基于现金流视角的项目灰色GM（1，1）动态决策

目前关于现金流预测方面的研究相对成熟，也有不少数理方法被引入。由于现金流属于动态，项目投资相关决策也应根据历史数据进行动态预测和决策，文章使用一次修正残差的灰色GM（1，1）模型集合项目投资净现金流运动情况，对备选项目进行比选。结论发现灰色预测决策在考虑风险因素方面仍然存在一定的缺陷，并提出相关建议。     

短生命周期产品的市场需求预测

短生命周期产品的需求具有复杂、多变难以预测及带有许多随机因素的特点,文章采用误差修正过的GM-Markov模型,并通过季节修正剔除季节性影响因素,较为准确的对极短生命周期的时尚服装型产品市场需求进行预测,通过算例比较说明对K修正的灰色-马尔可夫模型在短生命周期产品的市场需求预测中的很好的效果,并对预测结果进行了分析讨论。     

德国BV4.1模型修正与中国CPI季节调整

居民消费价格指数(CPI)是衡量通货膨胀程度和经济活动水平的重要指标,通常要剔除季节性因素影响.本文对国际最新的BV4.1季节调整模型进行了系统的研究和软件开发,编写R程序增强了其实用性.首先考虑到了中国的节日因素,交易日因素和异常值,对2001年1月至2015年3月的CPI数据进行了预处理.在分离出季节成分以及日历成分之后,采用平滑区间和修正历史法进行模型诊断的研究.研究认为:CPI的趋势在短期内具有二阶多项式发展特征,节日因素、交易日影响和异常值不显著;实证结果表明,BV4.1的季节调整结果与其他模型如X-12-ARIMA和TRAMO/SEATS相比具有很强的稳定性.     

春节模型的设计与应用

 季节调整是经济数据预处理中非常重要的一个步骤。现有的主流季节调整方法X-12-ARIMA 和TRAMO/SEATS中都包含节假日因素的调整。由于不同的国家节假日一般不同,因此各国在进行经济数据的季节调整时,都需要结合本国的假日对季节调整方法进行修正。春节是中国最为重要而且持续时间最长的节日,具体日期可以出现在一月也可以在二月。本文基于X-12-ARIMA方法,同时考虑春节对经济指标的正负性影响效应、春节影响的变化速率以及春节效应的时长三个因素,设计了十二个不同类型的春节模型。本文应用Eviews软件和Demetra软件,采集不同的经济指标,对所设计的春节模型进行了应用研究,并根据异常值改善标准,对最佳的春节模型进行了选择与比较分析。     

基于最小一乘准则的GM（1，1）模型边值分析

针对边值修正灰色GM（1,1）模型的边值修正项求解采用最小二乘准则,而模型检验采用最小一乘准则,提出基于最小一乘准则的边值修正项求解,从而在一定程度上统一了边值修正项求解和模型精度检验的准则,并得到了最小一乘准则确定边值修正项的灰色GM（1,1）模型．实例表明,最小一乘准则确定边值修正项比最小二乘准则确定边值修正项得到的灰色GM（1,1）模型具有更高的精度。     

环比增长率测算季节调整模型的评价和选择

季节调整使子年度数据可比,有利于环比增长率测算和经济监测。国际上季节调整模型众多,模型选择是季节调整的首要任务。以国际常用的X-12-ARIMA和TRAMO/SEATS模型的选择为目标、以两模型理论差异分析为基础、以中国2001—2010年的月度CPI数据为样本,通过谱分析方法检验剩余季节性、幂等、平滑间距和修正历史等方法检验模型稳定性、通过Friedman和Kruskal-Wallis等非参数方法检验季节稳定性,得出模型之间更具体的差异,为满足实践需要进行模型选择提供科学依据。     

基于模式搜索法优化的GM(1,1)模型

文章分析了GM(1,1)模型的缺陷,即背景值构造和初始值确定的不足,建立了加权背景值和具有修正项的初始值,背景值权值和初始值修正项采用具有全局寻优能力的模式搜索法求解,实例证明模式搜索法优化的灰色GM(1,1)模型提高了预测精度。     

基于残差修正的GM（1，1）模型的我国人均粮食产量预测

灰色预测作为一种新颖的预测方法在误差处理方面仍然需要改进,文章在对相关预测方法进行比较的基础上提出了一种对尾端残差修正以提高预测精度的GM（1,1）灰色预测方法,并结合我国2000~2009年的历史数据对我国粮食产量进行了预测,最后进行了总结并提出了相关研究展望。     

含误差修正的ARIMA-GM叠加预测模型及其应用

本文针对具有波动和增长二重趋势的季节周期性时间序列,首先利用ARIMA(p,d,q)(P,D,Q)S乘积模型对原序列进行识别和拟合;然后对其残差子序列运用带阀值的灰色GM(1,1)改进模型进行逐期修正;最后结合二者得到基于残差子序列修正的ARIMA-GM叠加预测模型。本文利用此模型对短期日负荷进行预测,结果表明此模型具有很高的预测精度和良好的适应性,可以满足实际的预测要求。     

中国节能政策和环境政策可行性的区域比较

文章在省域划分的基础上,构建含能源要素、环境因子和技术因子的长期经济增长模型,采用ARDL边限协整检验和基于向量误差修正模型（VECM）的格兰杰因果检验方法探索变量间的长期均衡关系和因果关系。     

基于状态空间模型的中国财政支出季节调整研究

文章对中国1998年1季度至2015年4季度财政支出的时间序列构建了基于状态空间形式的季节调整模型,通过卡尔曼滤波对状态方程各量测变量进行最优估计,并通过BHHH极大似然法对模型中的超参数进行估计,得出超参数、量测变量和量测变量相关系数矩阵估计值.根据分离出的循环趋势因素和季节因素,计算季节因素绝对值变化率和HP滤波分解,得到季节因素的趋势项和循环项.通过季节因素绝对值变化率曲线、其趋势项和循环项曲线分析,得到这6个年度波动性显著的原因.研究表明,中国财政支出具有季节性特征,但在特定年份受到国内经济环境和国内财政政策的影响,季节因素具有较大程度的波动性趋势.     

趋势季节模型预测方法的改进

时间数列的变动是受多种因素共同影响的结果.其影响因素分为长期趋势T、季节变动S、循环变动C和不规则变动I,其中,长期趋势T和季节变动S是影响时间数列变动的两大主要因素.对存在明显的长期趋势和季节变动的时间数列,应构建趋势季节模型:(y)s=(y)·s,(y)s为考虑季节变动的预测值,y为长期趋势预测值,s为季节比率.     

风险决策中的灰关联方法修正及其应用

灰色系统理论由邓聚龙于1984年提出,它是一种解决系统中包含不完全与不确定信息的多准则理论,该理论现已广泛并成功地应用于各领域.对风险决策问题建立灰色模型,可进行因素分析与趋势预测.本文在深入研究灰色理论的基础上,提出利用变异系数法修正主观权重、得出综合权重,建立更具实际意义的灰色关联分析修正模型.利用修正模型,反映指标间的联系及权重关系,修正主观赋权单一性、主观性强的缺点.     

广义灰色GGM（1，1）模型与应用

文章提出了广义灰色GGM(1,1)模型,即变系数一阶线性动态微分方程,给出了两种常用的广义灰色GGM(1,1)模型的建立方法,并在实际应用中取得了很好的效果。     

面板数据单位根似然比检验研究

本文采用似然比类检验统计量进行面板单位根检验（简称为LR检验）研究,在局部备择假设成立的条件下,推导了其在无确定项、仅含截距项以及存在线性时间趋势项三种模型下所对应的渐近分布与局部渐近势函数。Monte Carlo模拟结果显示,当面板数据中含确定项（截距项或时间趋势项）时,LR检验水平比LLC和IPS检验水平更接近于给定的显著性检验水平;此外,当面板数据中包含发散个体时,经水平修正后的LR检验势要远远高于经水平修正后的LLC与IPS检验势,其中,经水平修正后的LLC与IPS检验势接近于零。     

季节调整方法在CPI指数中的应用

文章首先对季节调整方法的发展及应用进行了说明,着重介绍了国际上使用最广泛的两种方法:X-12-ARIMA和TRAMO/SEATS;然后用X-12-ARIMA方法对我国居民消费价格指数序列进行了季节调整,探测了交易日、闰年、异常值和春节对CPI指数的影响,比较了三种季节调整模型之间的优劣并进行调整,得出了我国CPI指数只受春节因素的影响的结论,相应的最优模型也是春节效应模型;最后用这种模型对我国CPI指数进行季节调整,分离出趋势成分、季节成分和不规则成分,得到了最终的季节调整序列。     

企业IT外包绩效影响因素的实证研究

IT外包绩效影响因素与IT外包成功运作有着密切的联系。本文基于相关理论分析,在构建IT外包绩效影响因素理论假设模型的基础上,着重从实证角度,通过问卷调查和统计分析论证了IT外包绩效影响因素及其与IT外包运作的关系,并考虑了外包关系类型在该模型中的影响,最后对假设模型进行了修正。     

基于复杂网络的甲型H1N1流感病毒传播研究

基于复杂网络理论,研究了甲型HIN1流感病毒的传播机制。根据实证数据分析,建立了一个甲型HIN1流感病毒传播的小世界网络模型。通过对病毒传播中个体的接触程度、传染概率、潜伏期、增加个体免疫四个因素的研究,分析了当前应对甲型HIN1流感病毒防控措施的有效性。     

对季节变动趋势剔除法的思考

季节变动是指某些社会经济现象受到自然条件和社会条件的影响,而形成每年重复出现的有规律的周期性变动.测定季节变动的趋势剔除法(以下简称趋势剔除法)是测定时间数列季节变动的一种传统方法.这种方法认为,时间数列是由下列影响因素组成的:长期趋势(T)、循环变动(C)、季节变动(S)和不规则变动(I).并且假定原数列(Y)与上述四个因素存在如下关系:Y=T·C·S·I,即所谓乘法模型或比例模型.根据时间数列分析的基本要求,测定某一因素时,应将其它因素剔除.因此,测定季节变动时,须将非季节变动因素剔除.趋势剔除法的基本要求就是在原数列(Y)的基础上,分离出季节变动(S),并且,由于存在季节变动的时间数列在一定的周期按照一定的规律循环往复,因此,该时间数列又属于周期时间数列.在此基础上分离出的季节变动又必须是典型化的、可以说明不同周期的.这时,测定季节变动的基本过程可以表述为:S=Y/T·C·I,若不考虑循环变动时,可表述为:S=Y/T·I.     

短面板约束下固定效应空间动态面板模型的估计与模拟

空间动态面板数据(SDPD)模型中被解释变量初值极易带有内生性,采用一般拟极大似然(QML)方法容易造成参数估计偏误,特别是当样本结构为n大T小的时候。鉴于此,本文在一般QML基础上,通过重塑误差项的方差-协方差矩阵,修正拟似然函数表达式,得到修正QML,进而估计短面板下含空间、时间、误差三类关联项的固定效应SDPD模型,基于数值模拟和实例应用检验一般QML与修正QML的估计效果。数值模拟结果表明：修正QML比一般QML更精确、更稳健,均方误差修正率随样本短面板结构的增大而增大。实例应用不仅重新评估环境规制与技术创新之间的空间效应,回归结果也再次证实从数值模拟中得出的结论。