基于信息准则的最优组合预测小样本改进模型

在对样本量小且波动大的变量进行预测时,最优组合模型往往容易出现过拟合问题而导致预测效果不佳.借鉴信息准则中对过拟合问题的处理方式,结合等权组合在预测实践中的良好表现,通过在最优组合模型的目标方程中增加向等权收缩的惩罚项,建立了最优组合预测小样本改进的二次规划模型.最后通过实例,用最优组合预测和其他常用组合预测方法结果的比较,说明了该方法的可行性和有效性.     

融合股市数据的社会消费品零售总额预测方法

社会消费品零售总额是衡量消费水平的重要指标,分析预测其发展趋势对把握中国经济态势具有重要意义。现有研究大多通过传统政府统计指标建模,预测误差较大。为此,文章在传统政府统计指标的基础上扩大数据源,引入股市数据对其进行预测;并采用K-L信息量法对各变量确定最优滞后期,构建了融合股市数据的预测指标体系。结果表明:股市数据能够提升模型预测精度,且对OLS的提升效果最为显著;融合股市数据的LSTM预测效果最优,可以为政府、企业提供更为准确的参考。     

公益金预测的三种模型及其经验测算

文章给出了灰色预测、幂函数多项式预测、最优加权组合预测等三种公益金预测模型,并以我国福利彩票公益金数据进行了实证检验.研究结果表明:与其他两种预测模型相比,最优加权组合模型对样本数据的拟合效果最好.最后,运用该模型对未来5年的福利彩票公益金进行了预测.     

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.     

基于最优ARIMA模型的我国GDP增长预测

准确预测GDP对政府进行有效宏观调控意义重大,而ARIMA模型是预测GDP的有效工具.文章以1952-2011年不变价格GDP为研究样本,首先建立36组ARIMA模型,进而运用多重筛选准则,找到最优滞后阶数p和q,最后确定了最优ARIMA(6,1,3)模型.该模型通过了多项假设检验,对2009-2011年的GDP预测精度高.笔者还利用模型对未来几年的GDP进行了预测.     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

基于网络搜索数据的中国消费者信心指数的测算

世界上的多数经济都是消费者驱动的,因此消费者信心指数(CCI)在经济预测中占据非常重要的位置.文章利用社交媒体中人们的网络“行为”数据对CCI建模并拟合预测.通过建模,拟合的CCI具有较好的拟合优度和较小的误差,同时结果也表明,耗时、耗力的传统CCI测算方法可以通过挖掘社交媒体中的行为数据进行建模分析来获得.模型构建之后的对比及检验评价都表明该模型在计算和分析上是稳健的.     

股价预测的GM(1,1)模型

本文应用灰色系统理论,对股票价格变化建立GM(1,1)预测模型,并进行了实证分析.结果表明,把股票价格动态变化过程看作一个灰色系统,利用所建立的模型可较好地预测股票价格的短期发展变化趋势;同时通过与用ARIMA模型预测的拟合比较,表明在对股票价格作短期预测时,用GM(1,1)模型进行预测比用ARIMA模型进行预测具有更高的精确度.     

宏观经济对国债利率期限结构的影响研究

文章用隐因子模型和无套利简约宏观金融模型分别对中国国债收益率曲线进行拟合和预测,发现将宏观因子加入利率期限模型后,国债收益率曲线的长端拟合和预测效果均有提升.经脉冲响应和方差分解分析后发现,CPI增长率主要通过影响短期收益率来影响收益率曲线,而工业增加值增长率主要通过影响长期收益率来影响收益率曲线.此外,简约宏观金融模型可以形成对宏观经济的预测,尤其是对工业增加值增长率的预测较为准确.     

拟合优度检验统计量的设定方法

模型的拟合优度检验是模型构建的关键部分,决定模型分析经济问题的精度。文章通过实证分析,证明了统计量R2检验模型的拟合优度时存在的问题,并提出新的拟合优度检验统计量,通过实证分析新的统计量检验模型的拟合度更加有效。     

基于初值修正的组合GM(1,1)模型及其应用

灰色GM(1,1)模型的拟合和预测精度依赖于其结构参数.文章从传统GM(1,1)模型的初值选取入手分析其存在的理论缺陷,通过两种初值修正方法建立改进的GM(1,1)模型,摒弃与系统关系不大的老信息,充分利用新信息来建模,从而达到精确预测的目的.在此基础上建立两种初值修正GM(1,1)模型的组合预测模型,提高了模型的拟合和预测精度。     

基于网络搜索数据的房地产价格预测

本文以北京、上海、天津、重庆等16个大中城市的二手房价格和新房价格为研究对象,以来自我国最大搜索引擎的百度搜索指数为数据基础,使用6种计量模型分别对16个城市的二手房价格和新房价格进行了拟合和预测,得到预测二手房和新房价格变动情况的最优模型.结果显示:网络搜索数据不但能够较好地预测房价指数,而且能够分析经济主体行为的趋势与规律,有一定的时效性.预测的月度房地产价格能够比官方数据发布提前约两周时间.     

线性时变参数DGM(1,1)变权组合预测模型

文章为了提高统计组合预测的拟舍和预测精度,根据线性时变参数离散灰色预测模型的初值优化方法,给出了几个线性时变参数DGM(1,1)模型作为单项预测模型,进一步利用这些单项预测模型建立了一类变权线性时变参数组合预测方法.最后,将变权重线性时变参数组合预测方法应用于新疆生产建设兵团城镇化发展水平的组合预测,实例结果表明变权重线性时变参数组合预测方法具有较高的拟合精度.     

基于SARIMA模型的我国季度GDP时间序列分析与预测

文章主要研究季节时间序列模型在我国季度GDp时间序列预测中的应用,并分析探讨模型的准确性和实用性.文章分析了我国1992～2008年的季度GDP时间序列,剔除时间趋势和季节性后使原序列平稳并建立季节时间序列模型.通过对不同模型进行参数估计和比较后发现:ARIMA(2,1,1)(1,1,1)4能很好地拟合我国季度GDP时间序列,用该模型进行预测得出了2009年四个季度和2010年前两个季度的GDP数值,分析发现季度GDP仍然呈增长趋势,但其速度放缓.预测结果的准确性较高,并具有一定现实意义.     

税收收入预测的时间序列方法选择

税收是国家财政收入的主要来源,能否准确地预测税收收入对于制定国家财政预算具有重要意义.文章以中国2001年至2007年的税收收入数据为基础,分别采用传统时间序列分析方法和Box-Jenkins的方法建立了中国月度税收收入的时间序列预测模型.该模型可用于对未来短期情况的预测,同时说明有时在进行预测时传统方法除了操作简便外,精度也更高一些.因此,在建模时,要通过对几个不同模型的比较,找出数据规律,确定最优的模型.     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

一种广义Logistic模型的参数估计方法及应用

文章分析了广义Logistic曲线的解析性质及拟合预测的优势,提出了一种求解广义Lo-gistic模型参数的方法--组合最优化方法.实例研究表明,广义Logistic曲线在拟合饱和增长趋势方面具有更好的弹性,能获得高于Logistic曲线的拟合精度.     

数字地价模型的构建方法及参数选择

基于地统计内插构建数字地价模型是目前国内研究地价空间分布的常用手段.既往的研究大多侧重空间变异分析或不同模型结果的比较,较少探讨一个完整的建模过程及过程中一些重要参数如何科学选择与设置.文章以2008-2014年石家庄市主城区土地交易数据为例,借助ArcGIS、GS+软件平台,深入探讨了基于地统计学原理,利用Kriging插值的方法,构建数字地价模型的完整过程,并重点探究此建模过程中获取最优参数的方法.结果表明:基于地统计方法构建的数字地价模型,能够合理地模拟区域地价空间分布形态;并通过探索性空间数据分析、变异函数分析、不同模型拟合优度对比、交叉验证精度检验等手段,有效地保证了建模参数的科学性和准确性.     

基于DFA方法的自组织组合预测模型的应用

文章运用消除趋势波动分析(DFA)方法,计算了四川省工业增加值季度数据的标度指数,该指数表明四川省工业增加值的时间序列值具有长程相关特性,其预测模型有较好的拟合效果.在此基础上根据自组织数据挖掘的理论与方法,提出了自组织组合预测模型.模型预测结果及与ARIMA、GMDH自回归、SPSS曲线估计等三个单项预测模型及最优线性组合、人工神经网络组合等常用的组合预测模型的对比表明,自组织组合预测模型不仅改善了对数据样本的拟舍精度,而且显著提高了模型的预测能力.     

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。