基于改进型小波神经网络的油价预测

为了提高油价预测的精度,文章运用主成分分析(PCA)的方法对初始数据进行预处理,同时将小波分析与BP神经网络结合构建小波神经网络(WNN),由此得到PCA-WNN预测模型.数值实验的结果表明,相比于传统BP模型和PCA-BP模型,PCA-WNN模型的预测精度更高,稳定性更好,泛化能力更强,是一种更出众的油价预测方法.     

基于RBF神经网络的汇率预测研究

一、引言 汇率作为宏观经济中的一个十分重要的经济变量,对于国内国际经济的影响都是相当重要的。自2005年7月人民币汇率改革以来,人民币名义汇率改变了1995年以来的超稳定状态,呈现稳步升值,这不仅对国际经济贸易产生重要影响,而且也给本国的资本市场、实体经济及微观个体带来巨大变化。在当前复杂的经济环境下,人民币汇率的变动趋势非常受人关注,一直以来,许多学者也在利用各种方法对其进行研究和预测。     

电力电量预测的神经网络方法

本文研究人工神经网络在实际中的应用问题,探讨利用人工神经网络进行电力电量预测的方法。提出一种基于BP神经网络的电力电量预测模型,经过训练可以得到时间和用电量之间的映射关系。     

基于神经网络的国库现金流预测

人工神经网络（Artificial Neural Networks,ANNs）,亦称神经网络（NNs）,是模拟生物神经网络进行信息处理的一种数学模型。神经网络理论起源于20世纪40年代,历经多年发展,应用领域越来越广,特别是在人工智能、自动控制、计算机科学、信息处理、机器人、模式识别、CAD／CAM等应用方面都有重大突破,     

原油价格改进型神经网络预测方法

为了提高基于神经网络的国际原油价格预测性能,文章提出一种改进型变参数神经网络原油价格预测方法.该方法利用经验模式分解(EMD)对原油价格序列进行分解得到多个内蕴模式(IMF),对于每个IMF进行变参数的前向神经网络训练,将每个IMF下预测的结果进行综合,从而得到预测的原油价格.实证结果表明,相比已有的基于EMD和神经网络的预测方法,本方法的预测效果有一定的改善.     

基于小波神经网络的经济预测研究

本文通过小波变换和神经网络的结合,建立了相应的小波神经网络经济预测模型.该模型克服了传统时间序列预测模型只能进行线性预测,避免了一些BP神经网络的固有缺陷.     

神经网络方法在农业经济预测中的应用

一、引言科学的预测是正确地作出决策的前提。预测的方法有多种 ,但基本上分定性和定量两大类。一般来说 ,又可把定量预测方法大致分为时间序列分析和因果关系研究两大类。预测的准确性是人们所关心的问题。虽然在目前的情况下要求预测结果准确无误是做不到的 ,但是为了提高预测精度 ,将各种预测方法进行比较研究 ,探讨各种方法的适用范围和能力 ,是一件有理论价值和现实意义的事情。神经网络方法有许多引人注目的特点 :对不完全信息、带躁音的信息具有良好的适应性 ;对非线性输入输出关系的学习更显优越性。它为复杂农业系统建模与预测提供…     

非线性经济预测中的神经网络方法评述

文章对非线性预测中的神经网络方法的研究与应用现状进行评述,尤其讨论了我国近年来的发展情况,为我国该方面的研究者提供参考.     

改进型RBF神经网络在股票市场预测中的应用

在研究神经网络算法和主成分分析理论的基础上,针对股票市场的高度非线性特征,结合主成分分析预处理方法,对原始交易数据进行降维,减少数据规模,提出一种改进的RBF神经网络模型对股票市场进行预测.通过实验对比表明,文章提出的模型具有收敛速度快、预测准确度高等特点,应用前景较好.     

景气趋势的贝叶斯预测

在宏观经济景气预警理论中,通常是把反映宏观经济运行过程的各类指标按照一定的原则和变化规律分为三类指标,即,领先指标、同步指标和滞后指标。通过一定的方法,构制成三个综合指数(C·I),分别用于反映经济景气变化的各个过程。其中,同步指标所构制的C·I用于反映宏观经济景气变化的当前形态。在本文中,笔者把同步     

非线性经济预测中的神经网络模型与应用

文章讨论了神经网络用于非线性经济系统建模与预测的问题和方法.主要探讨了如下几个问题:(1)相关变量的选择;(2)运用改进遗传算法学习神经网络连接权值;(3)模型阶数确定准则;(4)观测数据的可预测性与模型的有效性检验;(5)缺损值的处理.     

改进BP神经网络在经济预测中的应用

针对传统BP学习算法收敛速度慢、对步长依赖明显等缺点,提出一种利用搜索较优步长的BP算法。其在网络训练中,能够在每次迭代中搜索出一个相对合理的步长,从而使步长的选择对学习速度的影响大大降低。对经济预测仿真结果表明,新算法对步长选择的依赖性小于传统BP算法。     

基于ANN的预警指标预测系统在企业经济运行预警中的应用

预警指标的预测是进行经济预警的前提,在企业经济运行预警中的主要功能是根据历史数据对指定的预警指标进行预测,这一步预测的有效性直接影响到最终预警结果的有效性.本文提出的预警指标顸测系统的原理是根据已经建立的预警指标体系,从本企业历史财务指标数据库中提取数据,通过人工神经网络进行时间序列预测,得到预警指标未来时段的预测结果.     

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.     

经济预测的误区

对经济现象的未来发展状况做出准确的预测,始终是人们追求的理想愿望。然而,经济现象纷繁复杂,现有的经济预测理论与方法还不能对此给予完全合理的解释和有效的预测,预测结果常常与实际情况存在较大偏差。经济现象到底能否进行预测,如何看待经济预测的精度,影响预测精度的因素何在,人们在认识上还存在许多误区,有必要加以澄清。     

汇率预测及其经济基本面：基于多元自适应可变窗算法的构建

在人民币国际化不断推进、人民币汇率双向波动加强的背景下,构建具有优良预测能力的人民币汇率预测模型意义重大。参数模型对汇率预测的能力不仅取决于模型设定是否正确,同时还取决于能否迅速探测参数的结构性变化以使用最佳信息估计模型参数。本文构建了多元自适应可变窗算法以及时监测模型参数的时变特征,探测最大化参数同质区间。结果显示：①在中长期（3至24个月）的美元、欧元、英镑和日元兑人民币汇率的样本外推预测中,多元自适应可变窗算法能显著优于随机游走模型、购买力平价模型、弹性货币模型、利率平价模型、泰勒规则模型与偏移型泰勒规则模型这六种汇率预测主流模型,其预测能力也显著优于实时窗宽选择算法与自回归模型;在美元兑人民币汇率中长期（3至24个月）预测中,其预测误差MAE度量相比于次优模型能降低 25%～50%。②多元自适应可变窗算法能迅速捕捉美元、欧元、英镑和日元兑人民币汇率的拐点,预测人民币汇率走向并刻画人民币汇率的周期性变化,其长期（向前9个月）方向性趋势样本外推预测精度比次优模型提高了16%～40%。③断点前后的汇率动态结构性变化显示“811”汇改促进了经济基本面对汇率预期重要性的显著提升与市场风险偏好的转变。“811”汇改之后,人民币汇率预期更易受外部冲击影响。加速利率市场化建设、提高国内收入、稳定物价、坚持带管制的浮动汇率制度与有效的资本管制相结合等措施对促进汇率市场化、防止汇率风险具有重要意义。     

基于Elman神经网络的房地产价格预测

文章针对房地产价格的动态特性,提出了基于Elman神经网络的房地产价格预测方法,并通过其对上海市房地产价格的预测,证明了该方法的有效性,为房地产价格预测提供了一条新的方法。     

经济预测的现状与发展

经济预测是研究客观经济过程未来一定时期发展趋势的科学。它借助于科学的方法论和技术手段，根据客观经济过程的历史演变和发展规律，对未来一定时期内经济发展的趋势和状况进行描述、分析，并作出估计和推断。其目的在于通过对客观经济现象的历史规律的探讨和现状的研究，求得对未来经济活动的了解，以减少不确定性因素对社会经济活动的影响。随着社会主义市场经济的深入发展，经济预测日益广泛地应用于社会经济活动，尤其是工业企业生产经营的各个领域和过程，并起着明显的作用，突出地表现在以下两个方面：（1）能够及时地为制定计划和…     

基于预测包容的组合预测单项模型遴选算法

对预测模型的合理选择是搞好预测的核心.文章针对面向组合预测的单项模型遴选问题,引入预测包容理论,提出了基于预测包容的组合预测单项模型遴选算法.