基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

人才规模优化的多目标组合预测模型

本文构建了基于模糊综合评价方法的人才规模优化多目标组合预测模型,对组合预测模型中权重的确定过程进行了详细阐述.该模型较之现有的人才规模优化预测研究采用单一模型预测更加全面合理.     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

基于粗糙集的组合预测方法在粮食产量预测中的应用

粮食产量是国民经济发展一项重要指标,对粮食产量的预测,目前多采用组合预测的方法.在组合预测中单一预测模型的选择和组合系数的确定是两个至关重要的问题,本文基于粗糙集理论构建了一种新的组合预测模型,这种方法计算简单,无需建立数学模型,完全通过数据驱动.算例显示这种方法不但明显优于传统的最优组合预测方法,还优于先进的神经网络组合模型,在实际的粮食产量预测问题中有着广泛的应用前景.     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

物流需求预测模型构建

文章选取1993-2014年社会物流总额衡量物流需求,定量分析社会物流总额与GDP、物流总费用、固定资产投资和进、出口总额的关系.采用MATLAB软件进行编程模拟,构建了物流需求多元非线性组合回归预测模型.结果表明:多元非线性组合回归预测模型预测效果明显优于多元线性回归、指数平滑法、多项式拟合(2次)及非线性预测法(幂函数).     

基于支持向量机股票价格指数建模及预测

为提高预测精度,采用基于支持向量机理论的预测方法对股票价格指数进行预测.文章在分析支持向量机预测基本原理基础上,以交叉验证法确定了最佳回归参数并以此建立了预测模型.对上海证券交易所的股票价格指数进行预测,研究结果表明基于支持向量机预测法能较准确地反映股票价格指数的变化趋势且提高了预测精度,验证了此方法在股票价格指数预测中的可行性.     

海洋经济预测模型的创新研究

组合预测法综合运用多种预测理论,最大可能地利用可用信息,预测精度高于基于单一模型的预测方法.组合预测模型主要有两种方式:串联型组合预测法和并联型组合预测法.文章以海洋经济的发展趋势预测为例,分别采用不同的预测方法进行实证检验,结果表明串联型组合预测法的预测精度要高于并联型组合预测法.     

经济景气指标与实际GDP增长率的混频预测

文章通过构建月度景气指标与季度实际GDP增长率之间的混频动态向量自回归模型,并采用期望最大值算法和卡尔曼滤波来实现混频数据和缺失数据的估计和迭代预测.大量月度景气指标的MFVAR模型的伪实时数据的多步滚动迭代样本外预测结果表明:虽然不同类别的月度景气变量在不同预测期的预测结果存在一定的差异,但实时预报、短期预测,以及组合预测结果均表明混频动态向量自回归预测模型对我国季度实际GDP增长率的实时预报和短期预测具有精确性、有效性与适用性.     

我国农村居民口粮消费的组合预测

随着农村人口向城镇转移以及农村居民收入的增长,我国农村居民口粮需求逐年下降.预测农村居民口粮消费量不仅有助于把握农村居民消费结构的变动轨迹,而且对指导粮食生产也有重要的意义.文幸针对单一的预测模型可能存在的问题,利用时间序列和线性回归的组合模型对近30年我国农村居民口粮消费量进行了拟合.通过比较单一预测模型和组合预测模型的精度发现:相对于单一的预测模型,组合预测模型预测精度较高.利用组合预测模型,文章预测未来10年我国农村居民的口粮消费量会继续下降.     

基于IOWA算子的税收组合预测模型

文章引进诱导有序加权平均(IOWA)算子的概念,建立诱导有序加权平均新的组合预测模型.该模型与传统的组合预测方法的区别在于组合预测的赋权系数与单项预测模型无关,而是与单项预测模型在各时点上的预测精度的大小密切相关,这是组合预测方法的一种新的可变赋权方法.文章给出了基于IOWA算子的税收组合预测模型,实例分析结果表明该模型是可行和有效的.     

经济预测中组合预测法的应用──关于单项预测模型的选取问题

组合预测法是指通过建立一个组合预测模型，把多种预测方法所得到的预测结果进行综合，以得到一个较窄的预测值取值范围供系统分析或决策用。由于组合预测模型能够较大限度地利用各种预测样本信息，比单个预测模型考虑问题更系统、更全面，因而能够有效地减少单个预测模型...     

基于自回归移动平均及支持向量机的中国棉花价格预测

文章通过对2008年至2011年间月度棉花价格数据进行分析,建立了基于自回归移动平均的棉花价格ARIMA(1,1,1)模型,结果显示,ARIMA(1,1,1)模型能够很好的模拟国内棉花价格,平均相对误差百分比低于4％,在ARIMA模型的基础上,对该模型残差建立支持向量机模型,将自回归移动平均模型与SVM模型组合对棉花价格进行了预测,比较预测结果,组合预测模型对自回归移动平均模型有一定改进.     

农产品价格预测模型的构建

农产品价格变动关乎农民收入的增长和生活水平的提高,同时也是农业管理部门决策的重要依据.针对农产品价格预测这一问题,文章先后建立了指数平滑模型、ARIMA(求和自回归移动平均)模型及基于二者的组合预测模型,并结合2011-2015年西安朱雀市场胡萝卜的月度价格数据,依据所建立的三个模型应用SPSS等相关软件对未来短期胡萝卜价格进行预测分析.预测结果显示:组合模型比单个预测模型预测精度更高,是一种有效的农产品价格预测模型.     

基于模糊相对误差等式的组合预测模型

预测的关健是建立合理的预测模型,不同的预测模型各有长处,通过对不同预测模型的线性组合可以得到效果更好的线性组合预测模型.组合预测法的关键是确定组合的权重.文章给出了一种基于模糊相对误差等式模型的组合预测方法,将模糊等式转化为线性规划问题,通过求解该线性规划,得到最优线性组合权重值.实例表明,该方法计算简单,且预测精度高.     

最优加权组合法在中国粮食产量预测中的应用研究

组合预测模型可以较大限度地利用各种预测样本信息,比单一预测模型考虑问题更系统更全面.能够有效地减少单个预测模型中一些随机因素的影响,从而提高预测精度.文章利用最优加权组合法,对柯布一道格拉斯生产函数模型,指数平滑模型和ARMA模型进行组合,通过计算确定其权重,得出未来十年的粮食预测产量;而根据MSE准则得出组合预测模型的精度比其余单一的预测模型的预测精度高.与我国在2008年提出的<国家粮食安全中长期规划纲要>中的目标进行比较发现,如果在现有条件下要达到目标,政府必须在政策和农业技术等层面制定更加切实可行的措施.     

基于文化算法的支持向量机组合预测模型

为提高预测精度,文章提出基于文化算法的支持向量机组合预测模型.以组合预测模型的误差平方和最小为优化准则,用文化算法对支持向量机参数进行优化,并建立支持向量机对单一模型的预测结果进行组合预测.算例结果表明,该模型综合了各单个预测模型的重要预测信息,其预测误差远远小于各单个模型的预测误差,其预测精度更高,模型的实用性更强.     

基于组合预测模型的粮食价格模拟仿真比较

文章构建了基于组合预测模型的粮食价格预测模型,并实例分析了基于组合预测模型的粮食价格预测模型要比基于单一预测模型的粮食价格预测模型精度高.文章分析了现有的粮食价格预测模型的研究成果,并指出研究成果中存在的缺陷,接着建立了基于组合预测模型的粮食价格预测模型,推导出确定组合权重的计算公式,最后通过实证对比分析了基于组合预测模型的粮食价格预测能有效提升粮食价格预测精度,说明所建立模型的可行性和有效性.     

模糊变权组合预测方法研究

在不确定环境组合预测中,用模糊权重系数更能体现各单项预测方法的客观表现.文章提出一种新的权重系数为三角模糊数的组合预测方法.首先建立以组合预测精确度指数最小为准则的模糊加权组合预测模型,为了避免样本数据中极端值对模型的影响,对模型进行改进,提出带有0-1变量的模糊加权组合预测模型.进一步考虑到单项预测方法在不同时刻的表现有所差异,建立基于诱导有序模糊加权平均(IOFWA)算子的模糊变权组合预测模型,该模型不仅能克服极端值的影响,而且具有更高的预测精确度.并实证验证了该方法的适用性和灵活性.