一种基于RS-LSSVM的经济景气指数预测模型

为了消除经济景气指数系统中指标冗余及非线性预测困难等问题,文章利用粗糙集约简原理及支持向量机非线性预测特性,提出一种粗糙集与最小二乘支持向量机混合预测模型RS-LSSVM.模型运用粗糙集约简样本数据空间的维数,加快LSSVM的训练速度和模型的精度,又能弥补粗糙集方法在实际应用过程中噪声敏感问题.最后通过我国工业企业景气指数实证分析及与BP神经网络预测相比较,验证了该预测模型的有效性.     

结合景气指数的GDP组合预测模型研究

文章首先对中国季度GDP序列建立了AR-GMDH预测模型;然后加入对GDP相关性较大的景气指数,建立了ARCH模型;最后利用GMDH自组织建模方法提出新的组合预测模型.对比分析各模型预测结果表明:两种单一模型预测误差均在可接受范围之内,基于GMDH组合的GDP预测模型的拟合和预测效果比单一模型更优.     

应用组合预测法对我国月度PPI的预测评价

PPI是衡量工业企业产品出厂价格变动趋势和变动程度的指数,是生产领域的重要经济指标。文章以2001年1月至2010年7月的月度定基PPI数据为对象建立了单项ARIMA模型,为了提高预测的准确性,引入了组合预测模型,将单项预测模型有机地结合起来。通过比较组合预测模型的预测效果,得出AFTER算法是最优的组合预测法的结论,并在此基础上进行了预测。     

基于GM(1,1)—逐步回归模型的用水量预测

为了对城市的用水量有个更精确的预测,文章将逐步回归模型与灰色预测模型相结合,提出了一种基于灰色预测——逐步回归的总用水量预测模型.该模型以逐步回归方法为基础,利用灰色相关性分析方法对观测数据进行处理,进而对预测模型的因变量进行筛选,并将灰色理论引入到回归模型分析中,对预测模型进行改进.通过实例分析可知:所提出的耦合模型与单一预测模型相比,在一定程度上改善了预测效果,达到了简化模型、提高拟合精度和增强模型预测能力的目的.     

组合预测模型预测精度的贴近度评价法

一组单项预测模型在不同的准则下,建立的组合预测模型一般是不同的.为了比较这些组合预测模型的预测精度,文章引入了组合预测模型点预测精度的数量指标,从而得到了组合预测模型的点预测精度向量.根据这些点预测精度利用算术平均最小贴近度,给出了组合预测模型预测精度的评价.实例分析结果表明:该评价方法客观准确,可操作性强.     

中国汽车工业景气指数的开发与应用

我国在20世纪80年代末开始利用景气指数方法对宏观经济周期波动进行监测预测,同时,近几年随着对行业的监测预测工作的逐步展开,对我国汽车工业周期的研究、也已经有了一定程度的发展,很多学者对我国汽车工业周期的定义、存在原因、传导方式等作了一定的研究;现有的研究成果主要是中国经济信息网构造的我国汽车工业景气     

基于机器学习LSTM&US模型的消费者信心指数预测研究

消费者信心指数等宏观经济指标具有时间上的滞后效应和动态变化的多维性,不易精确预测。本文基于机器学习长短时间记忆(Long Short-Term Memory,LSTM)神经网络模型,结合大数据技术挖掘消费者信心指数相关网络搜索数据(User Search,US),进而构建一种LSTM&US预测模型,并将其应用于对我国消费者信心指数的长期、中期与短期的预测研究,同时引入多个基准预测模型进行了对比分析。结果发现:引入网络搜索数据能够提高LSTM神经网络模型的预测性能与预测精度;LSTM&US预测模型具有较好的泛化能力,对不同期限的预测效果均较稳定,其预测性能与预测精度均优于其他六种基准预测模型(LSTM、SVR&US、RFR&US、BP&US、XGB&US和LGB&US);预测结果显示本文提出的LSTM&US预测模型具有一定的实用价值,该预测方法为消费者信心指数的预测与预判提供了一种新的研究思路,丰富了机器学习方法在宏观经济指标预测领域中的理论研究。     

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.     

几种能源产量预测模型的预测效果比较

文章将多元统计中的因子分析方法引入到对我国能源产量预测模型的综合评判,从而优选出最佳预测方法,目的在于比较多种模型的预测效果,为选择合适的预测模型提供依据。     

中国旅游景气指数实证研究

本文针对中国旅游市场发展实际和旅游市场自身特点,建立了涉及27个基本指标的旅游景气指数指标体系。基于变权思想和熵权方法对中国旅游景气指数进行了测度,对1990-2009年中国旅游景气指数进行了分析和预测。     

等维新息灰色预测模型及预测精度比较——基于我国城镇居民养老保险预测分析

本文在对我国城镇居民养老保险分析和预测中引用了等维新息灰色预测模型并与传统灰色预测模型进行了预测精度比较,最终引入了等维新息处理的灰色预测模型。等维新息灰色预测在每一步预测中,不断推陈出新对原始数据进行等维新息处理。通过对实际案例研究证实,文中提出的预测模型可以在建模过程中成功地反映数据运动规律,具有合理、有效的中长期预测功能。笔者希望通过对我国城镇居民养老保险的灰色预测分析,为今后养老保险系统的后续研究打点基础。     

区域出口贸易非线性混合预测模型及其实证

混合预测模型由于能够反映事物变化的线性和非线性特征,而在预测领域得到了广泛的应用。本文针对区域出口贸易的特点建立了一种基于BP神经网络和误差校正向量自回归模型的的非线性混合预测模型,应用于区域出口贸易预测,得到了较好的预测效果。由于该模型能够反映经济系统中各变量的长期均衡关系,同时非线性的协整变量能够反映出经济系统其他变量的短期波动对预测变量的影响,因此该模型适合于经济变量的预测。     

工业经济增长的分析及预测模型

随着世界经济的发展和我国加入WTO,我国工业经济得到了进一步发展,工业经济在国民经济中所占的比重越来越大。本文就改革开放以来我国的工业经济发展情况进行了分析并得到了2002年的工业经济预测模型。     

基于ARMA-ARCH的GDP组合预测

本文分析了四川省GDP发展趋势,建立了四川省GDP的ARMA预测模型。然后分析了企业景气调查数据和传统统计数据的差异,指出了企业景气调查数据在经济预测中的优点,并在此基础上建立了基于企业景气调查数据的ARCH预测模型。最后利用前面两个模型的预测结果构建了基于BP神经网络的ARMA-ARCH组合预测模型。     

经济预警指数、国房景气指数与CPI指数波动溢出实证分析——基于三元VAR-GARCH-BEKK模型

建立三元VAR-GARCH-BEKK模型对中国经济预警指数、国房景气指数和CPI指数间的ARCH型和GARCH型波动溢出进行了分析,发现经济预警指数和国房景气指数当期波动均受到了自身滞后残差平方与滞后波动的显著影响,但CPI指数波动不存在ARCH和GARCH效应。CPI指数对经济预警指数和国房景气指数有显著的波动溢出作用,经济预警指数对国房景气指数存在波动溢出作用。因此,国家制定宏观经济政策时应避免分割控制模式,积极建立动态制度框架和信息沟通机制以抵御风险。     

基于先行指数对我国通货膨胀率的预测

在当前国际经济不确定加大的背景下,物价波动态势和未来走势再度吸引了人们的视线,本文基于景气指数的方法,构建了一致物价指数反映价格波动态势,并且,构建了先行物价指数,反映物价的未来走势。不仅如此,文章还在模型中引入先行物价指数作为解释变量,对我国通货膨胀的波动进行模拟和短期预测,结果表明,在对我国通货膨胀进行预测的模型中加入先行物价指数这一解释变量可以显著地提高预测精度,基于此模型外推我国CPI走势,认为我国通货膨胀在2010年将呈现先增加后降低的波动态势。     

基于预测包容的组合预测单项模型遴选算法

对预测模型的合理选择是搞好预测的核心.文章针对面向组合预测的单项模型遴选问题,引入预测包容理论,提出了基于预测包容的组合预测单项模型遴选算法.     

几种组合预测方法对股票市场的预测效果研究

为了研究几种组合预测方法的预测效果,文章首先利用GM(1,1)、BP神经网络、支持向量机(SVM)三种单一预测方法对2008年的上证工业股指数、上证商业股指数、上证地产股指数、上证公共事业股指数作了预测,然后分别利用最优权重线性组合预测模型、基于SVM和基于BP神经网络的非线性组合预测模型对上述股指作了预测.通过对各种预测方法的预测效果进行对比分析,发现:在进行组合预测时,选择其中预测效果最好的一种方法作为二次组合预测的模型可以大大提高组合预测的效果.     

基于新维无偏灰色马尔科夫预测模型的中长期能源消费预测

本文针对中长期能源消费的特点,引入了新维无偏灰色马尔科夫预测模型。该模型充分利用结合了灰色预测与马尔科夫链理论的特点,用无偏灰色预测模型拟合系统的发展变化趋势,并以此为基础进行了马尔柯夫预测,在每一步预测中,不断推陈出新,对原始数据进行等维新息处理。实例结果分析表明,该模型预测准确度尤其是中长期预测准确度良好。     

基于神经网络的景气预测模型

为提高神经网络自回归预测模型的精度,文章构建了基于神经网络的景气预测模型.主要运用景气预测判断先行指标,以及其相对基准指标的先行期数,结合神经网络非线性适应能力、自适应能力强等特点,构建了基于RBF神经网络、广义回归神经网络、BP神经网络、Elman神经网络的四种景气预测模型.对比分析这四种基于神经网络的景气预测模型和神经网络自回归预测模型,发现基于神经网络的景气预测模型均取得良好的预测效果,其中,基于RBF神经网络的景气预测模型最佳.