乘积季节模型在广西居民消费价格指数预测中的应用

以广西2000年至2013年月度居民消费价格指数为研究对象,利用差分运算剔除季节效应和长期趋势效应,建立乘积季节模型ARIMA,并将拟合值和实际值进行比较。结果表明:该模型拟合值与真实值的绝对误差百分比控制在2%范围内,模型拟合效果较好。最后,利用模型对广西2014年1月至5月居民消费价格指数进行预测,预测结果为政府及相关部门运用宏观调控将物价维持在一个合理水平提供参考。     

一元线性回归模型在经济预测中的应用

一元线性回归模型预测是统计学中回归分析结合预测理论的一种方法,有较强的实用性。首先确定两个经济变量之间是否存在线性相关关系,然后用最小平方法求出回归模型并进行预测,最后计算估计标准误差以确定回归模型的可靠程度。     

我国居民消费水平的中长期预测

根据全国1992－1999年居民消费水平的统计数据，采用灰色系统理论的数据预测及缓冲算子公理，结合定性分析，建立了GM（1，1）模型，预测了我国2000－2005年居民消费水平的发展前景。     

甘肃省经济增长与居民消费价格的均衡分析

近年来我国各个地区的通货膨胀现象有明显加剧的趋势,伴随着经济的高速增长与通货膨胀,本文采用回归分析模型对二者之间的关系进行分析,结果显示,甘肃省居民消费价格指数变化大,经济增长的影响系数为1.945。     

中国城镇居民消费函数的非参数模型

利用2001-01￣2005-11我国城镇居民人均可支配收入与消费性支出的月度数据,建立了我国城镇居民消费的非参数模型,并用不变窗宽的核估计、不变窗宽的局部线性估计、k-近邻估计、正交序列估计以及线性最小二乘估计分别进行了拟合和预测,结果表明:非线性模型优于线性模型;在4种非线性估计方法中,局部线性估计方法优于其它3种估计方法.     

非参数回归模型中方差函数的小波估计

讨论了随机设计变量下,回归模型中方差函数的小波估计问题,构造了方差函数的小波估计、并在一定的条件下证明了该估计是相合估计。     

基于自相关的自回归模型的区间估计

当自回归模型的随机误差项之间存在相关关系时,用普通最小二乘估计自回归模型中的参数将对参数估计式的统计特征、参数显著性检验及预测分析产生不利影响.因此,应采取适当的方法消除自相关的影响.研究了自回归模型消除自相关后的预测区间估计,针对常见的自回归模型,分别求出其相应的预测区间估计公式.     

复发事件下一般混合治愈模型

在复发事件数据的半参数比率模型基础之上,利用调整后的logistic模型回归治愈率部分,提出一类可将一般比率模型包括在内的混合治愈模型,从而刻画协变量对事件复发率的影响.同时给出该模型中未知参数的估计方法,证明这些估计的相合性和渐近正态性.     

多变量滑动平均模型参数估计两段最小二乘法

提出了多变量滑动平均(MA)模型参数估计的两段最小二乘法。第一段将多变量MA模型用高阶多变量自回归(AR)模型近似代替,用多变量递推最小二乘法(MRLS)估计高阶AR模型参数。第二段用最小二乘法解不相容矩阵代数方程组得MA参数估值。同多变量递推增广最小二乘法相比,可提高精度,仿真例子说明了其有效性。     

带线性等式约束的多元线性模型中线性预测的可容许性

研究了在矩阵损失下带线性等式约束条件的多元线性模型中条件线性可预测变量的可容许线性预测,并在齐次线性预测类中得到了条件线性可预测变量的一个线性预测是可容线性预测的若干充要条件.     

基于灰色系统GM（1,1）模型和Verhulst模型的矿石价格预测对比研究

提出矿石价格预测对于矿山企业的重要性,研究矿石价格走势,预测矿石价格.运用灰色系统GM（1,1）模型和Verhulst模型对近十年银矿石年平均价格进行分析预测,分析对比预测结果,得出GM（1,1）比较适用于矿石价格预测,价格相符度比较高,预测结果能为矿山企业和政府提供相对可靠的价格信息来源.     

基于神经网络股票预测的研究

利用股票市场的理论和神经网络的BP算法来预测股票价格.先对股票进行基本面的分析,再对股票进行技术面的分析.运用技术分析的技术指标和神经网络优势,对股票进行大数据量的训练,使得模型可靠,再对股票进行测试.从实验的效果来看,取得令人满意的效果.     

基于双流LSTM神经网络的股价趋势预测

股价波动研究依赖分析金融新闻数据集浅层特征，而忽略了金融新闻句子中单词之间的结构关系，从而导致股价波动预测研究效果不佳。针对该问题，提出了一种基于双流长短时记忆网络（long short term memory network, LSTM）神经网络的股价趋势预测模型（Sent2Vec-DLSTM）。该模型的创新之处在于：提出了基于金融股票新闻数据集和哈佛IV-4情绪词典训练的情感词向量生成模型——Sent2Vec；提出了新型的双流LSTM神经网络（Dual-stream LSTM, DLSTM）。在实验中，首先用标普500指数历史数据以及爬取获得的金融类文章进行标普500指数的趋势预测，然后用VietStock新闻和来自Cophieu68的股票价格数据预测VN指数的变化趋势。结果表明，Sent2Vec-DLSTM相较于现有模型在股价趋势预测中具有更好的效果。     

纵向数据下部分线性单指标模型的变量选择

研究各种复杂数据之间的关系以及研究各种模型中各个有效协变量的选择方法是统计学研究领域的一项重要的工作。针对纵向数据下的部分线性单指标模型,采用对其线性部分参数与单指标部分的参数的估计与变量选择同时进行SCAD、LASSO、ALASSO惩罚的方法。并且在一定的条件下,证明了一些惩罚估计量有Oracle性质,其结果是参数估计的渐进均值、渐进协方差与参数真实值的渐进均值、渐进协方差相同。还利用随机模拟方法,研究了估计的大样本性质,说明所提出的方法对于参数的变量选择是可行的。     

随机局部弹性及其在利润预测中的应用

利用文[1]提出的随机局部弹性理论,针对企业利润预测问题,研究了产品的产销售量和销售价格同时为连续型随机变量时,利润对销售量和销售价格的随机局部弹性．给出了利润弹性的分布函数和概率密度函数,讨论了销售量和销售价格的变化对利润弹性的影响．进一步讨论了利润弹性的经济意义．通过实例研究了当销售量和销售价格服从某种分布时,利润弹性的变化范围及在该变化范围的可信度．     

基于沪深300指数的欧式股指期权定价研究

研究了尚处于仿真模拟交易阶段的沪深300股指期权未来的定价策略.采用具有红利支付的扩展Black-Scholes期权定价模型,并根据金融数据的特点,通过历史波动率法和GARCH模型2种方法,计算出不同波动率下欧式股指期权的价格并与模拟交易数据比较,对其结果进行分析,以期为相关政策的实施提供一些参考.     

基于指数平滑模型的大型开源软件开发成本预测分析

Linux和FreeBSD内核进化有较明显的超线性趋势和内在规律.研究其开发成本是管理软件工程的一项重要的基础性工作,找到一种简易又有足够精度的预测方法,科学地预测分析大型开源软件开发成本,有助于大型开源软件发展.以Linux的 54个内核和FreeBSD的26个内核版本数据作为时间序列 ,用指数平滑模型建模并做出预测 ,将预测结果与最新的Linux和与FreeBSD内核的实际计算结果进行对比,预测结果令人满意,表明该类模型可用于大型开源软件开发成本预测.     

基于人工神经网络的组合预报模型与应用

在研究铜锍吹炼实际生产过程的基础上，综合运用两种结构不同的BP神经网络与经验估算方法，建立了铜锍吹炼造铜期终点的组合预报模型；并采用模糊聚类分析法对神经网络隐含层节点数进行模糊确定，经实践证明，预报结果具有较高精度．能有效地指导生产实践．     

基于BP网络的我国工伤事故死亡率预测模型

应用MATLAB软件的神经网络工具箱建立BP网络模型,通过基于时间序列分析方法对1974～2003年全国工业企业事故死亡率进行预测模型的建立和检验.结果表明,用人工神经网络建立的预测模型预测我国工伤事故死亡率符合度高,效果较好.     

论我国推出股指期货

当前股票市场已发展到一定规模，吸收了众多的投资者和大量的资金，但市场存在着一定的系统风险。推出股指期货有利于完善证券市场，增强竞争力，减少系统风险，稳定股票现货市场。本文就股指期货的概念、推出的必要性和对证券市场的影响等几个方面作了一些探讨。