新疆生产性服务业就业吸纳能力检验及预测

新疆生产性服务业带动了经济的增长,促进了新疆就业水平的快速提升。本文运用就业弹性、就业结构偏离度和偏离度分析法,对新疆生产性服务业内部结构就业吸纳能力的差异性进行检验,并对未来新疆生产性服务业就业吸纳能力进行预测。结果显示,新疆交通运输仓储和邮电通信业、金融业、租赁和商务服务业的就业吸纳能力相对较强,并且新疆生产性服务业就业吸纳能力随着产值的增长呈现逐渐上升的趋势。最后,提出了促进新疆生产性服务业发展和提升就业潜力的措施。     

基于部分函数型线性回归模型的改进

金融市场的交易是不间断的,价格始终高频的更新,在金融数据的研究中,经常遇到函数型数据.文章主要建立部分函数型线性回归模型,分析函数型数据在上证指数预测中的应用,根据函数型数据分析的原理及其求解主成分分析的方法,使用Matlab对上证指数进行预测.     

改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

固定设计异方差非参数回归模型的预测方法

文章针对固定设计下异方差非参数回归模型,考虑了基于多项式样条的三种预测方法,即非外推法、线性外推法和非线性外推法.模拟结果表明非外推预测法的均方根误差(RMSE)和平均绝对误差(MAE)的均值最大,而线性外推法的RMSE和MAE的均值略小于非线性外推法的RMSE和MAE的均值.实证分析结果显示:非外推预测法的平均绝对百分比误差(MAPE)、RMSE和MAE最大,线性外推法的MAPE、RMSE和MAE最小.这表明整体上外推法优于非外推法,而线性外推法是简单可行的.     

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.     

基于等维新息递补GM(1,1)幂模型的GDP预测

针对灰色模型在GDP预测中精度较低的问题,文章提出一种基于等维新息递补GM(1,1)幂模型的预测方法.为反映数据的非线性特征,在GM(1,1)模型的基础上引进拓展的非线性GM(1,1)幂模型;进一步利用最新信息优先的原则,建立等维新息递补灰色幂模型.将改进的模型应用到我国“十三五”时期GDP的预测中,验证了此模型在拟合和预测上的优势.     

经济景气指标与实际GDP增长率的混频预测

文章通过构建月度景气指标与季度实际GDP增长率之间的混频动态向量自回归模型,并采用期望最大值算法和卡尔曼滤波来实现混频数据和缺失数据的估计和迭代预测.大量月度景气指标的MFVAR模型的伪实时数据的多步滚动迭代样本外预测结果表明:虽然不同类别的月度景气变量在不同预测期的预测结果存在一定的差异,但实时预报、短期预测,以及组合预测结果均表明混频动态向量自回归预测模型对我国季度实际GDP增长率的实时预报和短期预测具有精确性、有效性与适用性.     

湖北碳市场价格形成机制及价格预测

文章通过EMD-SVM模型考察湖北碳市场碳价格形成机制并进行碳价格预测.结果表明:碳市场供需不均衡和碳市场发展过程中的重大事件对碳价格产生了较大的影响;同时,EMD-SVM模型也被证实具备良好的预测能力,期望能为市场决策者和参与者提供碳资产管理和风险规避保证.     

基于马尔科夫状态转换GARCH模型的汇率波动预测

文章利用汇率波动状态下的均值方程修正了面向汇率日波动特征测度的GARCH模型,并以动态多维条件修正针对汇率波动特征预测的马尔科夫状态转换GARCH模型,结果证实:汇率波动的动态发展趋势具有左部相对厚尾和一定程度的尖峰特征,汇率波动的动态特征及过程中更多动态相互干扰造成了汇率影响的参数异方差效应属性.     

模糊变权组合预测方法研究

在不确定环境组合预测中,用模糊权重系数更能体现各单项预测方法的客观表现.文章提出一种新的权重系数为三角模糊数的组合预测方法.首先建立以组合预测精确度指数最小为准则的模糊加权组合预测模型,为了避免样本数据中极端值对模型的影响,对模型进行改进,提出带有0-1变量的模糊加权组合预测模型.进一步考虑到单项预测方法在不同时刻的表现有所差异,建立基于诱导有序模糊加权平均(IOFWA)算子的模糊变权组合预测模型,该模型不仅能克服极端值的影响,而且具有更高的预测精确度.并实证验证了该方法的适用性和灵活性.