基于组合预测的商品销售量预测方法

文章结合商品销售量的实际应用背景,在探讨单一预测模型建模原理的基础上,提出了能有效克服单一预测模型预测精度不高这一缺点的商品销售量组合预测模型,并推导出组合预测模型权重确定公式。文章还基于商品销量组合预测模型实证分析了组合预测模型在商品销售预测过程中能有效提高预测精度,且操作简便可行。     

基于组合加权算术平均算子的组合预测方法

组合预测能有效结合单一预测模型的优势,有效提高预测的精度,文章在建立广义相对偏差组合预测权系数确定模型的基础上,给出广义相对误差组合预测权系数确定模型的遗传算法求解过程,最后给出基于组合加权算术平均算子的组合预测集结方法.     

互联网企业广告收入预测研究——基于低频数据的神经网络和时间序列组合模型

神经网络模型对大样本时间序列的拟合效果优于传统时间序列模型,但对于年度、月度、日度等低频时间序列的预测则难以发挥其优势。鉴于此,本文应用传统时间序列模型和神经网络模型,建立Holtwinters-BP组合模型,利用Holtwinters模型分别拟合各解释变量序列,利用BP模型拟合解释变量和自变量的非线性关系,基于某社交新闻类APP的日广告收入数据进行互联网企业广告收入预测研究。通过与循环神经网络(RNN)模型、长短期记忆神经网络(LSTM)模型等预测结果的对比发现:Holtwinters-BP组合模型的预测精度和稳定性更高;证明多维变量对于广告收入的显著影响,多变量模型的预测准确性高于单变量模型;构建的Holtwinters-BP组合模型对于低频数据预测有较好的有效性和适用性。     

基于预测期的变权重组合预测法及其应用

文章针对传统变权重组合预测利用基期误差最小化,求得权重与各个单预测方程预测期的预测值进行组合预测的问题,在充分考虑时间信息匹配的基础上,基于变权组合预测的基本原理对最小误差进行了预测修正,使原误差矩阵进行新陈代谢求得预测权重代替基期权重,使预测方程更加平稳.实例验证了预测结果的合理性.     

石油价格的一种变权重组合预测

石油价格的预测具有重要的意义,近年来的研究表明,变权重组合预测比常数权重组合预测具有更高的精度.本文提出一种利用神经网络和时间序列进行变权重组合预测石油价格的方法,这种方法相对于常数权重组合预测方法更接近油价波动的实际情况,对于石油价格的预测具有一定的应用价值.     

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.     

基于AdaBoost组合算法的衍生金融工具风险预测

文章构建了衍生金融工具风险预测的AdaBoost组合算法的单属性测试和决策树模型;详细论述了单属性测试和决策树与AdaBoost算法的分类器组合机制,同时界定了12个风险检测变量指标,运用252个我国上市公司作为初始样本,分别进行了一年、两年和三年的26次衍生金融工具风险预测的AdaBoost组合算法的单属性测试(SAT),AdaBoost组合算法的决策树(DT)、单决策树和单支持向量机(SVM)实验,结果表明,基于AdaBoost组合算法的衍生金融工具风险预测模型可以对公司衍生金融工具风险进有效的预测。     

基于模型遴选规则的汇率自适应组合预测

文章阐述了组合预测模型遴选规则的产生机理,对此遴选规则的具体形式以及组建方式进行了研究分析.为了使构建于模型遴选规则基础之上的组合预测模型更具鲁棒性及更广的适用领域,通过基于NARX神经网络的自适应调节机制来提升遴选规则的学习能力,提高了组合预测的精度和稳定性.最后以一个汇率预测的实证分析证明了该模型的有效性.     

基于组合模型的海南瓜类产量分析预测

伴随着海南国际旅游岛建设,海南农业迎来了新的发展契机,而瓜类产量作为影响海南农业经济的重要因素和指标,具有非常重要的研究意义。要解决海南瓜类滞销问题,就需要有长远的政策考量,才能走出瓜类价格波动周期,而价格波动是由产量大小决定,因此,我们必须对瓜类产量进行全面分析与预测。鉴于单项预测模型的局限性,文章运用时间序列ARIMA模型、指数平滑模型、曲线回归模型的组合模型,对海南连续几年瓜类产量规律进行了预测分析。     

基于EWMA组合模型的人民币汇率的动态预测

文章提出指数加权移动平均(EWMA)组合模型克服了传统组合方法没有考虑时序数据间时隔远近而相互影响不同的动态关联缺陷.对汇改后人民币汇率实证分析,结果发现EWMA组合模型比被组合的广义自回归条件异方差(GARCH)模型和均值回复(Mean Reversion)模型有更好的预测精度,能够更加逼真把握金融时序的未来走势.     

非平稳时间序列的EMD组合预测及其应用

非平稳时间序列预测问题一直都是一个难题,文章运用EMD技术将非平稳时间序列分解为一系列的imf和一个残余量。由聚类分析得到若干个cimf,然后通过对每个cimf以及残余量建立神经网络模型进行预测,达到对原时间序列的组合预测。文章的实证结果表明EMD组合预测可以有效解决非平稳的问题,且预测精度达到良好效果。     

基于ARMA-GM-BP组合预测模型及应用

文章介绍了ARMA、GM(1,1)模型并建立了ARMA-GM-BP组合预测模型;通过对中国2005～2013年(DP的预测和检验,表明该组合预测模型的拟合及测试效果比单独利用ARMA、GM(1,1)模型的效果有很大改善;最后运用ARMA-GM-BP组合预测模型,对中国2014年、2015年的GDP作出了预测.     

基于组合模型的城市供水预测及水价调整决策

随着城市用水量的与日俱增,合理的城市水资源规划对城市可持续发展意义重大.文章采用组合预测的方法即用灰色模型结合人工神经网络组合的方法,根据最优组合原理,对城市的供水量建立了模型,并给出了水价调整方案的决策;最后通过MATLAB进行编程以及利用SPSS对数据进行了统计分析.实验数据表明,文章的结论有较强的合理性和实用性.     

基于深度学习的收益率预测与投资组合模型

在传统投资组合模型中,备选资产的预期超额收益率的预测误差将导致模型的投资绩效劣化。文章采用Transformer深度学习模型对备选资产的收益率进行预测,以提升预期收益率的准确度,进而提高投资组合模型的绩效。以中证800指数的成分股为备选资产,进行了72期投资,将实证结果与LSTM和SVR模型进行对比,验证了Transformer模型在提升预测准确度和提高投资组合模型绩效上的优越性。     

一种基于C5.0决策树的客户流失预测模型研究

客户流失是企业面临的一项突出问题。防止客户流失、尽力维系与挽留客户已成为企业经营与发展的一项重要课题。本文利用C5.0决策树算法建立了一种客户流失的预测模型,并利用中国邮政短信服务的400多万条实际业务数据,对模型的有效性进行了实证研究。研究结果表明,该模型提供了较高的命中率和覆盖率,具有良好的预警功能,可帮助企业及时发现有可能流失的客户,最大程度减少客户流失。     

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.     

油田产量的最优加权组合预测方法

文章利用因子分析法,对影响油田产量的多个因素进行分析.最终用较少的变量代替原来各因素.然后基于BP神经网络方法和多元回归预测方法,建立最优加权的组合预测模型.对油田的产量进行预测.经验证,组合后的模型比单一模型预测效果更好,对实际生产有一定的指导意义.     

浙江省城市科技竞争力研究——基于神经网络和决策树的对比分析

目前对城市科技竞争力的研究还大多采用加权综合、因子分析、主成份分析、线性回归等方法,上述研究模型缺乏客观性且在处理海量数据时,表现出极大的局限性.本文以2009年、2010年浙江省11个地级市为研究对象,运用BP神经网络模型和CHAID决策树模型分别构建城市科技竞争力预测模型进行研究探索.研究结果表明,两模型对城市科技竞争力的预测评价研究非常有效,但在预测精度上,BP神经网络模型要优于CHAID决策树模型,在此基础上给出了指标变量对城市科技竞争力的重要性程度.     

基于ARMA-ARCH的GDP组合预测

本文分析了四川省GDP发展趋势,建立了四川省GDP的ARMA预测模型。然后分析了企业景气调查数据和传统统计数据的差异,指出了企业景气调查数据在经济预测中的优点,并在此基础上建立了基于企业景气调查数据的ARCH预测模型。最后利用前面两个模型的预测结果构建了基于BP神经网络的ARMA-ARCH组合预测模型。     

关于协同组合预测方法的探讨

文章在协同网络的基础上提出了一种新的组合预测方法--协同组合预测,协同网络有着深厚的数学物理基础,对比其他智能方法,如广义回归神经网络、支持向量回归、遗传算法等,结果表明:协同网络具有运算速度快,运行时间短,预测精度高等优势.