四川省产成品存货组合预测研究

文章分别建立了四川省产成品存货的ARCH预测模型和GMDH变量自回归预测模型,然后利用它们的预测结果构建了ARCH-GMDH组合预测模型.将组合预测结果与产成品存货实际值以及ARCH、人工神经网络等单一模型的预测结果相比较,表明了所述方法的可行性和有效性,从而为产成品存货及其它宏观经济指标预测提供了一种思路.     

基于组合模型的城市供水预测及水价调整决策

随着城市用水量的与日俱增,合理的城市水资源规划对城市可持续发展意义重大.文章采用组合预测的方法即用灰色模型结合人工神经网络组合的方法,根据最优组合原理,对城市的供水量建立了模型,并给出了水价调整方案的决策;最后通过MATLAB进行编程以及利用SPSS对数据进行了统计分析.实验数据表明,文章的结论有较强的合理性和实用性.     

基于神经网络灰色Verhulst算法的CPI预测模型

为了提高居民消费价格指数的预测精度,对于呈近似S形的CPI时间序列,利用灰色Verhulst模型对其预测.构造基于时间序列的人工神经网络输入输出模式,利用BP神经网络对原始数据与灰色verhulst预测值的残差进行训练.仿真实例表明,该组合算法预测结果比单纯使用GM(1,1)模型、灰色Verhulst模型和文献[1]的总体误差要小,将神经网络引入到灰色Verhudst模型中能较好地提高预测精度.     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

能源需求组合预测模型的构建及应用

随着中国经济的快速发展,能源消费不断提高。文章利用能源消费量的历史数据,建立了我田能源消费系统的ARMA模型和灰色预测模型的组合模型,通过组合模型和ARMA模型、灰色预测模型的具体比较分析,证明组合模型更为易行、有效。结论可以作为我国及地区未来能源消费量预测的有效工具。     

对Black-Litterman模型加入主观收益方法的改进

Black-Litterman模型是高盛公司提出的确定加入主观观念的资产组合模型,其显著特点是模型加入了投资者的主观观念。目前文献研究显示,模型加入投资人主观收益的方法依然是武断确定。这样加剧了主观投资组合模型使用的随意性,也必将影响其使用效果,会给投资造成巨大损失。由此本文提出使用BMA（贝叶斯移动平均法）模型预测投资者主观收益,文中利用中国上海A股市场数据,编写Matlab程序对主观资产组合模型进行了实证,实证表明预测效果得到了明显改善。该模型不但对Blackliterman模型有重要作用,而且对金融统计模型预测效果的提高也有很大启发。     

CPI预测的SVM-ARIMA模型构建与数值模拟

居民消费价格指数（CPI）是宏观经济中的前瞻性指标,为经济政策的制定提供数据支撑,发挥指导作用。文章利用CPI的月度数据构建基于小波分解的SVM-ARIMA组合模型,实现了对CPI的精准预测。首先,对2000—2019年的居民消费价格指数序列进行小波分解;然后,对分解后的居民消费价格指数序列分别利用ARIMA模型和SVM模型进行预测;最后,将预测结果进行整合形成对居民消费价格指数的组合预测模型,并选用2020年的实际CPI月度数据与模型预测数据进行有效性验证。结果表明：组合模型的平均绝对百分比误差（MAPE）与均方根误差（RMSE）分别为0.5383%和0.6604%,相较于ARIMA时间序列模型和SVM模型实现了极大的改进。此外,该组合模型的预测分析框架具有较强的适应性和扩展性,可用于其他相同特征类型的时间序列数据的模拟预测。     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。     

基于深度学习的收益率预测与投资组合模型

在传统投资组合模型中,备选资产的预期超额收益率的预测误差将导致模型的投资绩效劣化。文章采用Transformer深度学习模型对备选资产的收益率进行预测,以提升预期收益率的准确度,进而提高投资组合模型的绩效。以中证800指数的成分股为备选资产,进行了72期投资,将实证结果与LSTM和SVR模型进行对比,验证了Transformer模型在提升预测准确度和提高投资组合模型绩效上的优越性。     

Prophet-X-12-ARIMA组合模型及交通运输量预测

由于受到经济社会因素的影响，交通运输量数据具有趋势多变及季节性明显的复杂特征。现有的预测模型，如X-12-ARIMA模型、ARIMA模型和Prophet模型等的预测准确性有待改进。文章构建Prophet-X-12-ARIMA组合模型，综合了Prophet模型灵活拟合趋势成分的优势以及X-12-ARIMA模型能准确分解出季节成分的优点。采用该模型预测某城市的七种交通运输量序列，结果显示Prophet-X-12-ARIMA组合模型的半年度和年度预测效果明显优于Prophet模型、X-12-ARIMA模型及ARIMA模型。进一步研究发现，当原始序列趋势变化剧烈时，Prophet-X-12-ARIMA组合模型的预测效果更优。     

中国股市波动率的TSK非线性组合预测模型

Grey-GARCH模型是一类新的波动率模型.针对单一Grev-GARCH类模型只能有限地提高波动率的预测精度,利用TSK模糊推理系统,结合组合预测的思想,建立波动率的TSK非线性组合预测模型.通过对上证综指和深证综指的实证分析,发现与单一Grey-GARCH类模型、RBF非线性组合预测模型和线性组合预测模型相比,TSK非线性组合预测模型总体上能够获得更高的预测精度,说明TSK非线性组合预测模型是一种有效的波动率预测分析方法.     

基于IOWA算子的优化灰色组合模型及其应用

为了提高灰色模型在实际应用中的预测精度,文章对经典GM(1,1)模型进行了改进优化.首先从初始值、背景值和灰色微分方程三个方面优化经典GM(1,1)模型,然后运用诱导有序加权平均(IOWA)算子对三个优化模型进行组合赋权,建立基于IOWA算子的优化灰色组合模型,最后将该组合模型应用到江西省农村电力中长期负荷预测中.结果表明,所提出的组合模型比经典模型和单项优化模型具有更高的预测精度.     

对混合模型经济预测效率的考证

本文将季节乘积ARIMA模型及混合模型方法运用于经济时间序列,运用SPSS10.0实证了两种方法建模和预测的过程和效率。从预测结果可见,本文所介绍的混合模型算法比单独使用ARIMA季节乘积模型辨识精度高,对于含有趋势性和周期性的经济时间序列辨识、预测及降低组合模型的预测误差具有一定的实用价值。     

日本林火的广义线性模型

森林火灾发生概率的预测是一个涉及气象、树种、地理环境和人类活动等因素的复杂问题,气象参数与林火的关联一直是森林火灾研究的重点之一.本文研究日本森林火灾数据,及气象参数与林火的关联.根据火灾事件的二值特征和稀有特征,发展了林火与气象因子关联的广义线性模型.结果表明广义线性模型可以作为预测林火发生概率的可靠方法,可以作为林火研究与管理人员提供一种参考.     

变权重组合预测模型在短时交通流预测中的应用

文章通过分析短时交通流时序特性,将组合规划理论应用于短时交通流预测,建立了变权重组合预测模型。并以武汉市雄楚大道理工一桥路口东西直行交通流量为基础数据,采用变权重组合模型对其进行分析。结果表明:组合模型的预测准确性高于各自单独使用时的准确性;组合模型发挥了4种模型各自的优势,是短期交通流预测的有效方法。     

两种模型对中国生猪价格预测效果的比较

生猪价格波动是众多因素共同作用的结果,为提高生猪价格预测结果的精度和可靠性,文章应用支持向量机(SVM)方法,综合在中国猪肉市场上与生猪价格相关的主要指标,建立生猪价格和其影响因素的支持向量机模型,对未来生猪价格进行预测分析,同时,将其预测结果与BP人工神经网络模型的预测结果进行对比,并对这两种模型的预测效果进行评价,结果表明,基于SVM模型预测生猪价格的精度优于人工神经网络,拓展了其在这一领域中的研究与应用。     

LS—SVM模型选择及其在森林火灾预测中的应用

文章根据森林火灾的实际数据,选取适当的目标函数,利用最小二乘支持向量机（LS-SVM）建立模型,通过对LS-SVM中超参数的联合优化选择出最佳模型,并把用所选模型进行预测的结果与支持向量机（SVM）预测的结果进行比较,结果表明所建立的森林火灾预测模型具有较高的预测精度。     

基于虚拟变量回归与SARIMA组合模型的GDP预测

文章根据我国1992年至2015年的GDP季度数据,建立了虚拟变量回归(DVR)模型、SARIMA模型及其组合(DVR-SARIMA)模型,并进行了比较与分析,结果发现组合(DVR-SARIMA)模型的拟合效果最好,预测性能亦是最好,且利用组合(DVR-SARIMA)模型对我国未来的季度GDP进行了预测,以期对我国未来的总体经济增长情况做出合理的分析与判断.     

我国能源需求预测模型研究

本文首先比较了不同的能源需求预测方法的特点,并选择确定性加随机性时间序列组合模型对我国能源需求进行预测;然后详细介绍了建模的过程,并对模型预测精度和参数稳定性作了评价,结果表明本文采用的组合模型是一种比较有效的预测方法;最后用该模型对我国2004-2020年能源需求进行了预测.     

基于组合加权算术平均算子的组合预测方法

组合预测能有效结合单一预测模型的优势,有效提高预测的精度,文章在建立广义相对偏差组合预测权系数确定模型的基础上,给出广义相对误差组合预测权系数确定模型的遗传算法求解过程,最后给出基于组合加权算术平均算子的组合预测集结方法.