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。     

基于SVM的人口预测

为了提高人口预测的精度,建立了基于支持向量机的预测模型,并采用此模型对实测数据进行了预测。与FNN组合预测的预测结果相比,建立的新型人口预测模型具有更好的预测精度。     

四川省天然气消费量变权重组合预测

在BP神经网络及最小二乘支持向量机预测模型的基础上,利用基于样本点优化的变权重组合模型对四川省天然气消费量进行了预测,结果表明该预测方法在样本数目有限的情况下,在性能上不但优于各单项预测方法,同时也在很大程度上好于固定权重的组合预测模型,对于四川省经济发展有着重要的意义。     

基于EEMD-PSR-CS-SVR组合方法的PM2.5浓度预测模型研究

为了解决具有非线性特征的未来24小时PM2.5浓度预测难题,将集合经验模态分解(ensemble empirical mode decomposition, EEMD)和相空间重构(phase space reconstruction, PSR)技术与布谷鸟算法优化的支持向量机(CS-SVR)模型结合起来,建立EEMD-PSR-CS-SVR组合预测模型。采用EEMD将PM2.5浓度时间序列分解为n个不同尺度的IMF子序列及余项,然后对各子序列进行相空间重构,再用重构后数据对支持向量机预测模型进行训练并得到未来24小时PM2.5浓度的预测结果,在其中采用布谷鸟算法对支持向量机参数进行优化。实验结果显示：建立EEMD-PSR-CS-SVR组合预测模型对PM2.5浓度的预测结果,相对于单一预测模型(ARIMA、LSTM、BP)、不同的模态分解方法(EMD-PSR、CEEMD-PSR),以及不同参数优化算法的SVR预测模型等具有显著提高的预测精度(R,RMSE, MAE, MAPE等评价指标),为未来24小时PM2.5浓度预测研究提供了一种新的方法。     

基于组稀疏多核统计学习的财务困境预测

上市公司财务风险预警在财务管理中一直都扮演着关键的角色。来自财务数据的特征是上市公司的各种财务指标,代表着上市公司不同方面的财务现状。这些异构特征给财务风险预警带来了巨大的挑战。当前多核学习方法已经显示出了优于支持向量机方法的预测性能。首先,一个利用预定义的基核进行无监督学习。在此过程中,一个稀疏性约束条件被引入,用于限制基核的线性组合,进而改进学习性能和预测模型的可解译性。通过无监督学习可以得到一个"最优"的线性组合核。最终,这个"最优"组合核用于支持向量机中,进而得到具备稀疏学习能力的多核预测机。通过利用214对ST和非ST公司财务数据进行了仿真实验。实验结果证实,稀疏多核学习方法在全部数据集和不同产业数据集上均优于现有的主流预测方法。     

基于GA-BP和小波-SVM算法的风电场短期功率预测

风力发电过程中的功率预测问题是制约风力发电发展的重要因素。针对单一传统神经网络易陷入局部最优的问题,提出了利用信息熵原理把遗传算法优化的BP网络和小波-支持向量机2种算法进行组合预测,结合华北某风电场提供的历史功率数据和数值天气预报数据对未来48 h功率进行预测,仿真结果表明,该组合预测方法的预测精度比单一预测模型的预测精度高,效率高,具有一定实用价值。     

加入网络搜索行为能提升CPI的预测效果吗

传统的CPI预测模型利用的数据主要来源于政府统计局,由于政府统计数据规范、噪音小等特点,使得这样的预测模型在CPI变化不大的时期预测效果较好,但是在CPI变化趋势出现拐点的时期,预测效果往往较差;网络搜索数据作为一种新兴的数据结构类型,被运用到经济社会问题的预测当中,其实时可得的特点,能够提前预测到趋势变化的拐点.因此将网络搜索数据加入到传统的CPI预测模型中,分析增加网络搜索行为能不能提升CPI的预测效果,尤其是在CPI出现拐点的时期.分析结果显示,当CPI趋势出现拐点的时期,在传统预测模型中加入网络搜索数据,的确可以提升模型的预测效果.     

基于小波分析与支持向量机的人民币汇率预测

利用支持向量机方法对汇率进行预测是金融市场研究领域一个重要的研究课题.结合小波变换与支持向量回归,提出一个三阶段时间序列预测模型.先以离散小波框架将汇率序列分解成不同尺度的多个子序列,揭示蕴含在预测变量内的信息,并对各个子序列进行时间序列分析,再以支持向量回归为工具,以这些子序列为预测变量建构支持向量回归模型,最后将各个序列的预测结果进行重构,得到预测结果.实证结果显示,该模型的预测效果较之BP神经网络与单纯的AR-SVM模型更优,证明基于小波分析与支持向量机相结合的预测模型可以为人民币兑美元汇率提供比较准确的预测.     

高新技术企业研发成本的预测模型及方法探讨

高新技术企业研发成本预测是其研发成本管理的重要组成部分.结合主成分分析法与支持向量机,考虑影响研发成本的众多因素,分析确定重要影响因素变量,构建研发成本PCA-SVR预测模型.该模型克服了高新技术企业研发成本变量之间的多重共线问题,并通过比较线性核函数、多项式核函数与径向基核函数来确定最佳核函数,从而提升了模型预测的准确度.为验证模型的合理性,以一家高新技术企业A公司为例进行应用研究.结果表明,文章提出的方法预测结果拟合度良好,该模型可用于研发成本的预测.     

新常态经济的CPI预测模型——构建与实证比较

本文基于新常态经济发展背景研究了居民消费价格指数(CPI)的预测模型,采用传统的方法和机器学习方法进行预测和对比分析,包括普通最小二乘回归、LASSO回归、岭回归、时间序列预测方法、神经网络、随机森林和支持向量回归。结果表明,神经网络的预测结果明显优于传统的回归方法和时间序列预测方法,而且也同样优于支持向量回归方法和随机森林方法。此外,在引入集成学习方法进行综合后,各模型的预测精度进一步提升。     

2011-2012年中国宏观经济预测与分析

"中国季度宏观经济模型(CQMM)"课题组基于最新发布的中国宏观经济季度数据调整并估计CQMM,预测2011年和2012年中国宏观经济运行趋势.预测结果表明,2011年GDP可能增长10.13%,2012年,GDP增长率可能回落至9.45%;2011年CPI预计将达到5.4%,2012年还将维持在4.55%的水平.课题组就通货膨胀对城乡不同收入群体收入的影响,以及人民币升值对抑制通货膨胀的有效性进行政策模拟.结果显示,CPI上涨对农村居民的冲击大于城镇居民,对低收入群体的冲击大于高收入群体;而人民币升值不是降低通货膨胀的有效方法.因此,要实现将通货膨胀控制在4%的政策目标,就必须坚决地将经济增长速度控制在9%左右.人民币升值不宜过快,应保持相对稳定的汇率政策.此外,必须采取有力措施保障低收入阶层的收入增长.     

基于VAR模型的商品房空置率与CPI关系研究

应用1995—2010年的统计数据分析了CPI和中国商品房空置率的关系,通过格兰杰因果检验分析了当前中国商品房空置率和CPI之间的格兰杰因果关系;通过脉冲响应分析,研究了当前中国商品房空置率和CPI相互之间的脉冲响应特性。格兰杰因果关系检验表明,CPI对中国商品房空置率存在单向的显著可信的格兰杰因果关系;脉冲响应分析的结果显示,CPI对商品房空置率的影响远大于后者对CPI的影响。研究结果表明,CPI对中国商品房空置率有着显著的单向作用,即CPI的上涨会带动空置率的上升。     

农业不应为通货膨胀承担过多责任

从对我国宏观经济现象的客观认识人手,分析我国CPI构成中食品类价格权重过高的严重后果,指出了降低食品类价格在CPI构成中的权重,完善CPI统计结构,同时公布CPI指数与“核心CPI”指数,能够有效避免宏观政策被CPI误导。提出了正确认识农产品价格波动,制定稳健全面的农业调控政策,保障我国农业长期稳定健康发展的建议。     

非正常波动统计数据修匀方法研究——以福建省消费数据为例

统计数据经常会受到定期或不定期的非正常波动因素的影响，因此而扭曲的时间序列短期的基本变动，使得我们难以深入研究和正确解释经济规律。如果利用科学的方法将这些非正常波动因素从经济时间序列中测定、分离、抵消和调整，对这些非正常波动统计数据进行修匀，则能更好地反映其基本的发展趋势。以福建省社会消费零售总额指标和相对指标为例，对其进行了修匀处理和并进行修匀前后的对比分析，发现修匀后的曲线较平滑，修匀效果比较合理。进行外推预测和模拟，得到模型的动态模拟结果以及静态预测结果，得到的环比CPI的动态模拟结果较好地反映了CPI的走势，静态预测较好地显示出短期波动情况。     

相关向量机及在说话人识别应用中的研究

对基于相关向量机和高斯混合模型的说话人识别算法的模型和特征空间进行了一系列的研究。与一些基于语音帧的说话人识别算法相比,该算法将GMM算法作为底层的语音特征提取,从而实现对语音整体上的处理,对常用的两种语音特征美尔频率倒频系数和瞬时频率的表现进行了对比研究;同时,该算法充分利用了相关向量机的所提供的高泛化性、核函数功能和结果的高稀疏性。基于Chains和AHUMADA两个专门用于说话人识别的语音库的仿真表明,该算法在减少相对误差和减少计算量方面有较大的优势。     

基于SVM的核电装备制造业供应风险预测模型研究

基于对核电装备制造业供应风险的因素识别,确立风险预测指标体系;对国内某家重点核电装备制造企业及其60家供应商进行问卷调研及深度访谈,运用支持向量机及libsvm技术建立供应风险的预测模型;最后的案例研究表明了该预测体系的可行性与可靠性。     

基于支持向量机的私募股权投资风险预测

由于私募股权基金在运作过程中存在着多层委托代理关系,从而产生了不同利益主体之间的信息不对称,并进而造成了逆向选择和道德风险问题,这是私募股权投资产生风险的最主要根源,这种投资风险可以从宏观和微观两个层面进行识别和预测。基于此,可构建私募股权投资风险的备选指标体系和支持向量机模型,并进行实证评价。实证结果表明：私募股权投资风险随着投资周期的增加而提高,相应的投资风险也因各种不确定因素的增加而呈现上升趋势;SVM方法对私募股权投资风险能够进行有效预测,这将为私募股权投资风险的预测提供理论指导和方法借鉴。     

美元贬值与我国物价走势关联性的实证分析

研究自2002年以来美元贬值与我国反映物价走势的居民消费价格指数(CPI)的波动率之间的关系。用协整分析和格兰杰因果检验发现,美元贬值直接影响我国部分原材料的进口价格和我国的CPI,从而使我国此轮物价上涨具有明显的输入型和结构型特征。据此给出了应对此次物价上涨的政策性建议:一方面中央政府应加强宏观调控力度;另一方面,要注重经济增长方式的转变,应由粗放型增长逐步向集约型增长转变;同时应选择适当时机,调整人民币汇率。人民币升值可以抵消国际原材料价格上升带来的成本冲击,从而降低国内通货膨胀压力。     

2011-2012年中国宏观经济再展望

“中国季度宏观经济模型(CQMM)”课题组基于2011年7月底国家统计局最新发布的中国宏观经济季度数据调整并估计CQMM,对2011年下半年和2012年中国宏观经济运行趋势展开预测.预测结果表明,2011年GDP将可能增长9.82％,2012年GDP增长率可能回落至8.91％.模型预测,2011年CPI预计将上涨5.4％,2012年仅可能回落至4.93％的水平.课题组对美国经济陷入二次衰退对中国经济可能产生的影响进行政策模拟.结果显示,中国的进出口将因此会受到较大冲击,但如果能适时适量地调整货币政策,可在一定程度上通过投资需求的扩张来减缓美国经济二次衰退对中国经济的冲击,保持经济增长8.24％的水平.与此同时,经济增长放缓将减少了GDP与潜在GDP的缺口,降低通胀压力.我国应正视国内外宏观经济环境的变化,使中国经济正从高速增长逐步转向次高速以至中速增长的阶段.在通胀压力减缓后,顺应这一发展态势的改变,着力推进体制变革,促进发展方式的转变和经济结构的调整,为未来更高阶段的经济发展寻求新的增长点.     

国际油价对我国物价水平的非线性冲击——基于STR模型的研究

石油作为一种重要的上游产品,其价格必然与消费价格指数(CPI)存在一定的联系.利用非线性平滑转换回归模型,可对1990至2011年间国际油价和我国CPI的关系进行研究.研究结果表明:我国的CPI具有一定的惯性,但强度较弱;国际油价与我国CPI之间存在单向的Granger 因果关系;国际油价对CPI的冲击具有非线性性,并对我国的通货膨胀产生较强的间接效应.由此可见,我国的通货膨胀更可能是成本推动型,国际油价等重要外生因素通过生产成本的传导间接影响了物价水平.我国政府应把控制通货膨胀的重心放在生产领域,完善石油储备等长期战略性规划以及建立防止油价剧烈波动的常规价格调节机制和充分的应急预案,并通过调控实体经济的生产行为来控制通货膨胀.