多变量整体模式的累加多层统计模型研究及应用

在多变量累加随机系数多层统计模型的基础上，考虑层一的回归系数受层二变量影响的情形，建立单变量累加整体模式多层统计模型，此模型拓展了多层统计模型的适用范围。将单变量整体模式累加多层统计模型应用到中国香蕉产业组织化形式与亩收入以及有机肥施用占总用肥的比例之间关系的研究中，得到与实际基本相符的结果。     

基于多变量动态模型的产出缺口估算

 本文运用多变量动态模型系统下的Beveridge-Nelson分解方法和贝叶斯Gibbs抽样估计,估算了1985年1季度至2008年2季度期间中国的产出缺口,并且与传统的单变量估计方法测算的结果在统计属性和对货币政策调节的预测效果方面进行了比较。实证结果表明,不同产出缺口的统计属性存在差别,并且只有基于多变量系统测算的产出缺口对货币政策具有显著预测效果。这说明多变量模型估计出的产出缺口更全面地考虑了经济产出与其他相关变量的互动效应,含有的信息更为丰富,从而对宏观政策调整具有更重要的参考价值。     

基于传递函数的产品价格预测模型

对多变量时间序列进行预测,单变量ARIMA模型和普通多元回归分析并不适用,这种情况下应用多变量ARIMA即传递函数模型是很好的选择。以一种受原油和原材料多种因素影响的合成化纤产品为例,说明利用传递函数模型对其价格进行预测的建模过程中,如何进行模型识别、参数估计及诊断的有关问题。     

多变量时间序列模型识别方法

模型识别是建立时间序列模型的基础,是模型预测成败的关键。本文介绍了五种多变量时间序列模型识别的方法,分析了每种识别方法的输出形式,最后利用SAS统计软件对多变量时间序列模型的识别进行实证研究。     

多变量混沌时间序列的最小二乘支持向量机预测

文章根据多变量混沌时间序列的相空间重构理论,建立了多变量时间序列的最小二乘支持向量机预测模型.通过Lorenz系统和中国股市的股票价格序列对该模型进行了验证,结果表明该预测模型能精确地预测混沌时间序列,并且优于基于单变量时间序列的最小二乘支持向量机预测模型.     

多层贝叶斯模型在消费者偏好分析中的应用研究——基于手机市场数据

基于手机市场的调研数据,构建了多层贝叶斯模型,并将其与传统哑变量回归模型进行比较,得出前者比后者具有更好的模型拟合能力和预测能力的结论。利用有人口特征变量的多层贝叶斯随机效应模型来完成对所有未知参数的估计,从个体内行为和个体间行为两个层面对消费者的偏好行为进行全面分析,结果发现该模型可以很好解释消费者的总体偏好及其偏好差异性。     

阶段型分数阶累加GM(1,1)模型在煤矿安全事故预测中的应用

煤矿灾害事故具有明显的灰色特征,为有效的对煤矿灾害发生趋势进行预测,文章在煤矿事故千人负伤率预测的基础上引入分数阶累加理论,建立了阶段型分数阶累加GM(1,1)预测模型,并对同煤集团千人负伤率进行了预测,结果表明该模型预测精度明显高于灰色GM(1,1)模型预测精度,从而说明阶段型分数阶累加GM(1,1)模型能有效的预测煤矿事故伤亡发展规律.     

基于整合治愈率模型的信贷违约时点预测

传统信用评分方法主要利用统计分类方法,只能预测借款人是否会发生违约,但不能预测违约发生的时点。治愈率模型是二分类和生存分析的混合模型,不仅可以预测是否会发生违约,而且可以预测违约发生的时点,比传统二分类方法可以提供更多的信息。另外,随着大数据的发展,数据源越来越多,针对相同或者相似任务,可以收集到多个数据集,本文提出了融合多源数据的整合治愈率模型,可以对多个数据集同时建模和估计参数,通过复合惩罚函数进行组间和组内双层变量选择,并通过促进两个子模型回归系数符号相同,提高模型的可解释性。通过数值模拟发现,所提方法在变量选择和参数估计上均有明显优势。最后,将所提方法应用于信用贷款的违约时点预测中,模型表现良好。     

基于等维新息递补GM(1,1)幂模型的GDP预测

针对灰色模型在GDP预测中精度较低的问题,文章提出一种基于等维新息递补GM(1,1)幂模型的预测方法.为反映数据的非线性特征,在GM(1,1)模型的基础上引进拓展的非线性GM(1,1)幂模型;进一步利用最新信息优先的原则,建立等维新息递补灰色幂模型.将改进的模型应用到我国“十三五”时期GDP的预测中,验证了此模型在拟合和预测上的优势.     

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。     

分数阶反向累加GM(1,1)模型及其性质

针对正向序列累加GM(1,1)模型都不满足新信息优先原理的问题,文章从理论上证明了一阶反向累加GM(1,1)模型不能较好地满足新信息优先原理.针对一阶反向累加GM(1,1)模型的不足(只适用于递减序列,没有利用最新消息),提出了分数阶反向累加GM(1,1)模型,将反向序列累加的适用范围扩展到递增序列,充分挖掘了新信息.实例说明分数阶反向累加GM(1,1)模型具有较强的预测能力.     

傅立叶级数修正的灰色幂模型的小麦蚜虫量预测

小麦蚜虫发生量的动态预测对于其防治工作有着重要的指导作用,但很少有文献对蚜虫量预测进行深入研究.文章首次提出一种基于傅立叶级数修正的灰色幂模型(GM(1,1)幂模型)的小麦蚜虫量预测方法,对蚜量进行动态预测.以江苏海安县小麦蚜虫量为实例,详细阐述了模型的建模和预测过程,并验证了提出的方法能够达到令人满意的预测精度.     

无偏GM（1,1）幂模型及其应用

针对GM（1,1）幂模型灰微分方程与白化方程无法匹配的缺陷,以灰微分方程的重构为基础,建立无偏GM（1,1）幂模型。该方法使得差分方程的参数与其在微分方程中对应的参数具有更好的一致性。将无偏GM（1,1）幂模型应用到旅游客源预测中,实例应用结果显示无偏GM（1,1）幂模型预测精度高于GM（1,1）模型。     

基于公司治理信息的财务困境预警实证研究

在分别借助因子分析和单变量检验对公司财务信息和治理信息进行统计处理的基础上，构建并实证检验中国上市公司财务困境预警的两大模型，即仅包含财务信息与融合财务信息和公司治理信息的Logistic回归预警模型。实证结果表明：公司治理信息对公司陷入财务困境具有显著的影响，引入公司治理信息的模型预测能力更强。     

一致性分数阶优化灰色模型及其应用

传统的分数阶灰色预测模型在时间序列预测中具有较好的适应性和预测的有效性,但其累加和差分计算式比较复杂。一致性分数阶累加相对于一般的分数阶累加,形式更简单,更便于计算和理论推导。为了提高模型的适应性和预测能力,文章在CFGM(1,1)白化方程中引入一个新的可变系数,扩大了原有白化方程的适用范围,并在此基础上构建了一致性分数阶优化灰色模型,即CFOGM(1,1)模型。最优一致性分数阶阶数和可变系数通过PSO算法最小化平均相对误差获得。将构建的模型运用到两个实例中并与其他经典的灰色预测模型进行对比,结果表明所提出的模型具有较高的拟合和预测精度。     

大维变量选择、混频因子模型与新冠肺炎疫情冲击下的GDP现时预测

新冠肺炎疫情不仅对我国宏观经济造成了巨大冲击,也为准确预测我国宏观经济未来走势带来挑战。本文从新冠肺炎疫情冲击出发,将模型置信集检验与U-MIDAS模型组合,设计了一种在混频情形下利用预测变量的异质性波动从大维数据集中选取对GDP具有稳定预测效果变量的方法。通过利用选取出的稳定性变量构建多种形式的混频目标因子模型并与其他类型的混频因子模型对比,全面评估了不同模型在疫情前后对GDP进行高频现时预测的效果。研究发现,在疫情冲击前的平稳时期,利用覆盖范围较广的变量构建双因子MIDAS模型预测效果最优;利用稳定性变量构建的单因子U-MIDAS模型同样具有良好的预测效果。当经济从冲击中持续恢复时,利用部分稳定性变量构建的双因子U-MIDAS模型在捕捉到GDP的核心变化后率先对其连续做出准确的现时预测。经济稳定时,对预测变量设定较长的滞后阶数会提升预测效果;在冲击后的恢复期中则应减少滞后阶数,避免变量在冲击中出现的异常值对预测产生负面影响。本文也为当经济受到巨大外生冲击或处于冲击后的恢复期时其他宏观经济指标的预测提供了有价值的参考。     

支持向量回归特征提取的ARMA准则——中国社会消费品零售总额预测的实证研究

根据统计学习理论,针对局部灰色支持向量回归方法,提出了单变量经济时间序列预测特征提取的ARMA准则.对中国社会消费品零售总额的试验结果表明:ARMA准则能客观准确地实现特征提取,获得较高的预测精度.     

高等教育投资需求预测模型构建与统计检验

文章通过选取1995-2011年17年间的相关统计指标数据,在加强变量科学选择和预处理的同时,通过逐步回归和求解最优化模型,建立了多元线性回归模型和最优拟合模型,根据统计检验和误差分析比较,并结合经济意义分析,确定了高等教育投资经费总需求的最优拟合预测模型.结果表明该预测方法和模型具有较高的估计精度,预测结果具有一定的决策参考意义.     

中国银行间回购利率已实现跳跃的甄别与建模

以二次幂变差的测量为理论基础,研究了银行间回购利率的跳跃行为.将已实现波动率分解为连续样本路径方差和离散跳跃方差,研究了跳跃方差序列的统计特征,并且应用HAR-RV-CJ模型对中国银行问回购利率的已实现波动率进行预测.     

上市公司财务困境预测的Fisher判别分析模型

文章运用统计方法选取有效建模变量,建立了Fisher判别分析预测模型,对我国上市公司财务困境进行了预测。研究结果表明该模型具有良好的预测精度,可以作为证券投资者和分析人员使用的一种有效的财务困境预测工具。