组合模型对统计数据准确性检验的适用性研究

文章以GDP数据的准确性为例,根据Cramer分解定理的基本理论对我国GDP数据时间序列建立了确定性趋势模型,对模型得到的平稳残差序列拟合ARMA模型;将两种模型组合起来对我国GDP数据进行预测,用预测值代表"真值",考察了预测值与观察值之间的差异;用异常值检验法对2001～2007年我国GDP数据的准确性进行了检验和分析,证明了组合预测模型在统计数据准确性检验中的适用性总体上不强,并提出了模型改进应用的思路.     

基于ARIMA-GMDH的GDP预测模型

文章先对四川省GDP分别建立了ARIMA时间序列模型和GMDH变量自回归模型来进行预测;然后利用GMDH自组织建模方法建立ARIMA-GMDH组合预测模型来预测;最后使用Bonferroni-Dunn方法对三个模型的稳定性进行分析检验。模型预测结果和稳定性检验结果表明:基于ARIMA-GMDH组合的GDP预测模型的拟合和预测都优于另外两种单预测模型。相比之下组合模型在拟合和预测效果具有较高的可靠性、准确性和稳定性。     

基于组合预测模型的GDP统计数据质量评估研究

准确可靠的统计数据是把握经济运行情况、进行科学决策的基础.以我国GDP数据的准确性为例,选取1985～2010年间的数据作为样本,根据时间序列自身的变化特点,分别拟合灰色预测模型、回归组合模型和双指数平滑模型.在模型通过统计检验、具有良好统计预测能力的基础上,构建基于误差绝对值和最小的组合预测模型对我国GDP数据进行预测,所得预测值代表“真值”,再从异常值的角度对我国GDP数据的准确性进行分析,结果表明组合预测模型在统计数据准确性检验中较高的实用价值,值得进一步研究.     

基于小波分析的AR-GREY预测模型及其应用

文章介绍了小渡分析、自回归模型和灰色预测模型,建立了基于Maliat小波分析的AR-GREY预测模型.将非平稳时间序列用小波分解到不同尺度上以减少原始序列的随机性.然后再利用灰色模型对低频信息(趋势)进行预测,对于高频信息(短期波动)则建立自回归模型,从而在充分拟合趋势的同时,避免了短期波动的过拟合:通过BDI预测算例验证了预测模型的实用性和精度.因利用了MATLAB软件和Eviews软件,模型构建、修改方便,可在实际中应用.     

基于支持向量机回归的房地产单指标预测

对时间序列预测常用的方法进行了比较,结合房地产自身的特点确定用支持向量机回归来对房地产单项指标进行预测;分析了支持向量机回归和时序相空间重构的基本原理;建立了支持向量机预测模型,结合武汉市的实际数据进行了实证分析,并和BP神经网络的预测结果进行比较,表明用支持向量机预测模型进行房地产单项指标预测精度更高。     

天然气产量季节预测模型的比较与选择

随着气田企业规模的扩大和竞争的加剧,需要建立一套完整的短期天然气产量预测方法及模型,以预测未来的产量发展趋势,故提出三种基于时间序列预测模型:布朗指数平滑法(Smooth)、季节系数法时间序列的预测、用于时间序列的灰色系统预测方法.但是普通时间序列预测模型的参数难以估计并且模型较难预测具有季节特征的时间序列问题,根据天然气产量的季节性、周期性特点,实验结果表明:季节系数法时间序列的预测能够对带有季节特征的历史数据进行有效预测,对进行气田企业的安全生产都具有一定的理论和实践价值.     

基于时间序列的GM(1,1)预测模型及应用

GM(1,1)是较常用的时间序列预测模型.文章在借鉴运用时间序列和GM(1.1)预测模型的理论基础上,实证研究了京津冀地区国际旅游人次数的发展趋势.笔者根据2000-2008年京津冀国际旅游人次数的原始时间序列数据,通过GM(1,1)模型对各因素进行关联度分析,并对原始数据进行生成处理,形成有较强规律性的新数据序列,然后建立相应的微分方程模型,预测了2009-2013年京津冀国际旅游人次数的未来发展趋势,也再次验证了GM(1,1)预测模型是建模精度等级为二级的合格模型.     

基层财政收支灰色预测模型及应用

灰色预测模型在应用中可以不去直接研究复杂系统内部各因素之间的关系,也不需要大量的样本,仅通过对原始数据的整理来寻求其变化规律,对于小样本、时间序列的县级财政收支预测更为适合。文章从模型和指标的角度对基于灰色模型的财政收支预测进行了研究,通过广丰县财政收支模拟表明:通过灰色预测模型对县级财政收支进行预测拟合效果较好,对县级财政决策的制定和风险的防范和化解具有积极意义。     

基于小波分析的基金净值预测模型

基于小波分析提出了一种基金净值预测模型。此模型利用小波分析理论用改进的小波阈值去噪方法对基金净值数据进行去噪处理,再对经过去噪处理后得到的较为平稳的数据,利用计量经济学中时间序列自回归模型进行短期预测。研究证明：该预测模型能较好地预测基金净值的短期趋势,预测结果优于传统的基金净值预测模型。     

基于灰色神经网络的第三产业发展趋势的预测模型

第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确的进行第三产业的预测,从多角度选取指标利用信息墒理论合成综合指标,建立灰色神经网络对其进行预测,实证分析表明灰色神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。     

基于支持向量机的降水量混沌时间序列预测

本文针对降水量时间序列的混沌性,根据混沌动力系统的相空间延迟坐标重构理论,基于支持向量机优越的非线性拟合性能,建立了基于支持向量机的降水量混沌时间序列预测模型。由于降水量时间序列的特殊性,本文采用均方根误差为标准来选取最优嵌入维数和模型参数,并结合实例验证该模型能精确地预测降水量。同时,这一结论也预示着支持向量机是一种研究混沌时间序列的有效方法。     

基于CM(1,1)模型的江苏省民间投资规模预测

一、CM(1,1)灰色预测模型 灰色预测法是一种对含有不确定因素的系统进行预测的方法.灰色预测是对既含有已知信息又含有不确定信息的系统进行预测,就是对在一定范围内变化的,与时间有关的灰色过程进行预测.灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来的发展趋势的状况.CM(1,1)模型是常用的一种灰色预测模型.     

长期趋势预测模型的探讨

经济预测就是根据事物的过去和现在去研究未来，对未来可能出现的事件和问题等作出科学的估量和表述。事物是在不断发展着的，因而可从现象的发展趋势中进行预测。这类预测方法所依据的资料一般都是时间序列（动态数列），现有的预测方法包括简单的、复杂的不可计数，最常用的预测方法是最小二乘法趋势线配合预测法。笔者试图提出一种差分预测模型，以修正最小二乘法趋势线预测模型，从而缩小预测误差，使预测结果更符合实际。一、差分预测模型的提出在一个时间序列的分配数列中往往存在着某种形态的长期趋势，用适当的方法测定这个趋势，并…     

时间序列和神经网络的组合预测及其应用

近年来各种预测方法中,时间序列是线性模型中精度比较高,应用较广的模型之一;而在非线性类中,神经网络模型是典型的非线性预测.建立时间序列和神经网络的组合预测模型可以有效的反映各种因素的综合影响,组合预测理论已经证明多种模型的线性组合在一定的条件下能够有效的改善模型的拟合能力和提高预测精度.本文采用线性组合预测方法,应用线性规划方法,从而在预测中得到比单项预测方法更好的科学预测结果.     

灰色——BP网络组合预测模型在小样本问题中的应用

一、灰色——BP网络组合预测模型的建立(一)灰预测模型应用设计灰预测模型原理主要是对原始数列进行处理,一般进行一次累加处理,其目的主要是为了弱化原始数据的波动性,可以证明经过累加处理后所生成的序列能够表现出明显的指数规律,这时可以用一条适当的曲线对其规律进行拟合,以便进一步预测生成序列的后续值,最后再累减还原即得到原序列的预测值。其预测过程如下:     

时间序列分析与季节调整方法浅析

时间序列分析（Ｔｉｍｅ Ｓｅｒｉｅｓ Ａｎａｌｙｓｉｓ）作为统计数学的一个分支,是分析动态数据,提供定量预测的重要理论和方法。西方国家现已较为普遍地在经济、金融领域运用时间序列模型分析预测各种发展趋势。近年来,随着我国改革开放的深人和经济的飞速发展,对经济领域中存在的大量数据进行动态分析处理,摒弃静态分析的高误差率,并进一步用科学的方法进行预测、决策已显得愈加必要,时间序列分析方法在经济界的推广普及已是大势所趋。 所谓时间序列分析（即动态数据处理）,是指一批按时间先后顺序记录下来的观测结果（时间序…     

中国棉花产量的时间序列预测模型

时间序列分析预测的首要任务是辨识影响时间序列的项目因素,这个辨识过程称为分解。每个项目的辨识都独立进行。完成分解后的各项目再度组合,由此途径来分析预测时间序列的未来值时间序列分析预测的主要任务就是对时间序列的观察样本建立尽可能合适的分析预测模型。     

基于灰色关联分析统计组合预测精度评价

灰色关联分析目的是寻求系统各因素之间的重要关系,而灰色关联度是灰色关联分析的基础,其算法基本思想是根据行为序列曲线几何形状的相似性来确定序列之间联系的紧密性.文章尝试将这一基本思想应用于同样单项预测模型所构成的不同组合预测模型预测精度的评价.通过构建组合预测方法预测精度评价指标体系,利用灰色关联分析方法给出了组合预测模型预测精度的评价.最后通过应用实例进行了分析,结果表明:该评价方法客观准确,可操作性强.     

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。     

流动人口预测模型构建及其应用

文章在分析各种流动人口模型适用性的基础上,构建了先采用Logistic曲线拟合法进行拟合修正,再应用拟合修正后的数据,通过等维递补灰色预测法进行流动人口预测的预测模型。最后利用上述模型,对江苏省2010、2015、2020年流入人口的低中高方案进行预测,取得了较好的效果。这种预测模型的构建是流动人口预测模型研究与应用的一次有益尝试。