分数阶ARIMA模型的参数估计与预测

用极大似然估计和回归分析法给出分数阶ARIMA模型ARIMA(p，d，q)中参数d的估计，并根据d的大小，对时间序列进行了趋势预测，得到了最优线性预测公式。     

模糊软集合理论在税收组合预测中的应用

结合模糊软集合理论建立税收收入的组合预测模型,根据税收收入的特点,代表性地选择了Elman回归神经网络模型、含政策虚拟变量的自回归模型、ARIMA(1,1,1)的时间序列模型、多因素SVM回归模型这四种模型作为组合预测中的单一模型,并以1980年到2008年的税收收入等相关数据为背景进行了说明和分析.结果表明该组合预测模型能有效减小预测误差,为税收工作实践提供了一个应用研究工具,并推广和丰富了软集合理论在税收经济模型研制中的实际应用.     

基于双重XGBoost模型的农产品期货波动率预测——以玉米期货为例

农产品期货的波动率在农产品衍生品定价、风险分散和农产品风险对冲等领域都起着关键性作用。对波动率进行预测，投资者可以依据波动率预测结果，对预期可能面临的风险采取相应的应对策略，更加精准地进行农产品风险管理。但波动率预测领域存在如下挑战：(1)波动率的预测期限较短，仅为1天或3天，难以反映资产在未来较长时间的价格波动率情况；(2)以往研究多关注于价格等信息，在波动率预测中对于基本面信息考虑较少；(3)神经网络、深度学习等预测模型的可解释性较差，网络构建和超参数的选择多依赖于经验选择。本文提出了一个基于XGBoost模型的波动率预测框架，考虑价格和基本面数据，对于波动率的长期趋势和短期变化进行了分析。实证结果表明，加入了更多信息维度的模型有助于提升波动率预测的精度，相比于传统的GARCH模型，均方误差MSE缩小了35%以上。     

基于奇异谱分析的航空客运需求分析与分解集成预测模型

考虑到航空旅客运输需求影响因素复杂以及航空客运需求序列非线性非平稳等特征,本文提出了一个基于奇异谱分析(SSA)的航空客运需求分析与分解集成预测模型.需求分析阶段,首先使用SSA对航空客运需求序列进行有效分解,接着借助奇异熵理论,将序列重构为长期趋势项、中期市场波动项和短期噪声项;预测阶段,使用排列熵(PE)判断各重构序列复杂度的高低,并依据序列复杂度分别选择粒子群算法(PSO)和布谷鸟算法(CS)双优化的支持向量回归模型(SVR)或单整自回归移动平均模型(ARIMA)进行预测,结果表明,该分解集成预测模型较ARIMA、SVR等基准模型有着更好的预测性能.     

基于动态混沌神经网络的预测研究——以马铃薯时间序列价格为例

针对农产品价格波动的非线性特征明显、传统时间序列方法在预测农产品价格短期波动存在不足等状况,本文将混沌理论和神经网络技术应用到农产品价格短期预测研究中,充分利用相关技术优势,设计了动态混沌神经网络时间序列预测模型.在此基础上,选取2008年1月21日-2012年7月1日的中国马铃薯日度价格为研究对象,对所构建的动态混沌神经网络时间序列预测模型进行学习、训练和测试,并用统计分析方法对模型性能进行评价与分析,最后,将所构建模型的预测结果与传统预测方法预测出的结果进行比较研究.结果显示:整个动态混沌神经网络结构为27-12-1,所设计的基于动态混沌神经网络的马铃薯价格时间序列预测模型在预测精度和性能上较ARMA模型均具有明显优势,这一预测模型在农产品价格时间序列短期预测研究上将具有广阔的应用前景.     

中国制造业成本竞争优势——基于ARIMA与PSONN组合模型的预测分析

提出了一个基于单整自回归移动平均模型(ARIMA)与神经网络模型(PSONN)的成本竞争优势预测模型。将成本竞争优势序列分解成线性结构序列以及非线性结构残差序列,前者用ARIMA模型来预测,残差部分用PSONN模型来进行非线性预测。预测结果表明,组合模型的预测精度显著高于单个线性或非线性模型的预测结果,同时结果也表明了中国制造业在未来八年内仍然保有成本竞争优势,但是来自生产效率方面的贡献在降低,提示制造业需从单纯强调劳动力成本的发展模式过渡到以提高劳动生产率为重心的道路上,采用"适度增长"的劳动力成本与"高速增长"的劳动生产率相结合的发展模式。     

汽车零部件第三方物流仓储需求量集成预测模型

考虑到汽车零部件第三方物流企业仓储需求量的预测精度受众多非线性、不可量化的不确定因素的影响,提出一种将定量预测与定性预测相结合的集成预测模型(SIF)。SIF模型中,用RBF神经网络模型预测复杂非线性波动趋势;为补足RBF模型的若干问题,用ARIMA模型预测在库量的季节性趋势,用定性预测模型解决难以量化的外部因素的变动对需求量的影响问题。最后,将三部分结果动态叠加作为SIF模型的输出。实例分析结果表明:与各单一模型、ARIMA与RBF的组合模型相比,SIF模型具有更高的预测精度和稳定性。研究表明了SIF模型对于第三方仓储物流需求量预测的有效性和适用性。     

基于TVS-HAR模型的农产品期货市场已实现波动率的预测研究

本文以4种农产品期货的高频数据为样本,在实证考察预测因子对农产品期货已实现波动率的预测能力基础上,通过假定时变HAR模型的参数遵循独立正态-伽马自回归过程先验分布,构建了具有时变稀疏度的HAR模型(TVS-HAR),以同时考虑预测模型参数的时变性和预测模型的时变性,并采用MCS检验评价和比较该模型和其他HAR族模型的样本外预测性能.实证结果表明:TVS-HAR模型能较好地识别和拟合潜在预测因子对农产品期货市场波动率的预测的重要性和影响程度的时变性;跳跃成分对我国农产品期货市场已实现波动率具有一定的预测能力;相对于其他几类HAR模型,TVS-HAR模型的预测性能最好.     

基于奇异谱分析的我国航空客运量集成预测模型

针对时间序列包含噪声以及单一模型可能存在预测表现不稳定的问题,本文提出了一个基于奇异谱分析(SSA)的集成预测模型,并将其运用于我国年度航空客运量的预测中.首先,采用SSA方法对原始时间序列进行分解和重构,得到一个剔除噪声的时间序列,然后将其作为单整自回归移动平均模型(ARIMA)、支持向量回归模型(SVR)、Holt-Winters方法(HW)等单一模型的输入并进行预测,接着再采用加权平均集成预测方法(WA)将三种单一模型的预测结果进行综合集成.通过与各单一模型、基于经验模态分解方法(EMD)的模型以及简单平均集成预测方法(SA)的预测结果进行对比发现,本文所建模型具有较高的预测精度和较稳定的预测表现.最后,采用本文的模型对我国2014-2016年年度航空客运量进行了预测.     

基于遗传算法优化支持向量回归机的区域物流需求预测

本文采用支持向量回归机对物流需求进行预测,研究SVR在物流需求预测中的可行性。为了建立有效的SVR模型,SVR参数需要精心设置,针对物流需求非线性的特点,本文首次提出用遗传算法(GA)优化支持向量回归(SVR)机进行预测,采用最优参数构造SVR模型。以1990-2015年广西货运量为时间序列数据,实验结果表明,以平均绝对误差(MAPE)和均方差比值(MSE)为精度检验标准,GA-SVR比ARIMA和灰色预测具有更优的预测效果。     

基于价格浮动模型分析的政府对大宗农产品定价调控政策研究

大宗农产品的价格合理、稳定有利于整个社会的稳定和市场经济的发展,因此,通过对大宗农产品价格浮动模型的分析,给出政府对大宗农产品定价上浮的充分条件、保价的必要条件和与大宗农产品销售价格相关的下调幅度。由此得出了政府采取的对大宗农产品价格上浮、保价以及价格下调时的宏观调控策略建议,这些建议可以使政府对大宗农产品定价调控政策更加合理科学。图1,参5。     

A multiscale modeling approach incorporating ARIMA and anns for financial market volatility forecasting

The financial market volatility forecasting is regarded as a challenging task because of irreg ularity, high fluctuation, and noise. In this study, a multiscale ensemble forecasting model is proposed. The original financial series are decomposed firstly different scale components （i.e., approximation and details） using the maximum overlap discrete wavelet transform （MODWT）. The approximation is pre- dicted by a hybrid forecasting model that combines autoregressive integrated moving average （ARIMA） with feedforward neural network （FNN）. ARIMA model is used to generate a linear forecast, and then FNN is developed as a tool for nonlinear pattern recognition to correct the estimation error in ARIMA forecast. Moreover, details are predicted by Elman neural networks. Three weekly exchange rates data are collected to establish and validate the forecasting model. Empirical results demonstrate consistent better performance of the proposed approach.     

推力轴承油膜瞬态温度的ARIMA模型预测

针对大型推力轴承油膜温度监控这一关键性问题，提出了采用非平稳时间序列ARIMA（p,d,q)模型瞬态温度变化。用一组实测温度变化曲线证明了用ARIMA模型描述油膜温度的适用发性，最后用了校正递推处来实时预测将来时刻油膜温度变化趋势。     

“随行就市,保底收购”还是“土地入股”?——农户加盟农业组织模式的两难抉择

针对现实中农户面临着农业加盟模式选择困难的问题,在市场价格和市场需求双重不确定的基础上,本文构建了"公司+农户"型农产品供应链模型,对比分析了农户在两种农业加盟模式"随行就市,保底收购"和"土地入股"下的最优决策行为.研究发现,当市场规模很大时,农户应选择"土地入股"模式;当市场规模较小时,农户的加盟模式选择与市场需求不确定性有关及订单价格、基本工资、土地分红比例等因素有密切关系.     

多级价格折扣下基于损耗控制的生鲜农产品EOQ模型

生鲜农产品在理论上作为单独类别的相关研究还处在起步阶段.针对当前生鲜农产品严重的流通损耗问题, 将新鲜度进行量化,建立了考虑新鲜度的变质库存模型; 以控制损耗为目的,研究了弹性需求下零售商提供多级价格折扣的生鲜农产品订货策略.结论表明, 控制损耗有利于节约社会资源和提高零售商的利润水平,但是零售商没有动力控制折扣销售时段的损耗.为此尚需借助政府管制的权威力量,建议由监管部门统一辖区内生鲜农产品的初始定价以激励零售商控制损耗.     

基于I-GM(0,N)模型的干线客机价格预测方法

针对概念设计阶段干线客机相关信息难以获取的特点, 利用整机价格与性能参数的相关性和 利用灰关联分析筛选出了影响飞机价格的关键性能参数; 通过确定排序基准序列, 建立了基于特征序列内部空穴点预测的I-GM(0, N)模型. 在案例分析中利用该模型对我国X型新研干线客机的目录价格进行预测, 并对各现役干线客机的目录价格进行模拟. 误差分析和精度检验证明模型的模拟结果较好, 并可以预见模型对我国X型客机的目录价格能够进行较为准确的预测, 是一种概念设计阶段较为实用的干线客机价格预测方法.     

“公司+农户”型订单农业供应链的Nash协商模型

研究了一类由农户与公司构成的“公司+农户”型订单农业经营模式下的农产品供应链,其中农户在考虑产出不确定性以及订单价格的基础上确定农产品的生产量,公司拥有农产品的批发定价权,并在产出与需求双重不确定性情形下确定农产品的订单价格和零售价格. 对比分析了供应链集中决策与分散决策下公司和农户的最优决策行为. 研究结果表明,在订单农业经营模式下公司可以通过主导地位从中获取绝大部分的收益,而且实践中普遍存在的“保底收购,随行就市”价格机制无法防止公司在市场行情不好时的机会主义行为. 为此,引入一种基于Nash协商的收益共享契约机制来协调公司与农户之间的利益. 实施该契约机制不仅可以实现“公司+农户”型订单农业供应链的完美协调,还能带来社会福利的增加.     

基于TEI@I方法论的通货膨胀问题分析与预测

基于TEI@I方法论提出了通货膨胀预测的研究框架.首先对通货膨胀的相关影响因素进行了分析,然后建立了因子预测模型、ARIMA模型、向量自回归模型以及马尔可夫状态转移模型,并分别进行了预测.然后采用Boostrap方法进行了集成,得到了每种预测方法的权重,并利用载止2007年12月的数据对2008年的月度通货膨胀率进行了集成预测,实证结果表明新的集成方法使预测结果更为稳定.     

考虑天气与努力水平共同影响产量及质量的农产品供应链协调

针对在农产品生产过程中不可控天气与可控的生产商努力水平同时影响产量及质量的问题, 建立了考虑天气与努力水平影响的农产品供应链随机利润模型, 分析了不利天气对生产商与销售商最优决策的影响, 比较分析了集中式与分散式决策下的最优决策, 进而设计了一种与天气指数相关的"风险分担+回购"的组合式契约. 研究表明: 不利天气降低了生产商的努力水平, 而不利天气对销售商所决策零售价格的影响是由不利天气对产量及质量影响的综合效应来确定的. 此外, 分散式决策下扭曲了努力水平与零售价格并降低了系统利润. 但在所设计的组合式契约下不利天气的影响不会改变农产品供应链的协调状态, 这在一定程度上可保障优质农产品的稳定供应. 最后用数值仿真验证了协调机制的有效性.