共查询到20条相似文献,搜索用时 15 毫秒
1.
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。 相似文献
2.
3.
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。 相似文献
4.
目前对城市科技竞争力的研究还大多采用加权综合、因子分析、主成份分析、线性回归等方法,上述研究模型缺乏客观性且在处理海量数据时,表现出极大的局限性.本文以2009年、2010年浙江省11个地级市为研究对象,运用BP神经网络模型和CHAID决策树模型分别构建城市科技竞争力预测模型进行研究探索.研究结果表明,两模型对城市科技竞争力的预测评价研究非常有效,但在预测精度上,BP神经网络模型要优于CHAID决策树模型,在此基础上给出了指标变量对城市科技竞争力的重要性程度. 相似文献
5.
6.
文章运用分形插值的理论与方法建立了能够分析及预测股票价格波动的分形插值数学模型;以上市公司青岛海尔为例,使用该模型分析了股价的变化规律,预测了股价的未来走势,并使用时间序列曲线的分形维数与Hurst指数,描述了股价的波动性及长期相关性等特征. 相似文献
7.
8.
第三产业发展趋势的预测对于国家或地方政府制定宏观政策有着重要的意义。为更加准确的进行第三产业的预测,从多角度选取指标利用信息墒理论合成综合指标,建立灰色神经网络对其进行预测,实证分析表明灰色神经网络比单一的灰色预测模型和传统BP神经网络预测模型拟合和预测能力要好,说明了模型适应成都第三产业发展趋势的预测。 相似文献
9.
10.
11.
由于金融时间序列具有高度非线性、不稳定性等特点,单一预测模型的预测精度受限。文章将集成经验模态分解(EEMD)技术和长短期记忆网络(LSTM)相结合,同时融入麻雀搜索算法(SSA)优化神经网络参数,构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解,其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测,最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析,结果表明,所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681,具有更高的预测精度与适用性。 相似文献
12.
文章针对中国建筑业上市公司样本规模较小,常规预测方法难以奏效的特点,尝试将支持向量机应用于其盈利能力预测.首先从不同的角度选择盈利能力单项指标,以此为基础构建反映公司盈利能力的集成指标,结合2001-2014年中国A股建筑业上市公司的数据,构建基于支持向量的盈利能力预测模型,对样本公司的盈利能力进行预测.研究结果显示,经过训练的支持向量机模型能较为成功地预测样本公司的盈利能力,2003-2014年的预测准确率均超过80%;通过与BP神经网络的对比试验可以发现,在预测中国建筑业上市公司盈利能力方面,支持向量机表现出了较明显的优势. 相似文献
13.
针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。 相似文献
14.
汇率时间序列是一个动态复杂系统,单独的线性回归模型或者非线性神经网络都不能很好地反映系统的特征.文章将汇率时间序列分解成线性序列和非线性序列两部分,并分别用ARMA和NARX神经网络进行建模;最后组合成NARX-ARMA汇率混合预测模型.结果证明,相比其他汇率预测模型,NARX-ARMA混合模型有更好的预测效果. 相似文献
15.
为刻画股票价格的非线性动态特征,并充分利用高维宏观经济变量对股价的预测能力,文章基于LSTM模型、LASSO降维和混频模型,研究了高维情形下利用低频宏观经济变量预测高频股价的问题。首先,使用LASSO方法对高维宏观经济变量进行筛选,并进行因子分析提取宏观因子;然后,使用该宏观因子构建混频GARCH-MIDAS模型以预测波动率;最后,以包含宏观经济信息的波动率和通过因子分析降维后的技术指标因子作为特征,输入LSTM神经网络模型来预测上证综指价格。结果表明,LSTM-GARCH-MIDAS模型具有较高的预测精度和良好的适用性。 相似文献
16.
文章阐述了组合预测模型遴选规则的产生机理,对此遴选规则的具体形式以及组建方式进行了研究分析.为了使构建于模型遴选规则基础之上的组合预测模型更具鲁棒性及更广的适用领域,通过基于NARX神经网络的自适应调节机制来提升遴选规则的学习能力,提高了组合预测的精度和稳定性.最后以一个汇率预测的实证分析证明了该模型的有效性. 相似文献
17.
18.
在传统的证券统计分析软件中,人们只是根据股价和成交量的市场变化值,编制各种技术分析指标进行技术分析,无法通过计算机和软件进行基本面的分析。随着网络技术及信息技术的发展,人们不仅可以通过各种渠道来获得人们需要的基本面资料,还可以将这些信息与证券统计分析软件紧密的结合在一起,通过计算机对这些资料和数据进行统计分析、比较排序,得到更为直观的图形和图表,将传统的技术分析和基本分析统一在一起,从而帮助投资者进行投资。在基本面分析中,上市公司的财务分析比较和排行、板块划分和板块轮动的发现、上市公司公告及新闻、重要市场… 相似文献
19.