基于灰色线性回归组合模型的金融预测方法

建立精确的金融预测模型对金融产品管理和风险控制具有重要的实用价值.文章针对新时期下金融产品推出周期短,可建模数据少的特性,构建了一种少数据建模的灰色线性回归组合金融预测模型.针对传统GM模型中忽略了数据的线性变化规律,对传统的GM模型进行改进,加入线性部分,构建了灰色线性组合金融预测模型,并给出了灰色线性组合金融预测模型的参数识别算法.最后实证分析了灰色线性组合金融预测模型对少数据建模的有效性,且实证结果显示该组合金融预测模型具有较高的预测精度.     

线性回归模型的后验极大似然估计

与普通最小二乘法相比,线性模型参数的极大似然估计,在一般的条件下也具有很好的性质;而实际中,在进行统计推断之前,我们往往对参数的信息有一定把握。文章将利用参数的先验信息即先验分布,构造了线性模型参数的后验极大似然估计,并在两种先验分布的情形,给出了具体的结果。     

Logistic模型预测的新思路

预测是Logistic模型的一个重要功能,文章在研究运用对数回归模型进行预测的问题基础上,进一步对Logistic模型在预测过程的由于模型随机项的非正态性、异方差性而引起的问题进行分析研究,研究发现,传统的预测方法会使得预测结果的精度不高,在考虑到模型随机项的存在及其具体特征后,通过分析推导,构造出新的预测思路和方法。     

基于Logistic回归和BP神经网络的财务预警模型比较

国内对Logistic回归模型和BP神经网络模型在财务预警方面已有不少实证研究,这些研究大多从预测准确度较高的角度出发,认为两个模型可以借鉴使用,但没有具体讨论模型犯第一类错误(将财务危机误判为财务正常)和第二类错误(将财务正常误判为财务危机)的概率.文章结合Logistic回归模型及BP神经网络模型的原理,选取上市公司财务数据进行实证,研究结果表明BP神经网络模型总体预测准确性较高,犯第一类错误的概率较低,对财务预警分析有一定借鉴作用;Logistic回归模型预测准确度低于BP神经网络模型,且犯第一类错误的概率远高于BP神经网络模型,因此运用该模型进行财务预警时应十分谨慎.     

基于贝叶斯组合分类的SME信贷违约预判模型

文章针对现有的大部分单一分类器预测精度不而,且具有一定限制条件的弱点,提出了应用组合分类模型对中小企业信贷违约预判的方法.以调整的SVM后验概率分类器和多维正态分布概率分类器为基本模型,构建了基于贝叶斯规则动态分配权重的组合分类模型,并把它应用于中小企业信贷违约预判.结果表明,该模型克服了普通组合预测模型权重分配固定的弱点,可获得较高的稳健性和分类精度.     

Logistic回归模型在判别分析中的应用

介绍Logistic回归模型用于判别的方法,利用给出的某期间华北地区和长江中下游降水年变化为判别对象,以这种判别方法确定界于两个地区中间地带的一些观测站属于何种年变化型,并且与传统用的最大概率法做了比较,发现Logistic的效果要比最大概率法好。     

基于Logistic回归模型的会员制营销客户分类方法

文章研究了会员制营销中会员分类的问题,建立了基于1ogistic回归模型的会员制营销客户分类方法,该方法可以充分利用会员数据库中信息,找出影响会员忠诚度的因素并加以量化.该分类方法不仅可以用来对老会员进行客观准确的分类,而且可以用来预测新会员能否成为忠诚客户,为决策者制订个性化服务策略提供了重要参考依据.     

基于累积Logistic回归的西部上市企业信用评级模型

在企业获取资金的过程中,对企业进行全面的信用评级是成功获取资金的关键。文章对信用评级做出了简介,利用累积Logistic回归分析法对我国西部地区上市企业信用评级进行了分析和对比,讨论了模型的局限性和未来的研究方向。     

Logistic回归模型的两参数估计

Logistic回归模型是一种有效的分类数据处理方法.为了克服Logistic回归模型的复共线性,文章提出了Logistic回归模型参数的两参数估计,并在均方误差矩阵准则下对估计的统计性质进行研究.     

对考试焦虑状况的Logistic回归模型分析

文章通过自编的考试焦虑自我检验问卷对在校大学生进行了抽样调查,并应用聚类分析和Logistic回归分析对影响考试焦虑的原因进行探讨。得出影响因素主要有担心他人对自己的评价,担心个人未来前途,担心个人对考试准备不足三个方面。     

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.     

序次Logistic回归模型中因变量分类数的确定

当因变量为定性数据时,Logistic回归模型经常被使用,其中又以二分类因变量(取值为0或1)的Logistic模型最为常见。其实,Logistic回归模型也可以应用于多分类因变量,即因变量的分类数大于等于3的情况。而且,多分类因变量既可以是序次的(Ordinal),也可以是名义的(Nominal)。当多分类因变量类别之间有序次关系时,一般采用序次(或累积)Logistic回归模型。人们在进行此类回归分析时,往往只注重通过一定的手段选择合适的自变量,以达到预期的拟合效果,却忽视了对因变量取值的研究。由于序次Logistic回归模型其实隐含了对因变量分类的一种假设条件…     

Logistic回归模型在农业试验中的应用

本文介绍用一元Ｌｏｇｉｓｔｉｃ回归模型研究杀虫剂的剂量对杀虫率的变化规律。通过实例说明了Ｌｏｇｉｓｔｉｃ回归模型在农业试验甲可以较好描述了剂量与杀虫率ｐ之间的曲线关系     

Logistic回归模型在高校教师教学质量评估中的应用

常见的教师教学质量评估方式有以下几种:教师互评,上级领导(或专家)对教师评价,学生对教师的评价等等。本文结合这三方面应用Logistic回归分析的方法来进行研究,提出一个对教师教学质量的总体评估模型,并用SAS软件进行编程实现。这种评估模型能比较科学客观的评价教师的教学情况,可以广泛应用于其他领域的评估工作。     

一个基于神经网络——Logistic回归的混合两阶段个人信用评分模型研究

一、问题的提出在建立个人信用评分模型时 ,预测精度是非常重要的 ,因为许多情况下即使预测的准确性只提高一点点 ,也会使信贷机构的损失减少很多。正因为如此 ,大量的统计分类技术被应用到信用评分领域。文 [1]首次利用中国某商业银行的信用卡客户数据对多种个人信用评分方法在中国的适用状况进行了全面的比较研究。结果表明 ,不同的模型有自己不同的优点和缺点 :神经网络等非线性方法的精度往往要高于 (线性 )判别分析、Logistic回归、线性规划等线性评分方法 ;而Logistic回归、判别分析、线性规划等方法的稳健性① 则比神经网络方法要好…     

两类分析相关数据的Logistic回归模型

摘　　要:本文主要结合具体例子,针对具有相关关系的分类数据的统计分析,介绍了两类Logistic回归模型,并分析了它们的联系与区别 。     

基于残差自回归和自适应过滤的生活能源消费量组合预测模型

文章主要应用残差自回归模型和自适应过滤模型,对1980年到2006年间我国生活能源消费量时间序列建模,并通过两种模型组合预测得到了2007年到2010年的我国生活能源消费量的预测值。     

判别分析与Logistic回归的模拟比较

利用随机模拟方法,研究判别分析和Logistic回归分类的回判正确率。模拟结果显示,Logistic回归的回判正确率优于判别分析。随着随机误差的增大,Logistic回归与判别分析的回判正确率差异逐渐减小。随机误差超过一定界限,Logistic回归的回判正确率低于判别分析。在随机模拟的基础上,引入修正Logistic回归分类,模拟结果显示,修正Logistic回归分类略优于Logistic回归。     

Bayesian模型平均法及其在Cox回归中的应用

文章介绍了贝叶斯模型平均法的基本原理,并对实际资料进行分析,指出了该方法的优越性;以Mayo Clinic的原发性肝硬化数据为例,采用Bayesian模型平均法选择模型,并比较了三种模型确定方法方法的预测效能。     

基于多元线性回归的概率排序型预测方法

文章针对运用多元线性回归进行预测时,对自变量的预测一般只考虑单一的可能性,忽略了由于未来的不确定性导致自变量存在多种可能的取值,提出了概率排序型的预测方法,将不同的自变量取值对预测值的影响考虑了进来,并用期望值的最大最小值和方差的最大值作为预测的指标,描述预测的结果并衡量预测结果的波动性,最后通过示例验证模型应用的可行性和有效性。