的类别,并在GM算法中针对白化参数进行优化,对科学数据时间序列进行自组织聚类,针对各类别采用灰色理论建立预测模型。试验表明,该模型适合科学数据的变化特点,提高了预测精度。     

燃气轮机的传感器故障检测、分离和信息重构

介绍了两种燃气轮机的传感器故障检测、分离和信息重构的方法.第一种方法是基于主元分析的平方预测误差指标.本文同时采用了自组织映射神经网络的方法,在方法与结果上与主元分析的方法进行了对比和分析.传感器故障的检测由主元分析的平方预测误差指标和自组织映射神经网络的误差估计执行,贡献率图用来实行故障的分离,最后的信息重构由主元分析和自组织映射神经网络延伸的算法执行.实际工业燃气轮机的数据验证了两种方法的准确性和可行性.     

多元化企业组织结构与企业绩效——基于四川、重庆两地的研究

理论文献认为事业部制能提高多元化企业的绩效.以2012年四川、重庆两地81家多元化企业为样本数据,分析多元化企业组织结构与企业绩效之间的关系.通过单因素方差分析和多元回归模型等方法,发现使用事业部制的组织结构比使用职能型和母子公司制的组织结构更能提高多元化企业的绩效;样本企业的多元化程度越高,企业的绩效越低.     

灰色BP网络预测方法在公交客流预测中的应用

本文将BP网络模型与灰色系统预测方法相结合,建立了公交客流量预测模型。该模型有自组织 和自学习的功能,可以根据每次学习误差的不同,不断调整学习速率,加速收敛过程,充分排除数据样本 的随机性影响。与传统的公交客流量预测方法相比,本模型预测结果具有更高的精度。     

基于支持向量机集成学习方法的高新技术上市公司绩效预测研究

本文以创业板高新技术企业为对象,采集样本企业2011-—2014年的年报数据,通过构建支持向量机预测模型和支持向量机集成学习方法预测模型,预测样本企业的绩效。研究结果显示:两种预测模型均能有效预测样本企业的绩效,支持向量机集成学习方法预测模型的准确度更高,样本数据越接近预测年度,预测的准确度越高。     

国债回购市场利率期限结构的预测能力研究

本文对国债回购市场的利率数据在采用单位根和协整检验的基础上,通过分析国债回购利率走势和波动幅度的不同,将全部样本数据分成两个子样本,并在基于利率预期假说成立的基础上,利用单方程回归和向量自回归模型来检验收益率价差对未来利率变化的预测能力。结果发现,利率价差在两个子样本区间上都对未来的利率变化有较强的预测能力,且利率波动幅度越大,则利率价差对未来利率变化的预测能力越强;反之,则越弱。     

GMDH物价指数预测模型研究及实证

利用物价指数的月均值与年均值数据同时建模的数据处理群组方法的两水平算法,扩大了月均值数据的可预测范围,引入以三角函数求和形式的调和自组织的数据处理群组方法解决月均值物价指数的波动影响,提高了月均值数据预测的准确性。实证分析表明,数据处理群组方法的调和两水平方法预测月均值物价指数是有效的。     

城市化、农民增收和经济增长——基于天津数据的实证分析

已有研究表明,城市化水平、农民收入、经济增长中任意两个经济变量都存在着长期均衡关系,即协整关系。按照这一思路,本文以天津地区为例,将三个变量纳入同一模型进行实证分析。由于使用的是小样本数据,为增强实证结论可信度,我们列举并采用了国外对小样本的处理方法。结论显示,城市化进程与农民收入、经济增长存在协整关系,并且在5%的显著性水平下,三者均存在双向Granger因果关系。     

城镇化水平预测方法新探——以神经网络模型的应用为例

在城镇化水平预测领域,基于时间因素的趋势回归法与经济因素的相关分析法是两种较为常用的预测方法,但两者在实际用于预测时都需要通过对时序数据的考察建立起相应的计量模型才能进行,而所建模型往往因存在一定缺陷而使预测效果受到严重影响。目前,基于数据驱动式的"黑箱"建模思想而诞生的神经网络模型在预测领域已得到了广泛应用,但在城镇化水平预测方面尚未得以充分使用。在对上述两种传统预测方法在应用中存在的缺陷进行实证分析并综合考虑时间因素与经济因素的基础上,运用神经网络模型在这一领域进行了尝试性的分析和探讨。结果表明,同两种传统预测方法相比,其预测效果较为理想。     

模糊规则归纳法及GDP主要影响因素分析

使用一种新的自组织数据挖掘方法模糊规则归纳法根据GMDH技术自动地从数据中提取模糊规则形成更自然语言描述的模糊模型阐述了模糊规则归纳法的算法原理及建模步骤并给出了四川经济发展的建模研究实例分析出影响GDP增长的主要因素展示了模糊规则归纳法的突出特点文中还对模糊规则归纳法和GMDH方法进行了比较说明模糊规则归纳法进行因素分析的优越性     

运用基于数据包络分析的交互式预测方法进行财政预测

对基于数据包络分析法的预测方法进行简化,并将数据包络分析法与交互式方法相结合,得到基于数据包络分析的交互式预测方法.基于该方法得出的预测结果,不仅是技术有效的,同时也是规模有效的.最后利用该方法对财政政策的有效预测进行了实证分析.     

多因素数据重心预测法对比研究——中国钢材消费量预测实证分析

将多因素数据重心预测法与传统的最小二乘法应用于我国钢材消费量的预测,并从建模到预测结果的统计检验指标等方面进行对比研究。结果表明,多因素数据重心预测法在预测结果的稳健性方面具有较大的优越性,同时多因素数据重心法在处理具有异常数据的样本数据方面具有明显的平滑系统误差的作用。另外,多因素数据重心法还具有更直观、易于理解与运用、对数据的要求比最小二乘法宽松等优点。     

两种成分数据预测建模方法的比较研究

在社会、经济、技术等领域中,成分数据是一种被广泛应用的数据类型。文章对两种不同的成分数据预测建模方法进行对比研究:一种是利用对数变换对成分数据进行预测的建模方法;另一种是利用球面投影,通过对成分数据的非线性降维,得到建立预测模型的方法。通过比较研究,指出两种方法在应用方面的优缺点,并且利用北京市按所有制划分的从业人员数据,应用两种方法分别进行预测,对北京市的就业情况进行简要分析。     

基于量子门神经网络的手写体数字识别

手写体数字识别作为模式识别研究热点之一已得到广泛应用,诸多应用对手写体数字的识别率要求也越来越高,同时对批量数据处理的速度也提出了更高的要求.本文针对改善手写体数字的识别正确率和批量数据处理速度,将基于量子门组的神经网络方法引入到手写体数字识别中,通过选取字符的粗网格特征作为识别特征进行仿真实验.实验结果表明,该方法能够有效提高手写体数字的正确识别率.     

软计算与硬计算融合的中国石油需求预测

近年来,随着我国经济的高速增长,石油作为重要的战略资源,在经济发展中发挥着越来越重要的作用。运用软计算和硬计算相融合的方法对我国2004—2015年的石油需求进行了预测。首先介绍了软计算和硬计算融合的串联模式,然后构建了影响我国石油需求(石油消费量)的主要指标,即国内生产总值(GDP)、人口总量、能源消耗量和居民消费水平。通过分析这些指标的数据特征,得出它们随时间的推移呈现增长的趋势。根据这一结论,运用软计算和硬计算融合中的串联模式,用硬计算中的龚珀资(Gompertz)增长曲线预测法来预测影响石油需求的4个指标以及石油需求量2004—2015年的值。在这些数据的基础上,再用软计算中的BP人工神经网络,对我国2004-2015年的石油需求量进行了预测。最后通过对HC和SC预测的石油需求量进行加权平均,得到了最终的预测结果。     

利用岩石力学参数法识别火山岩岩性

火山岩岩性识别是岩相划分、储层综合评价与预测、井网部署、开发方案编制的基础。火山岩类型多，其岩性与岩石成分、结构、构造和成因有关,识别难度大。岩石力学参数中蕴藏着丰富的岩性表征信息,从多个方面提供了火山岩岩性识别的资料。以准噶尔盆地六九区石炭系火山岩为研究对象，在对工区内40块岩样进行岩石力学参数实验的基础上，优选出对火山岩岩性响应较为敏感的泊松比、杨氏模量、体积模量3个岩石力学参数，制作了岩性识别图版。同时，给出了利用测井资料计算泊松比、杨氏模量、体积模量的模型，进而实现了对研究区内火山岩岩性的逐点识别。识别结果表明，该法能够较准确地对火山岩岩性进行识别，识别率完全能够满足现场储层评价要求。     

数字经济时代数据生产要素化的经济分析

继农业经济时代、工业经济时代之后,人类已进入数字经济时代,数据成为继土地、劳动、资本等之后的又一重要生产要素。数字经济时代,数据生产要素化的原因、难点以及由此产生的数字经济核算问题值得深入研究。研究发现,数据作为数字化的载体,具有非竞争性、边际成本趋近于零和价值存在不确定性等特征;在影响经济增长的机制上,应建立数据要素与其他生产要素的协同联动机制、数据要素的市场化配置机制和反垄断机制。数据所有权的模糊、数据的可复制性和信息悖论导致了数据资产确权、交易和定价的困难。数据生产要素化过程中,数字经济面临统计挑战,传统GDP核算方法会产生GDP规模的漏统计和增速被低估。因此,为了充分发挥数据生产要素的价值,应在个人隐私权益和经济收益之间进行合理取舍;完善数据交易机制设计,解决交易中的信用问题;转变测算思路,通过界定数字经济,识别核算主体和界定产业活动,构建新的数字经济核算体系;引入新兴技术,改善数字经济核算体系,使数据要素成为经济高质量发展的关键推动力。     

基于组合预测模型的滚装码头吞吐量预测

根据上海港滚装码头2006—2011年的吞吐量数据,采用时间序列法、灰色预测法以及相关性分析法等单项预测方法建立预测模型,计算发现相关性分析法预测的结果优于时间序列和灰色预测。建立最优线性组合预测模型并测算,证明该模型对于影响因素复杂且历史数据较少的滚装码头吞吐量预测具有较高的精度。     

数字经济与城市群协同发展：基于夜间灯光数据的研究

准确认识数字经济与城市群协同发展的关系,有利于拓展数字经济影响的评估视角,也为发挥数字经济和区域一体化的融合倍增效应提供有益思路。研究发现,数字经济时代城市群辐射带动区域协同发展的步伐正在加快,数据要素跨域流通打破了城市群内部和城市群之间的市场分割,助推城市群边界的有效扩大。数字经济促进城市群协同发展主要通过两个作用机制,一是推动创新主体跨城市跨区域进行合作创新,促进城市协同创新网络发育壮大;二是提升城市空间集中度,增强邻近空间范围内的城市要素集聚能力。数字经济的网络性、跳跃性及外部性特征放大了中心城市对外围城市的辐射带动作用和空间溢出效应,因此构建与数字经济相匹配的区域一体化协调机制和要素统筹配置机制正当其时。