Excel回归分析法在财务预测中的应用

财务预测是企业决策的前提与基础,Excel是一个具有强大功能的数据管理与分析软件,我们可以运用Excel进行回归分析财务预测,以提高工作效率。本文通过案例分析,运用Excel函数与数据分析工具两种方法建立直线回归模型,并进行回归分析的预测。     

基于Excel的最优子集多元线性回归预测模型设计

回归分析预测法是一种具体的、行之有效的、实用价值很高的常用市场预测方法.统计学中的回归预测分析具有普遍的实用意义.但变量之间关系分析及计算繁杂,而借助Excel可方便高效地研究其数量变动关系.完成其繁杂的计算分析过程.本文利用Excel的图表及数据分析工具,采用最优子集法,判断各变量间的相关程度,并在此基础上建立回归模型进行预测,使回归预测分析的计算过程更加简单.统计预测方法更为实用.     

财务比率分析法对上市公司负债筹资风险预测的修正——基于中国资本市场的实证分析

上市公司负债筹资风险预测是一个具有探索性、前沿性的课题,依其成因界定其含义,并分为4种类型,分别通过主成分分析和逻辑回归分析构建负债筹资风险预测模型,这两种模型的预测结果都较为准确.但由于定量分析方法的局限性,使得两种模型预测的结果出现差异,运用财务比率分析法对预测结果进行修正,能使预测结果更为准确.     

Logistic方法在财务困境预测中的应用

财务困境预测已成为国内外广泛关注的研究领域.财务困境预测方法主要包括多元线性判别法、逻辑回归法等参数方法以及神经网络等非参数方法,本文对各主要方法的优劣进行了评价,阐述了逻辑回归模型在财务困境预测领域的应用现状,并应用Logistic模型对我国上市公司进行了分类预测,在T-2年上取得了较好的预测精度.     

线性回归在经济中的应用

线性回归分析是当代统计关系学的分支之一,也是用于经济领域开展具体的经济问题预测的应用比较频繁的一种数学方法。实质上就是通过对有关经济数据进行统计,然后研究出不同变量彼此间所存在的线性关系,并以这种关系为参考对经济未来的发展方进行适当的预测。本文从这种统计方法以及经济预测的概念出发,对最常用的一元线性回归在经济领域中的应用进行了探讨。     

上市公司自愿性盈利预测信息披露影响因素的Logistic研究

本文在进行文献综述的基础上提出了上市公司自愿性"盈利预测"信息披露影响因素研究的理论构建,运用Logistic回归建立模型,引用SPSS软件对影响自愿性"盈利预测"信息披露因子进行了实证研究.得出了与影响上市公司自愿性"盈利预测"信息披露有关的结果,并进行了相关综合分析.     

中国股票市场可预测性研究：基于机器学习的视角

股市风险溢价是金融学中的一个经典研究问题.常见的线性模型存在着模型误设和参数不稳定的问题，难以有效预测风险溢价.本研究从机器学习的视角重新检视了中国股票市场的可预测性.基于1996年1月—2019年12月的数据，构建提升回归树(boosting regression trees, BRT)模型对股市收益率与波动率进行样本外预测，并构建了最优风险资产配置模型.实证结果显示：1)提升回归树方法能够对收益率、波动率和最优风险资产权重做出准确预测；2)在收益率预测中最重要的三个变量分别是净权益增加值、换手率和股价方差；挖掘预测变量之间的非线性关系是BRT预测能力的来源；3)结合提升回归树预测构建的最优风险资产组合可以为投资者带来更高的收益和效用.本研究将机器学习方法引入股票市场风险溢价的研究，为此问题的研究提供了全新的视角.     

航空服务成本预测的支持向量机方法研究

预测是很多行业都需要的一项方法和技术,随着数据积累的越来越多,现在这些行业大多面临基于大量数据的预测问题,我们在介绍支持向量机基本原理和实现算法的基础上,给出了航空服务成本取测模型,最后对预测结果的评价和选聚情况进行了分析.     

关于富士康问题的建模分析及预测

近期富士康公司发生的连续自杀事件引起社会广泛关注,本文逐步建立了微分模型,Logistic模型及其改进模型对这一现象进行分析,并在考虑外在因素的改变之后,对未来的走势加以预测,用logistic回归分析得到最终自杀的比率收敛于1-1/σ,自杀的人数稳定在22左右。     

发电量影响因素的统计分析

为了分析发电厂实际数据,采用多元回归法和逐步自回归法分析的方法来进行研究、分析。要想获得较高预测精度,科对其进行预测值拟合,最终创建能够综合分析发电量的模型。     

基于CPFR的需求预测新方法——分位数回归预测法

本文引入计量经济学前沿预测研究方法-指数加权分位数回归预测,并建立需求预测模型.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.在此基础上建立基于CPFR的供应链系统成本模型,对比分析表明指数加权分位数回归方法的预测精度较高.     

灰色组合预测模型及其应用

针对传统回归模型需要的数据量大且建模复杂等缺陷,提出了一种基于灰色关联度和GM(1,1)的灰色组合预测模型;从灰色关联度的视角寻找数据之间的依赖关系,运用GM(1,1)模型预测数据关系的未来发展趋势,进而建立因变量的预测模型;模型体现了回归分析基于事物因果关系的建模思想,同时又具有灰色理论小样本建模的特点;应用该模型对我国2007和2008年度的GDP进行预测,预测结果表明了该模型的有效性及实用性。     

基于PSO-PLS的组合预测方法在GDP预测中的应用

GDP预测是经济预测中一个非常重要的问题,随着经济的发展,对其预测精度的要求也越来越高.在考虑样本权重的基础上,提出一种微粒群算法与部分最小二乘回归方法相结合的组合预测方法,即采用微粒群方法对样本最优权重进行求解,在所得样本权重系数的基础上,用部分最小二乘回归方法确定组合预测的权重系数.将该方法用于中国GDP预测取得了较好的结果,与其他几种传统方法相比,预测精度有一定程度的提高,说明算法的有效性和可行性.     

数据流自适应查询系统中预测算法

基于历史数据的未来事件预测在系统管理,自适应查询环境监测和金融分析等领域的重要性日益增加.由于数据流中的数据的存在是暂时性的,因此我们需要创建能够反映数据流中历史数据之间关系的“纲要”,其在预测过程中起着至关重要的作用.在这篇论文中我分析了当前数据流自适应查询预测领域最前沿的3种主要分析纲要(多元线性回归,贝叶斯网络,分类回归树)以及其基本特点,执行步骤和用途.     

考虑内部散点的区间型符号数据的回归分析

研究通过对样本“点”数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本“点”数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

考虑内部散点的区间型符号数据的回归分析北大核心CSCDCSSCI

研究通过对样本"点"数据打包形成的区间型符号数据的回归分析.针对现有区间数回归分析只利用区间数的端点信息这一问题,分析如何充分利用原始的样本"点"数据信息,即区间数的内部散点信息.首先从理论上推导了当假设原始样本点数据误差项满足回归分析所假定的三条性质时,区间数据回归分析的误差项也满足这三条性质.然后,在考虑散点的区间型符号数据描述性统计量的基础上,提出了一种新的区间型符号数据回归分析的参数估计方法.随之给出了区间预测方法.最后选取常用的CCRM作为对比算法,分别通过随机模拟和实例分析,验证了文中方法的有效性.     

基于时间序列与机器算法的工商银行股票预测分析

股票市场在国家经济发展中发挥着重要作用,对于投资者来说,其有可能获得超额收益,也有可能遭受巨大损失。因此,如何合理地对股票未来发展作出预测,是投资者关心的问题。文章基于支持向量机、逻辑回归及BP神经网络3种机器学习算法建立分类预测模型,对工商银行股票下一个交易日的涨跌走势进行分析预测,并使用时间序列ARIMA模型进行预测,综合考虑训练模型,分析比较时间序列模型与机器学习对工商银行股票的预测能力。     

基于改进均值回归的波罗的海原油运价指数模型研究

针对波罗的海原油运价指数波动机理,通过分析原油运价指数的均值回归特性,研究其波动趋势,运用单位根检验及方差比检验方法对原油运价指数的均值回归特性进行验证,从而对传统均值回归模型进行改进,给出参数的估计方式,对波罗的海原油运价指数进行分析预测并验证改进模型的拟合效果及预测精度。本文的特色与创新一是基于特性检验,建立"均值水平"随时间变动的均值回归方程,体现原油运价指数均值随时间变化的特征;二是基于柯尔莫哥洛夫前向方程得到基于改进均值回归模型的预测模型,确定预测值及置信区间,从而对原油运价指数样本路径进行拟合,并通过与传统预测模型的比较,表明改进预测模型的显著性。实证结果表明,原油运价指数具有显著的均值回归的特性,且改进后的均值回归方法平均预测相对误差达到0.1597,低于传统模型的平均预测相对误差0.1908。     

基于状态转移回归的动态集成时序预测方法

最优模型子集的确定和集成权重的设置是组合预测中的两个重要问题,直接关系到组合模型的预测表现。为此,本文提出了一个基于状态转移回归的动态集成时序预测方法,首先基通过计算单体模型和原始数据之间的互信息确定最优模型子集;其次,通过状态转移回归实现单体模型的动态集成,并获得最终预测值。通过对9个国家的主权信用违约互换利差数据进行预测实验,本文发现所提出的状态转移组合预测模型表现良好,不仅优于一般单体预测模型和组合预测模型,还优于基于滑动窗口技术的动态组合预测模型。     

基于支持向量机的中国股指期货回归预测研究

本文针对股指期货预测的特点,选择对股指期货指数有重要影响的相关指标,首次提出用支持向量机(SVM)方法对其进行回归预测,并用遗传算法(GA)和粒子群算法(PSO)分别优化四种不同核函数的支持向量机,构建了八种不同的中国股指期货回归预测方案,用实证研究的方法对这八种方案的准确性和时效性进行了比较。实验结果表明粒子群算法优化的线性核函数支持向量机作为中国股指期货回归预测的模型,具有更好的预测效果。