GA-GP融合的演化建模在经济增长预测中的应用

影响经济增长的因素是多方面的,这些因素之间对经济增长的影响存在着错综复杂的依存和制约关系。经济要素投入和产出之间不仅仅是简单的线性关系,而是未知的复杂的非线性关系,这给经济增长的定量预测带来了困难。现行的预测方法很多,主要有时间序列分析法、回归分析法、灰色系统预测法以及人工神经网络预测等,但存在拟合精度不高或泛化能力不强等问题。     

六种时间序列组合建模及应用

文章立足卫生支出等趋势预测问题的时间序列组合建模研究,以实证算例进行验证和比较.根据政府卫生支出时序资料,将曲线拟合法和ARIMA法纳入模型,建立线性加权组合模型(残差平方和倒数法、灰色关联法、相关系数法、待定系数法和等权法)以及残差修正模型;计算拟合序列和残差序列,讨论拟合性能.并建立修正指数曲线模型和ARIMA模型,发现拟合及预测效果不错;五种组合建模技术均优于单种方法拟合性能.曲线法、ARIMA法及其组合技术对于趋势预测问题有适用意义.     

多变量时间序列的重构与预测方法

多变量时间序列包含有比单变量时间序列更丰富的动态信息,具有一定的信息完备性和确定性,但多变量时间序列同时也会带来一定的冗余信息和部分噪声.为了更好地反映多变量时间序列的动态特性,文章对多变量时间序列进行空间重构,并利用主成分分析法(PCA)对重构后的多变量时间序列进行处理,以减低特征空间维数;最后采用支持向量机建立预测模型.仿真实验表明,该预测模型具有较强的自适应能力和较好的预测效果.     

基于分位点回归系数聚类的时间序列分类方法

时间序列曲线分类的目的是为了找到曲线之间相似波动结构、减少建模工作量和进行预测,所以分类的结果将直接影响模型的质量和预测的精度.为此,文章提出了一种新的时序曲线分类方法-分位点回归系数聚类法.它可以有效地避免一些分类方法带来的局限性,能够更为全面、详尽地考查待分类时序数据的运行方式,改善分类的效果并为预测提供强大的支持.     

ARMA模型在期货价格预测中的应用

一、模型的数理基础 (一)ARMA模型概述 ARMA(Auto Regressive Moving Average)模型是一类常用的时间序列模型，由博克斯(Box)和詹金斯(Jenkins)创立，亦称B—J方法。它是一种精确度较高的时序短期预测方法，其基本思想是：某些时间序列是依赖于时间t的一族随机变量，构成该时序的单个时序值虽然具有不确定性，但整个时序的变化却有一定的规律性，可以用相应的数需模型近似描述。通过对该数学模型的分析研究，能够更本质地认识时间序列的结构与特征，达到最小方差意义下的最优预测。     

天然气产量季节预测模型的比较与选择

随着气田企业规模的扩大和竞争的加剧,需要建立一套完整的短期天然气产量预测方法及模型,以预测未来的产量发展趋势,故提出三种基于时间序列预测模型:布朗指数平滑法(Smooth)、季节系数法时间序列的预测、用于时间序列的灰色系统预测方法.但是普通时间序列预测模型的参数难以估计并且模型较难预测具有季节特征的时间序列问题,根据天然气产量的季节性、周期性特点,实验结果表明:季节系数法时间序列的预测能够对带有季节特征的历史数据进行有效预测,对进行气田企业的安全生产都具有一定的理论和实践价值.     

关于线性季节加法趋势预测模型的探讨

一、趋势分析法和霍尔特--温特(Holt-Winter)预测模型 (一)趋势分析法 利用这种方法对具有线性季节加法趋势的时间序列(即原始数据)进行预测时按如下三步进行:     

基于Matlab的房地产销售预测的科学计算

一、引言 传统房地产销售预测的方法主要有"德尔菲法、时间序列预测法、消费水平法和市场调查法"等.这些预测方法预测出来的结果是建立在整个市场基础上的,没有考虑到房地产项目的差异性,因而无法对单个的房地产项目的销售量进行预测,传统预测方法均有一些不足之处.例如,德尔菲法带有明显的主观性,时间序列预测法只考虑历史数据,没考虑将来的市场趋势和经济环境的变化,消费水平法只考虑到与消费水平相对应的房地产需求量的大小,无法具体到单个的房地产需求量,市场调查法主观性强且其预测效果会因调查方案的选择而产生很大差别.另外,影响销售量的因素很多且难于用一个确定的数据表达,各因素的影响具有典型的模糊性,这些问题需要基于相应的模糊集理论来解决.     

基于ANN的时序预测模型及其在统计中的应用

建立时序预测模型是数据挖掘的任务之一,而统计分析也是数据挖掘的内容之一.本文作者利用ANN可逼近任意非线性映射关系的特点,提出了基于ANN的时序预测模型.以南宁市人口自然增长率时序数据为例构建了预测模型,并对模型进行了测试和检验.测试结果表明基于ANN的时序预测模型对时间序列具有较好的预测性能,在统计预测方面有着广泛的应用前景.     

统计分析方法探讨

统计分析常用的方法有对比分析法和因素分析法两种。随着企业管理的现代化，回归分析法、时间序列分析法和直属分析法等定量分析法也逐步应用于企业经济活动分析，此外，科学的定性分析法也开始为人们所重视，现将一般的技术分析方法分述如下：     

基于模糊时间序列对我国对外贸易中的进口水平的预测

文章基于模糊时间序列对我国对我国对外贸易中的进口水平进行了预测分析,结果认为:在模糊时间序列分析中,用隶属度加权平均法比最大隶属度法的预测结果更为准确,表明常用的最大隶属度法在进口额即期增量的预测上未必适用.     

医疗统计周期性预测问题的比较研究

文章立足医疗统计领域周期性预测问题,以门诊人次为例进行建模方法比较,为类似研究提供方法参考.采用方式为:方式1:门诊人次季度数据由X11法时序分解后提取季节指数消除季节波动,用ARIMA法和抛物线拟合外推.方式2:周期差分提取季节信息,二阶差分提取长期趋势,直接用季节ARIMA法建模.季节波动和短期相关间交互影响不清,试用简单季节或乘积季节模型.得出结论:方式1对周期时序资料分解后,由组合方法依次直观反映;方式2直接用季节模型拟合预测,乘积季节模型性能并非有替代性,简单季节模型更优.算例为载体用几类方法比较研究,对于医院统计领域周期性预测问题有借鉴意义.     

浅谈时间序列发展史

第二次世界大战之后，电子计算机技术的迅速发展，为时间序列分析的建模和预测提供了强有力的工具，尤其是自美国著名的统计学家博克斯和英国的詹金斯于1968年在理论上提出了"整套的随机时间序列的模型识别、参数估计和诊断检验的建模方法，并于1970年出版了专著《时间序列分析──预测与控制》之后，时间序列的应用已深入到许多行业和领域。我国时间序列引人较晚，许多人还较为陌生。本文将谈谈时间序列的发展史，以便人们对其有更深入的了解。西方统计学家认为，影响经济现象变动的原因主要有四种，即：反映人口、资本、技术等变化的长期…     

中国黄金市场的非线性和确定性检验

混沌普遍存在于现代金融市场中,非线性和确定性是时间序列存在混沌的重要前提,而中国黄金市场这一新兴市场在此方面的研究仍是空白。文章以上海黄金交易所黄金现货日收盘价格序列作为研究对象,对数据进行收益率和对数线性去趋势平稳化处理,然后运用R/S分析来检验其非线性,发现上海黄金价格序列具有非线性和分形特征,但其后的BDS定量检验表明其非线性特征并不显著。最后运用递归图方法进行确定性检验,得出该系统具有一定确定性的结论。因此相较于传统的线性分析方法,对于我国黄金市场价格序列,采用非线性确定性模型进行分析预测可能更加有效。非线性和确定性的存在也表明我国黄金市场可能具有混沌特性,从而为今后对我国黄金价格的初值敏感性和奇异吸引子存在性等混沌特征进行分析,并进一步构筑混沌预测模型打下基础。     

利用Excel实现时间序列分解分析

一、简介分解分析法是时间序列分析和预测过程中常用的统计方法。该方法假设时间序列是趋势变动（T）、循环变动（C）、随机变动（I）综合影响的结果,分解过程首先从原始序列中消除随机变动,然后在此基础上,分别识别出循环变动和趋势变动的变化模式。假设的合理性、方法的科学性和操作的简易性使分解分析法在经济预测中得到了较为广泛的应用。本文结合具体例子介绍如何用电子表格软件Excel实现时间序列的分解分析。二、实例如图（1）所示,表中A1至B13单元格是1996至1998年各季度某海滨城市旅游人口数（千人）,试预测1999年各季度旅…     

基于PDL模型的城市化水平预测

可用于城市化水平的预测方法主要有时间序列预测分析法、经济因素相关分析法等。其中 ,经济因素相关分析法因其在预测时充分考虑了经济发展对城市化水平的影响而在实际中广泛被使用。如 ,汤茂林等在对 1 985～1 997年间江苏省城镇非农业人口比重与人均GDP间相关关系进行回归分析的基础上 ,得出江苏省 2 0 2 0年的城市化水平可能会达到 5 1 6% [1 ] ;刘科伟等用GDP与城镇化人口之相关关系模型预测陕西省 2 0 1 0年的城市化水平可能会达到 3 9 63 % [2 ] 。吕宾等亦根据城市化率与经济发展水平间的相关关系预测 2 0 0 5年新疆的城市化水平…     

长期趋势预测模型的探讨

经济预测就是根据事物的过去和现在去研究未来，对未来可能出现的事件和问题等作出科学的估量和表述。事物是在不断发展着的，因而可从现象的发展趋势中进行预测。这类预测方法所依据的资料一般都是时间序列（动态数列），现有的预测方法包括简单的、复杂的不可计数，最常用的预测方法是最小二乘法趋势线配合预测法。笔者试图提出一种差分预测模型，以修正最小二乘法趋势线预测模型，从而缩小预测误差，使预测结果更符合实际。一、差分预测模型的提出在一个时间序列的分配数列中往往存在着某种形态的长期趋势，用适当的方法测定这个趋势，并…     

我国能源需求预测模型研究

本文首先比较了不同的能源需求预测方法的特点,并选择确定性加随机性时间序列组合模型对我国能源需求进行预测;然后详细介绍了建模的过程,并对模型预测精度和参数稳定性作了评价,结果表明本文采用的组合模型是一种比较有效的预测方法;最后用该模型对我国2004-2020年能源需求进行了预测.     

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。     

时间序列全局特征聚类分析方法及其应用

本文指出了用点和点距离度量时间序列相似性存在的问题，并给出一种新的相似性度量一全局特征，即从时间序列的统计分布特征、非线性和傅立叶频谱转换等3个方面提取全局特征构建特征向量，并进行聚类分析。本文以全国各地区人均GDP时间序列聚类为例，评估了距离相似法与全局特征法的聚类结果。实践证实全局特征法不但可以处理不同长度有缺失值的时序聚类，而且可以降低大型时间序列数据聚类计算的复杂度。