基于Vague集的可信度预测模型

预测技术是现代企业管理中一种重要的辅助决策工具.作为一种管理手段,准确客观有效的预测结果能够指导和优化经营生产活动;作为一种辅助决策手段,能够帮助管理者选对方向.文章利用Vague集理论定义并证明了多项集成算子和运算法则,提供了一种优化的客观准确的获取可信度权重系数算法.并在文献[1]基础上构建了一种优化的基于可信度预测模型的解决方案.     

云南省经济发展多维时空差异及对策研究

按照时间序列,运用增长率、离散系数、锡尔系数三个度量指标,从三维空间分析云南经济发展的时空差异,得出基本结论:1云南省整体经济发展水平不断提高且空间差异逐步缩小;2西北、西南、东部增长率高于中部区域,少数民族聚居区域增长率高于非少数民族区域,边境地区增长率高于非边境地区;3云南省整体、中部区域、非少数民族区域、非边境区域的离散系数呈现出先上升后下降,总体上不断缩小的趋势;西北区域、东部区域起伏中有上升趋势;边境区域、少数民族区域变动不大。4从锡尔系数时空变化来看,西北、西南、中部、东部区域间差异是云南省整体差异的主要成分,且中部区域内差异较大;边境与非边境地区、少数民族聚居与非少数民族区域间差异较小,但区间内差异较大,又主要体现为非边境地区、非民族区域内部差异较大。在此基础上多角度分析时空差异演变的原因,并结合新常态发展机遇为缩小差异提出合理对策建议。     

新亚欧大陆桥沿线地区(中国段)现代物流发展研究

现代物流的发展对新亚欧大陆桥沿线地区（中国段）社会经济的发展具有重大的促进作用,本文简要介绍了沿线物流发展现状,在对沿线物流发展格局分析的基础上,对沿线地区现代物流发展的基本思路进行了初步的探讨,提出了沿线地区现代物流发展的战略目标和总体定位。     

我国三次产业结构的地区比较和国际比较分析

:文章运用聚类分析和结构相似系数分析比较了我国各地区间产业结构的不平衡性以及我国在产业结构合理化方面同世界发达国家的差距。为我国各省区调整产业结构提出了决策方向和量化依据。文章的方法对研究多指标综合分析问题具有一定的指导作用和参考价值     

德国大联盟政府经济政策剖析

2005年5月22日德国社民党在北威州大选失利,施罗德为了摆脱困境,化被动为主动,宣布提前进行联邦议院大选。经过种种曲折和意外之后,组成了黑红大联盟。11月11日,经过4周的谈判,两党终于提出了其联盟条约,核心是经济政策,口号是“整治、改革、投资三和弦”。作者对新政府的经济政策进行了分析和梳理,以求深入探讨德国大联盟政府的经济政策。     

基于变系数分位点回归的金砖四国金融稳定分析

金融不稳定性累积到一定程度就会引发金融危机,而新兴市场作为世界经济发展的重要增长点,同时也是金融危机爆发的重灾区.因此,新兴市场金融稳定性的研究至关重要.本文基于新兴市场代表国家——金砖四国(中国,俄罗斯,印度,巴西)的主要综合股指对金融稳定性进行了实证研究.与传统金融稳定性的研究方法不同,本文考虑系统性冲击在正常和极端市场下对不同国家金融市场的影响.首先应用分位数回归模型对金砖四国的金融稳定性进行检验,进而基于变系数分位数模型研究系统性冲击对金融市场稳定性的影响随时间变化的趋势,对金融稳定性进行了时变分析.实证结果表明,金砖四国都具有某种程度的金融不稳定性,近期中国和巴西在5%分位点处的金融不稳定性受系统性冲击的影响相对于印度和俄罗斯更加剧烈.     

人口迁移与流动对我国各地区经济影响的实证分析

在对近十年来我国人口迁移和流动的时空演变格局进行初步考察的基础上,文章利用面板数据的变系数模型分别实证考察了人口迁移和流动对我国各地区(省域)经济的影响。结果发现:(1)我国各地区间人口迁移相对平稳,而人口流动在2000年以后呈现出持续快速增长的态势,且空间流向极不均衡;(2)人口的迁移和流动对中国整体经济来说是一个帕累托改进;(3)户籍制度对于发达地区起到了人才沙漏的作用;(4)对于中部的绝大部分地区以及西部的一些人口输出大省,伴随人口迁出而引起的人力资本流失对当地经济的负面影响开始凸显出来,人口流出虽然基本出现一个正面影响,但对本地经济发展的贡献并不如我们预想的那么明显。     

基于Theil不等系数的C-IGOWLA算子的区间组合预测模型

传统的组合预测方法通常是针对非区间数据在最优准则下来建立最优预测模型的,但实际,中在不确定环境下样本数据和预测值序列均以区间数形式给出,因此有必要研究区间组合预测模型.文章引进连续区间诱导广义有序加权对数平均算子(C-IGOWLA)的概念,以Theil不等系数作为最优准则,提出了一种新的基于Theil不等系数的C-IGOWLA算子的区间组合预测模型,并结合实例验证了模型的有效性.     

利用非齐次指数函数构造GM(1,1)模型背景值的新方法

文章以灰色GM(1,1)模型背景值的优化为研究目的,讨论了传统背景值构造方法适用于低增长指数序列、对高增长指数序列拟合产生滞后误差的原因,提出了利用非齐次指数函数x(1)(t):A.eBt+C在区间[k-1,k]上与横坐标轴所围实际面积来构造背景值的新方法,并对其合理性进行了证明;在不同发展系数a条件下,比较了背景值构造方法对模拟和预测精度的影响,给出了新背景值条件下GM(1,1)模型的适用范围;大量的数据模拟和模型比较表明,新背景值构造方法提高了背景值的精确性及灰预测模型的拟合精度和预测精度.