RGM-EGARCH模型及其对深圳股市的实证

GM-EGARCH模型是一种将灰色预测模型(GM(1,1)模型)与EGARCH模型相结合的新型混合波动率模型.针对GM(1,1)模型在其适用务件上的局限性,文章利用残差灰色预测模型(RGM(1,1)模型)对GM(1,1)模型的预测结果进行改进,再将RGM(1,1)模型与GARCH模型相结合,构建RGM-EGARCH模型来修正随机误差项.通过对深证综合指数的实证分析,比较了RGM-EGARCH模型、GM-EGARcH模型和EGARCH模型的样本外短期预测效果.实证结果表明,在三种模型中,RGM-EGARCH模型具有最好的波动率预测效果.     

经济增长自适应预测模型的构建与应用

在内在和外在因素的综合作用下,经济增长率(GDP实际增长率)的时间序列中往往存在着常态增长和周期波动双重效应。文章采用逐步回归法构建的自适应经济增长预测模型,能有效揭示经济运行中常态增长和周期波动效应共同决定经济增长的数量规律,并能有效地应用于经济增长预测。     

几种能源产量预测模型的预测效果比较

文章将多元统计中的因子分析方法引入到对我国能源产量预测模型的综合评判,从而优选出最佳预测方法,目的在于比较多种模型的预测效果,为选择合适的预测模型提供依据。     

基于GM（1,1）模型的福建地级市用水量预测研究

针对居民用水量时间序列同时受确定因素与不确定因素影响以及数据较少、记载历史较短的特点,本文选择灰色预测模型对福建省各地级市人均年用水序列进行拟合,通过建立微分方程,求解模型的时间响应函数,进行累减运算得序列的预测值。经过模型检验得模型的拟合精度较高,可以分别对各市的居民人均用水量进行有效的预测,预测值能为水务管理工作提供可靠的宏观依据。     

资产重组的市场反应预测模型

上市公司重组公告引起了公司股票价格的变动。本文结合事件研究法和会计研究法，从公司的财务特征出发建立了不同种类重组引致的市场反应的预测模型，一方面检验了基于组织资本、财务资源协同和收购成本所提出的五个假设，另一方面探索了投资者预期不同重组所采用的财务指标。     

2011房价走势如何？

2011年中国房价究竟如何？中国社会科学院、中国人民大学经济研究所,甚至投资银行高盛高华证券近期都认为,房地产价格将会出现20％的下滑。但是,他们均因预测模型的科学性不足而遭市场质疑,另外,反对房地产价格松动的势力依然很大。不过,经过上一年度的调控,今年房地产价格走势到底会怎样？     

物流需求预测模型构建

文章选取1993-2014年社会物流总额衡量物流需求,定量分析社会物流总额与GDP、物流总费用、固定资产投资和进、出口总额的关系.采用MATLAB软件进行编程模拟,构建了物流需求多元非线性组合回归预测模型.结果表明:多元非线性组合回归预测模型预测效果明显优于多元线性回归、指数平滑法、多项式拟合(2次)及非线性预测法(幂函数).     

基于灰色参数组合优化新模型的生活垃圾清运量预测研究

准确的生活垃圾清运量预测是环保部门制定生活垃圾处置政策措施的重要依据。为此,文章首先在新结构多变量灰色预测模型基础上,对自变量驱动项、累加阶数、背景值系数进行组合优化,推导并构建了适用于生活垃圾清运量预测的新型多变量灰色系统模型。然后,应用该模型对江苏省垃圾清运量进行实例分析,结果显示该模型综合误差仅为0.996%,其性能优于同类其他多变量灰色预测模型(1.933%、4.894%)。最后,应用该模型对江苏省未来清运量进行了预测,并提出了相关的对策和建议。本研究成果为环保部门制订相关政策措施提供了参考依据,同时为生活垃圾清运量预测提供了一种有效的建模方法。     

个股股价波动的统计模型分析

股票投资的风险既包括整个股票市场波动引起的系统性风险,也有个股自身因素带来的非系统风险,股票投资者在关注代表股票市场价格总体水平的股票市场指数波动的同时,更关注个股股价的波动。本文试将统计分析方法运用于个股股价波动分析,采用经济计量分析方法,建立个股股价波动的中短期预测模型,来揭示个股股价波动的形式、特征和规律,为投资者作出合理的投资决策提供更多的依据。     

数控铣削能耗预测及切削参数多目标优化研究

为了研究数控铣床节能优化问题,首先以316L不锈钢为加工对象,设计了数控铣削实验方案,并进行了实验数据分析;然后以实验数据为样本,运用BP神经网络建立了数控机床能耗预测模型,并利用蜣螂优化算法(DBO)对BP神经网络结构进行优化,建立基于DBO-BP神经网络的数控机床能耗预测模型。通过对比优化前后两模型,选择具有更高的预测精度和稳定性的DBO-BP神经网络模型与以加工成本为目标而建立的铣削参数多目标优化模型,并运用NSGA-Ⅱ对模型求解,得到最优解集,最后运用熵权TOPSIS法对最优解集进行决策,得到最优解。通过对比优化前后比能耗和加工成本,优化后的切削参数使比能耗和加工成本分别下降了33.84%和5%。研究结果表明,优化后的切削参数更加节能和节约加工成本。