距离判别分析的应用

判别分析是一种在各种领域都有广泛应用的统计判别与分组的技术方法,文章对距离判别分析进行了具体的介绍,然后应用其解决实际问题。     

基于混合时间序列模型的粮食产量预测

粮食产量的预测是保障粮食安全的重要组成部分.文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一.     

基于BT-SVM模型组合的动态加权多分类算法研究

在AI领域中,备受关注的一个问题是如何获得更好的分类,尤其是对于多分类的情形。目前,针对多分类算法已取得了大量的研究成果,很多较为高效的多分类算法也已应用到实践中,而对于多分类算法的研究仍然备受关注。以BT-SVM为基分类器,提出一种带阈值的新型动态加权多分类器集成的方法,并通过模拟和实证分析验证该算法的有效性,研究表明该算法对于平衡和非平衡数据的分类效果表现得都比较优良。     

基于Gibbs抽样正态混合模型的参数估计

文章运用Gibbs抽样方法,推导了正态混合模型参数估计的迭代公式,并且进行了计算机模拟,得到了较好的效果.     

贝叶斯非线性混合效应模型及其应用研究

由于常用的线性混合效应模型对具有非线性关系的纵向数据建模具有一定的局限性,因此对线性混合效应模型进行扩展,根据变量间的非线性关系建立不同的非线性混合效应模型,并根据因变量的分布特征建立混合分布模型。基于一组实际的保险损失数据,建立多项式混合效应模型、截断多项式混合效应模型和B样条混合效应模型。研究结果表明,非线性混合效应模型能够显著改进对保险损失数据的建模效果,对非寿险费率厘定具有重要参考价值。     

FISHER判别分析在个人信用评估中的应用

随着我国经济的快速发展以及扩大内需战略方针的确立,商业银行等金融机构不断扩大信用规模,同时它们也面临着日益严重的信用风险尤其是个人信用风险.利用FISHER判别分析建立判别函数对个人信用进行评估,是一种有效的信用风险管理方法.本文以FISHER判别分析为出发点,对个人信用进行实证评估,探讨了该法的现实有效性.     

基于高斯混合模型的期望最大化聚类算法

文章介绍了基于高斯混合模型的期望最大化聚类算法,并对模型进行了简化,运用案例分析了该模型在经济管理领域中的应用,利用可视化的图形展示了研究样本的概率密度.     

包含加法模型和混合模型的指数分析体系

统计指数体系分析方法的一个较大不足就是局限于乘法形式的经济方程式,然而经济现象之间的相互联系是多种多样的,目前的统计指数体系分析方法难以应用于形式多样的复杂经济现象的因素分析。本文把基于乘法方式的指数体系称之为指数体系的“乘法模型”,并以此为基础,将传统的只包含乘法关系的经济方程式加以扩展,将其推广到可以应用于加减运算的“加法模型”和包含全部四则运算的“混合模型”,建立了“广义指数分析模型”。该模型不仅保留了传统统计指数体系的基本结构和基本分析方法,还可以较大地提高统计指数分析的深度和广度,由此可以基本解决统计指数体系分析方法的局限性问题。     

对混合模型经济预测效率的考证

本文将季节乘积ARIMA模型及混合模型方法运用于经济时间序列,运用SPSS10.0实证了两种方法建模和预测的过程和效率。从预测结果可见,本文所介绍的混合模型算法比单独使用ARIMA季节乘积模型辨识精度高,对于含有趋势性和周期性的经济时间序列辨识、预测及降低组合模型的预测误差具有一定的实用价值。     

基于信息传播的混合GARCH模型

一、引言证券市场中股票价格和交易量之间关系的研究已经引起众多学者的关注,诸多理论模型和实证研究表明股价和交易量之间具有正向相关关系。在理论模型方面,主要存在三类解释股价和交易量之间正向关系的模型。第一类是以Copeland(1976,1977)为代表的信息顺序到达模型(the sequential information arrival model)。其中,Jennings,Starks和Fellingham(1981)的信息顺序到达模型得到股价和交易量之间具有双向的因果关系。这类模型基本假设信息是不对称,且新的信息流进入市场后,存在一个信息在投资者之间传播的过程。第二类是Clark(1973)、E…     

基于半参数混合模型的碳排放影响因素研究

文章在计算碳排放量的基础上,利用2000年-2012年30个省市的面板数据构造半参数混合模型,对影响碳排放的各因素进行了实证分析.结果表明:GDP、人口总量、城市化水平、对外贸易与碳排放之间存在正相关关系.第二产业增加值所占比重与碳排放量之间的关系比较复杂.随着第二产业增加值占比的增加,刚开始碳排放量的波动不大,随后出现明显快速的增长趋势,慢慢增长的边际作用下降.煤炭消费的增加会导致碳排放量的快速增长,到该值超过90％之后出现拐点.最后通过将半参数混合模型与其他模型进行比较,得出在充分考虑变量间非线性关系的条件下,半参数混合模型的拟合效果是最优的.     

基于广义线性混合模型的经验费率厘定

信度模型是非寿险精算学中最为重要的成果.从20世纪初至今,信度理论先后经历了两个发展阶段:一是早期的有限波动信度模型;二是目前的最大精确信度模型.有限波动信度模型强调结果的稳定性,而最大精确信度模型强调结果的精确性.因此建立信度模型与广义线性混合模型之间的联系,通过对信度模型的分解可以看到:传统的信度理论对风险的刻画方法与广义线性混合模型的结构有极其相似的地方,故可以用广义线性混合模型来厘定经验费率.     

基于混合Copula模型的水稻保险费率厘定

模拟产量风险和价格风险的联合分布是农业收入保险费率厘定的重点和难点。借助核密度估计方法和混合Copula模型研究了水稻产量和价格风险因子的联合分布并厘定了产量、价格和收入三种保险的纯费率。研究表明:(1)与单一Copula函数相比,混合Copula模型更适合拟合多风险因子的联合分布。(2)早稻价格风险导致的收入损失高于产量风险导致的收入损失,中稻和晚稻产量风险导致的收入损失高于价格风险导致的收入损失。(3)由于产量风险和价格风险的对冲,江苏、安徽、江西、河南、贵州和广西具备了在中稻、晚稻主产区试点收入保险的客观条件。(4)在100%的保障水平下,中国水稻产区早稻收入险纯费率为8.60%～12.84%、中稻收入险纯费率为5.89%～12.07%、晚稻收入险纯费率为4.59%～7.94%。     

一个动态的汇率模型

汇率预测是众所周知的国际经济中的一大难点,许多经济学家曾努力从不同的角度去揭示汇率的规律并建立预测模型,但是从公开发表的资料看来,这些模型都未曾给出比随机游动模型（或鞅模型）更稳健的结果。本文对以往的模型进行了大量的比较分析发现,以前的模型都具有以下几个共同的特点：（１）以前的汇率模型都具有静态性,即模型中的各自变量只能影响同一时刻的因变量。其实,经济变量的相互作用往往具有滞后性,各自变量影响的往往不是同一时刻的因变量,而是随后时间的因变量。（２）以前的汇率模型大多数是两国模型,考虑的数据往往是…     

基于混合整数规划法的农产品物流配送中心选址模型

物流配送是农产品销售业务的重要环节,也是业务成本的主要组成部分。考虑到农产品与其它农产品相比,具有更明显的弱质性,故以物流成本最小化为目标,基于混合整数规划法,构建农产品中心选址模型,并采用算例验证模型与算法的合理性与可行性。该物流选址方案可以有效地节省费用,降低运输成本,提高运输质量,保证物流系统的平衡发展,为进一步建立完善可行的农产品物流链,提供一定的借鉴与参考。     

双因素效应的动态二值logit模型的参数估计及应用

文章考虑了带有个体效应和时间效应的双因素面板数据动态二值logit模型,在周期T固定的条件下,提出了一种新的方法估计模型参数。从理论层面指出了该估计量满足一致性和渐近正态性;数值模拟研究了估计量的小样本性质,模拟结果表明,该估计方法在有限样本下具有良好的统计性质。最后,将该方法应用于洗涤剂的购买数据进行实证分析。     

混合频率FA-MIDAS类模型构建及其应用

文章构建了一类能够直接将大量不同频率指标放入同一模型的混频数据因子（FA-MIDAS）模型,深入挖掘了FA-MIDAS类模型的内部结构及驱动机制,推导出了FA-MIDAS类模型非线性最小二乘估计方法。在此基础上,引入多个高频宏观经济影响因素对我国经济增长进行了预测和监测研究。结果表明：非线性最小二乘估计方法能迅速找到FA-MIDAS类模型的收敛解;FA-MIDAS-AR模型在对经济增长的短期预测上具有领先优势,组合模型FA-MIDAS-AR-BIC对新时期经济增长的预测具有较高的时效性及精确性;按照各因子对经济增长的动力程度由高到低依次为高频消费因子、高频投资因子。     

商业银行监控指标的判别分析

及时、连续地了解银行的经营和风险状况,对有问题对象尽早采取相应措施是金融监管机构的重要目标。文章利用现有数据对选择的样本进行多元统计判别分析,证明该方法不失为合理配置监管资源、提高监管效率从而降低危机成本的一种选择。     

医疗费用预测的贝叶斯多项式混合效应模型

医疗费用预测是健康保险费率厘定的前提和基础。对于多年期的医疗费用数据,通常使用线性混合效应模型对其进行拟合,但线性混合效应模型对非线性关系的纵向数据建模具有一定的局限性。本文对线性混合效应模型进行扩展,根据医疗费用数据中变量之间的非线性关系,建立了多项式混合效应模型,并将其应用于一组医疗费用数据进行实证研究。结果表明,多项式混合效应模型对住院医疗费用的拟合效果显著优于通常使用的线性混合模型,在医疗费用管理和健康保险的费率厘定中具有重要的应用价值。     

动态因子模型与ARMA模型的比较

在时间序列模型中,随着变量数目的增加,所要估计的参数的数量也随之加大,结果在应用中模型中通常不得不选取尽量少的变量。动态因子模型独特的优势在于,它不必考虑自由度损失问题,也不必对经济结构施加约束。文章根据中国宏观经济变量数据库中的41个变量,建立了动态因子模型预测GDP,并与ARMA模型的预测结果进行了对比。结果显示,动态因子模型的预测效果优于ARMA模型。