神经网络在统计非线性模型中的应用

人工神经网络(Artifical Neural Netwoek)是20世纪50～60年代产生、80年代以来发展起来的一种处理复杂非线性问题十分有效的手段,它模拟人脑的特征,具有自组织、自学习、自适应、容错性等特点,被广泛应用于模式识别、自动控制、信号处理、图象扩充、人工智能等领域.     

试用神经网络算法进行统计预测──因果关系类统计数据的预测

一、引言人工神经网络是人工智能方面迅速兴起的一门科学，它是模拟人脑结构和激励行为的并行非线性系统，它由大量的称为神经元的简要信息处理单元构成，大量性能简单的神经元可组成一个结构复杂化、性能完善的系统以完成各类复杂任务，整个网络的信息处理是通过这些神经元的相互作用完成的。考虑到神经网络具有按相似输入产生相似输出的联想推理功能，且对因素的相关性要求较低。本文将利用某系统的前几期有关数据进行网络的学习，利用神经网络的非线性映射与联想推理能力，进行预测。成功的网络模型，就可以作为类似的统计问记的预测模型…     

基于人工神经网络的财务危机预警模型

一、人工神经网络原理 人工神经网络是模仿生物脑的处理特性,经由模拟生物神经系统而发展出的系统,拥有巨大的平行处理、快速修补信息及依经验来辨认结构与处理能力,由于没有传统统计方法在建构模型时的诸多假设限制,因此具备了建构非线性模式的优越性.近来许多研究显示人工神经网络于模型分类、辨认及预测上有强大的能力.本研究将采用类神经网络模式中最被广泛使用的反向传播人工神经网络为实证研究的方法.     

利用人工神经网络预测消费变动指标

人工神经网络理论是一种智能算法,近年来得到国内外学者的广泛的关注,它具有大规模并行处理,分布式信息存储,容错性,自组织性和自适应性等特点,对突破现有科学技术的瓶颈,更深入探索非线性复杂问题起到了重要作用,提供了一种新的方法.神经网络算法已被成功地应用在图像识别、经济预测、数据分类等很多工程技术领域,取得了较满意的结果.     

经济试验中的社交网络调整自适应随机化方法

伴随网络时代发展，个体间关系逐渐被纳入研究视角，基于社交网络的经济试验广泛开展。传统的随机化方法面临两大挑战：其一，参与试验的受试者间不再满足个体处理稳定性假设，若忽略网络干扰作用可能会导致估计偏差；其二，出于经济因素考虑，研究者希望在试验过程中分配更多受试者到优效干预组。针对上述问题，本文提出社交网络调整自适应随机化方法，该方法将响应变量自适应随机化方法与网络干扰作用平衡相结合，保证干预效果估计并将更多节点分配到优效干预组。模拟分析与实证研究均表明本文研究方法具有综合优势，是网络时代中进行经济试验的必要工具。     

基于食品安全危机的食品企业破产风险BP网络评级模型

文章通过对食品企业破产风险进行评级,加强破产风险管理,可发挥食品企业的内部自律作用,避免食品安全危机事件的发生.由于BP人工神经网络具有容错、纠错和自适应性能,能对食品企业破产风险的混沌状态进行识别、纠偏,对食品企业破产风险进行精确评估.本文以长沙市20家食品企业为样本,构建了食品企业破产风险的人工神经网络评级模型.     

基于ARIMA的多元时间序列神经网络预测模型研究

文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证.该模型能较准确模拟和预测时间序列的变化规律,可较好满足时复杂时间序列的分析预测需求.     

大数据背景下基于社交网络的聚类随机游走抽样算法研究

数字经济时代,社交网络作为数字化平台经济的重要载体,受到了国内外学者的广泛关注。大数据背景下,社交网络的商业应用价值巨大,但由于其网络规模空前庞大,传统的网络分析方法 因计算成本过高而不再适用。而通过网络抽样算法获取样本网络,再推断整体网络,可节约计算资源, 因此抽样算法的好坏将直接影响社交网络分析结论的准确性。现有社交网络抽样算法存在忽略网络内部拓扑结构、容易陷入局部网络、抽样效率过低等缺陷。为了弥补现有社交网络抽样算法的缺陷,本文结合大数据社交网络的社区特征,提出了一种聚类随机游走抽样算法。该方法首先使用社区聚类算法将原始网络节点进行社区划分,得到多个社区网络,然后分别对每个社区进行随机游走抽样获取样本网 络。数值模拟和案例应用的结果均表明,聚类随机游走抽样算法克服了传统网络抽样算法的缺点,能够在降低网络规模的同时较好地保留原始网络的结构特征。此外,该抽样算法还可以并行运算,有效提升抽样效率,对于大数据背景下大规模社交网络的抽样实践具有重大现实意义。     

基于MCMC稳态模拟的异质性经济增长模型研究

 针对同质性增长模型无法描述各个经济体经济增长存在的异质性现象,提出了一类基于MCMC稳态模拟的异质性经济增长模型,它可以用来描述经济增长的异质性以及政策变量的差异影响。由于模型参数的后验条件分布没有确定的分布形式,通过数据扩充得到参数的完全条件分布从而实现模型参数的贝叶斯估计。对改革开放以来我国各省市区经济增长收敛性进行分析发现大规模股份制改革前经济增长具有同质性而大规模股份制改革后经济增长具有异质性,且可以用新古典经济增长理论来解释各地区经济的发展状况。     

新混沌系统的自适应控制与噪声中的同步研究

文章分析了新混沌系统的动力学行为,在参数未知时设计一连续的自适应控制器,通过调整控制增益提高控制速度,并证明所给控制器能使受控混沌系统全局渐近稳定。研究在有界噪声作用下两个新混沌系统的异同步控制器的控制效果,用Matlab软件进行数值仿真,检验了该控制器具有较强的鲁棒性和抗干扰能力。     

基于BP网络算法的区域协调发展预测与预警研究

一、引言上世纪80年代以来神经网络的理论、应用、实现及开发工具的发展速度加快,这主要得益于计算机科学和人工智能的发展,也为人工神经网络应用到各个领域并发挥实质性作用提供了技术上的可能性。当前,人工神经网络在社会经济领域的应用研究已成为该领域最富挑战性和引人入胜的研究热点。本文在已有的研究成果的基础上,即在对区域人口、资源、环境与经济协调发展的程度进行评估,得到人口、资源、环境与经济系统协调发展模型和协调发展系数数据结论的基础上,利用BP网络的算法并结合MATLAB的神经网络工具箱对算法进行实现,对具有时序性…     

基于BP神经网络的江苏用电量预测模型研究

本文应用贝叶斯正则化算法优化BP神经网络,通过多维经济数据(国内生产总值、固定资产投资总额、人均收入)与用电量的相关分析,来确定网络的拓扑结构,建立用电量的人工神经网络模型.用从江苏统计年鉴和江苏省电力局取得的17年数据为输入、用电量为输出来训练建立好的BP神经网络,经仿真表明该神经网络能很好地解决用电量多影响因素之间的不确定性和非线性,模型的预测精度较高,对合理的制定用电计划不仅有一定的理论意义,更具有巨大的实用价值.     

含滞后效应的非线性协整分析

线性协整方法对非平稳经济和金融变量时间序列的计量经济学分析已经比较成熟,但许多宏观经济变量序列以及金融变量序列间的关系往往表现为非线性。文章以NLLS估计为基础提出反映滞后效应的非线性协整回归模型的非线性协整检验方法,统计模拟结果显示该方法具有较小的水平扭曲和较高的势。通过对中国财政支出与城镇居民可支配收入进行实证分析得出两者之间不存在线性协整而存在非线性协整关系,并且这种关系具有滞后效应。     

含非线性的平稳变量之间的虚假回归研究

研究含非线性的平稳变量之间的虚假回归问题。通过推导OLS估计的收敛性、t统计量和R2的极限分布,证明含非线性的平稳变量之间会出现虚假回归现象,除非回归模型能精确地捕捉变量中的非线性。蒙特卡洛模拟的证据与推导出的理论相符。研究表明:在经济分析中,甄别和正确地处理变量中的非线性部分是十分重要的。     

国际冲击对中国经济增长和能源消耗脱钩效应的影响

文章以全球32个国家和地区为样本,基于技术非线性的假设前提,通过构建半参数全局向量自回归模型,探讨了对外开放下中国经济增长和能源消耗脱钩效应受到的国际冲击的影响。研究结果显示,国际贸易发展发挥积极的脱钩驱动效应,但其影响是短暂且不可持续的,贸易的冲击影响具有传导性,会通过收入效应和产业调整效应产生间接的脱钩利好作用;高速和低速能耗国家贸易冲击下中国脱钩效应的响应路径相似,但溢出影响的强度有差别,中速能耗国家的贸易冲击溢出对脱钩效应先产生积极的驱动力后转化成阻力;全局因子能源价格波动带来的风险逐渐扩大,不利于积极脱钩;技术因子对绿色经济系统的影响是非线性、非单一的,对脱钩既有驱动之势也有延阻之力,也会通过结构水平、经济规模及开放度等产生间接的传导影响。     

微型电子计算机基础知识——(四)系统动力学简介

系统动力学是—门新的应用学科.五十年代中期由美国麻省理工学院福雷斯特教授创立.现已成为欧美、日本各经济发达国家解决大规模的复杂的社会经济系统的预测、规划、战略研究以及政策试验的新方法.本文介绍它的基本概念和基本方法.     

π的蒙特卡罗模拟及方差缩减技术探讨

文章探讨了π的蒙特卡罗模拟方法及其方差缩减技术.首先构造了π的估计量,,然后使用条件期望法、对偶变量法来缩减估计量I的方差.由于蒙特卡罗模拟近年来在管理、金融、工程等领域得到了广泛的使用,介绍的方差缩减技术对减少蒙特卡罗模拟的计算量、提高蒙特卡罗模拟的估计精度有很强的现实意义和经济价值.     

基于EMD和神经网络的非线性时间序列预测方法

现实生活中的时间序列,通常伴随着大量的噪声和高度的波动性。对于这些非线性时间序列,运用传统的统计和计量经济模型进行分析预测,预测结果往往不够理想。文章基于经验模态分解(EMD)和人工神经网络提出改进方法。主体思想是"先分再合":先用EMD方法分解非线性时间序列,得到一系列易于分析的独立的子系列,然后利用神经网络(FNN)对每一个子系列进行分析和预测,最后再用自适应线性神经网络(ALNN)整合并得出最终结果。结合具体房价时间序列实例,证实了这种方法的优势。     

电子商务作用的经济学分析

本文利用新兴古典经济学理论,通过一个一般均衡模型分析了具有网络效应的电子商务内生的条件,以及电子商务对经济产生的主要作用和动力机制。研究表明:具有网络效应特性的电子商务是社会分工发展的要求,它能有效降低交易成本,提高交易效率,内生促进社会分工水平和生产力提高,对现代经济增长有重要作用。     

概述随机非线性动力系统在经济周期研究中的运用

非线性动力学为经济周期的动态分析提供了全新的思路和方法,打破了传统的均衡线性分析的范式。考虑到复杂经济系统中本质的表现为非线性,而且还不可避免地存在随机噪声。因此,为了深入地探究经济周期的动力学形成机理,将随机非线性动力系统引入到经济周期问题的研究中。通过研究随机模型的稳定性、分岔、混沌和随机最优控制,实现对宏观经济动态演化和运行的评价、监测与控制。这不仅拓宽了随机动力学在宏观经济领域中的应用,而且也为宏观经济运行的研究提供了一个全新的思路和方法。