差分方程型离散灰色模型与应用

离散灰色模型形式多种多样,新提出差分方程型离散灰色模型(称为DEDGM模型),并给出了一阶常系数非齐次差分方程型离散灰色模型、一阶变系数非齐次差分方程型离散灰色模型、二阶常系数非齐次差分方程型离散灰色模型、二阶变系数非齐次差分方程型离散灰色模型的建立方法。实例表明,新提出的方法有较高的预测精度,丰富了灰色预测建模方法体系,对研究其它更复杂的离散灰色模型有重要启示。     

灰色差分预测模型及应用

为了解决舰船纵摇运动灰色预测问题,文章通过对灰色系统理论建模杌理的分析,从离散的角度出发,建立了光滑性数据序列的差分模型,并与其原GM(1,1)模型进行比较,最后用指数序列验证了差分模型预测的有效性,精度较高,该模型同样具有较好的实用性与有效性.研究结果表明可以将文章的模型作为原模型的近似形式加以利用.     

求解灰色Verhulst模型参数的新方法

将传统"通过代入初始条件x(1)(k1)=x(1)(k1)=x(0)(k1)整理解得α和β"的方法改进为"通过灰色微分方程αea(ki-k1)+β=1/x(1)(ki),再次利用最小二乘法确定α和β"的新方法,对灰色Verhulst模型的参数求解方法进行改进。研究结果表明:新方法的灰色Verhulst模型建模不仅模拟效果较好,而且适用于等间距和非等间距,并通过等间距与非等间距的实例,与传统模型及近期一些优化模型对比分析,说明了新方法的可行性和优越性。     

辽宁省就业和经济增长关系的时变参数模型

在讨论就业和经济增长之间关系的理论基础上,分析辽宁省就业弹性偏低和奥肯定律发生重大变异的机理,然后指出随时间变化的就业弹性系数才是分析辽宁省就业和经济增长之间关系的重要前提,最后构建辽宁省就业与经济增长之间关系的时变参数模型。     

拓展的联立灰色模型的参数优化方法与模型应用

灰色系统预测常用的模型有GM(1,1)、GM(1,N)、GM(N,1)等,这些模型的白化方程都是单一的常微分方程。然而事物之间及因素之间往往相互制约、相互联系构成一个整体,单一的微分方程有时不能很好地反映这种关系,因此可以建立联立灰色模型。但常规联立灰色模型有时精度不理想,因此需要提出一个新颖的拓展的联立灰色模型。文章给出了两个变量相互影响的拓展的联立灰色模型的参数优化方法及其时间响应方程。实例表明拓展的联立灰色模型精度高,且比常规联立灰色模型更高。     

一种适用于非齐次指数增长序列的直接型离散灰色模型

基于灰色模型的背景值表达式及非齐次指数增长序列的形式1,得到了一种一次累加序列与原始序列的关系,给出了系数确定方法,获得了适用于非齐次指数增长序列的直接型离散灰色模型,并给出了系数确定的方法。实例研究表明：本优化模型不仅具有可操作性,而且精度高,效果好。     

基于时变参数的中国经济增长因素分析

本文应用时变参数状态空间模型,估计了样本区间影响经济增长各因素的产出弹性,并计算得到各因素对经济的贡献率。研究发现,时变参数方法估计要素产出弹性的精确度很高;中国的经济增长方式仍为粗放型模式,促进科技进步,实现经济增长方式的转变,是中国经济长期稳定增长的必由之路。     

灰色多元线性回归模型及其应用

基于灰色关联法和灰色聚类法诊断、解决多重共线问题;利用GM(1,1)模型对原始数据序列进行修正,降低随机波动的干扰;据修正变量数据建立灰色多元线性回归模型,并将其运用于具体实例取得满意的预测效果。该模型对处理数据贫乏、波动较大的样本效果显著。     

份额模型及灰色模型在航线需求预测中的比较分析

航线需求是航空公司制定航班计划的基础。本文通过对200个城市对航空客运量的实证分析,研究了波音公司提出的份额模型和灰色预测模型的预测效果。结果表明,灰色预测模型具有更好的适用性和更高的预测精度,可以作为航空公司航线需求预测的基础方法。     

一种灰色改进模型在农业经济预测中的应用

农业经济预测对于农业经济的长远发展有着重要的作用,关系到农业产业布局,农业产业结构调整等一系列问题。文章针对农业经济的特点以及现有研究的不足和缺陷,提出了一种灰色改进模型——灰色群建模对农业经济进行预测。实例分析结果表明,从预测精确程度、合理性和实用性等方面来看,灰色群建模都更加适合于农业经济预测研究。     

时变参数状态空间模型估计研究

在宏观经济和金融资本市场上广泛存在着非线性时变参数时间序列,而当前的研究主要关注静态参数状态空间模型的估计。本文通过引入变点分析,改进了静态参数的粒子学习滤波技术,提出了变点粒子学习滤波技术,用于估计时变参数状态空间模型。并且利用模拟实验同经典的变结构IMM滤波技术进行了对比,结果显示,本文提出的变点粒子学习滤波在动态模拟样本数据方面具有更大的优势。可以用于对股票价格和成交量的联合动态轨迹进行实时的模拟追踪。     

单调递减序列的离散变换及其灰色建模

针对原始序列为单调递减的情况,文章按其级比序列的变化特征,把原始序列分为三种类型:(1)级比递减型;(2)级比平稳型;(3)级比递增型。为了提高原始序列的光滑度,文章提出了相应的离散变换算式。该离散变换不仅能够缩小级比偏差,而且还原误差不会放大。实例显示,基于这离散变换之后的序列建立的GM(1,1)模型获得了很好的模拟效果,说明这种变换算式是可行性的。     

符号约束与时变参数SVAR模型的贝叶斯估计实现

传统识别SVAR模型的方法包括两类,一类是约束模型中的结构参数,另一类是约束脉冲响应函数,但多为严格的等式约束,符号约束则基于先验理论限定脉冲响应的方向,用较为宽松的不等式约束实现模型识别,能有效降低主观因素影响;同时随着经济结构的变化,SVAR模型的参数估计值有随时间变化的趋势,固定的参数估计值已不能有效刻画不同时期的经济发展状态.本文基于Gibbs抽样思想与贝叶斯统计推断理论,系统介绍符号约束下时变参数SVAR模型的贝叶斯估计方法,使用中国和美国数据,分别估计VAR模型、Sign-SVAR模型和Sign-TVP-SVAR模型.实证结果发现,符号约束能够有效避免脉冲响应的方向性偏误,时变参数能够更好刻画不同时期内经济变量的结构时变特征,在货币政策分析中具有明显优势.     

灰色系统与BP神经网络组合模型及其应用

影响财政收入的因素有很多,各因素之间信息重叠的现象较严重,文章通过逐步回归选择了影响财政收入的几个显著因素.又鉴于灰色系统对小样本数据预测的优良特性,对每个选定的影响因素建立灰色预测GM(1,1)模型,得到各因素2015年、2016年的预测值.运用BP神经网络模型对1995-2014年数据进行训练,将灰色预测得到的预测值代入训练好的网络中,预测出2015年、2016年的安徽省的财政收入.     

灰色-周期外延组合模型在煤炭需求预测中的应用

文章针对煤炭需求的趋势性和季节性波动特点,提出了灰色一周期外延组合模型,即在灰色GM(1,1)模型的基础上建立残差周期外延模型.该模型能够较好的刻画了短期煤炭需求的增长性和季节波动性二重趋势.预测实例表明了该模型明显提高了短期煤炭需求预测精度.     

基于傅里叶变换的时变参数回归模型:估计、设定检验和实证应用

回归模型参数的时变性会严重影响模型的拟合程度和预测效果。基于卡尔曼滤波的时变参数模型需要估计很多的参数,因而造成效率损失。基于傅里叶变换建立一个简单的变系数回归模型,给出估计方法并证明参数收敛于真实值,并给出了模型设定检验的方法。通过蒙特卡洛模拟表明:新建立的时变参数回归模型能很好地处理连续的、随机的和跳跃的时变参数模型。最后,将新建立的方法应用于研究股市联动关系,发现:不考虑系数的时变性可能给出误导性结论,考虑时变性能捕捉更为丰富的联动特征。     

无偏灰色Verhulst模型初始条件的优化

针对传统无偏灰色Verhulst模型初始条件的选取问题,分别提出了以x（1）（1）和x（1）（n）为初始条件的优化模型,使得原始序列的一阶累加生成序列与其模拟值的误差平方和达到最小。在此基础上,给出了最优初始条件下的无偏灰色Verhulst模型的预测公式,并通过实例验证了优化模型的有效性和实用性。     

Nelson-Siegel模型中的时变载荷因子及其对提高经济形势预测的重要作用

现有文献中Nelson-Siegel模型大多将载荷因子λ提前固定为常数或作为待估静态参数,较少考虑载荷因子λ的时变化。本文基于得分驱动时变参数建模方法,在状态空间模型框架内考虑时变载荷因子λ,构建GAS-λ-DNS模型,并提取相应时变载荷因子。结果显示,时变载荷因子λ_t呈现出极强的波动性,同时与经济周期密切相关;将时变载荷因子λ_t应用于预测工业产出增速,发现载荷因子相比于传统宏观预测因子具有额外增量信息,引入λ_t可以显著提高模型预测精度。本文结论对Nelson-Siegel利率期限结构建模和宏观经济预测因子选取具有参考价值。     

基于灰色理论的供应链合作模型分析

文章运用灰色系统理论建立供应链合作的模型,通过供应链成员企业的关联性与链上产品的影响时供应链合作进行了分析,为协调供应链的合作提供支持,构建供应链组织策略.