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.     

基于多分类器动态集成的电信客户流失预测

本文提出了一种新的基于多分类器动态选择与优化集成的电信客户流失预测集成模型.首先使用K均值聚类算法对训练集样本进行分区;然后分别使用Naive-Bayes算法、多层感知机算法和J48算法构建各分区客户流失预测子分类器;最后对各分区子分类器进行线性集成,并使用人工蜂群算法优化其集成权重.当测试样本由聚类算法判断出其归属区域后,再分别使用分区子分类器进行预测,最后使用优化权重进行线性集成.实验结果表明:动态集成模型优于单模型;基于人工蜂群算法优化集成模型优于其它集成模型.     

我国通货膨胀与对外经济的半相依自回归模型的研究

对时间序列提出半相依自回归模型的概念 ,并将其应用于我国通货膨胀与对外经济的预测 .预测结果与自回归模型的预测结果进行了比较 .     

我国猪肉消费需求量集成预测——基于ARIMA、VAR和VEC模型的实证

猪肉消费需求量预测对稳定猪肉消费市场具有重要意义. 通过建立ARIMA、VAR和VEC模型, 利用Granger因果检验筛选出显著影响因素, 分别预测我国猪肉消费量. 最后, 基于动态集成预测方法对三种模型的预测结果进行综合集成. 通过对2009-2011年我国猪肉消费需求量预测, 实证结果表明样本外集成预测精度更高, 更稳定.     

基于GA的GMDH选择性集成及在煤炭价格系统模型中的应用

首先给出了一种通过对样本数据进行惩罚性划分,产生彼此之间具有差异性的GMDH 学习器集合,然后利用遗传算法从已产生的GMDH个体集合中选择最优的个体进行选择性集成的算法,并将该方法应用于煤炭价格系统的实践研究. 结果表明这种采用遗传算法选择性集成惩罚性GMDH个体的算法,与单个GMDH算法和采用遗传算法选择性集成随机性GMDH个体的算法相比,明显提高了模型的泛化能力和稳定性. 该方法很好地给出了煤炭价格系统的模型,能够准确预测煤炭价格的变动趋势.     

基于模型集成的突发事件舆情分析与趋势预测研究

近年来,突发事件发生后,事件演进受网络舆情的影响越来越大,分析突发事件发生后网民情绪并进行预测,可为政府部门的应急管理和策略设计提供有效支撑,赢得宝贵的时间.本文提出了一个基于模型集成的微博情感分析与预测模型,对突发事件微博舆情进行情感分类与趋势预测.为了更准确地分析微博情感与未来走势,首先,利用多模型集成策略对突发事件相关的单条微博进行情感分析;接着,将单条微博情感进行集成,形成微博情感时间序列;再次,利用多模型集成思路对微博情感的未来走势进行预测;最后,通过实例验证提出方法的有效性.实证结果表明,集成模型较传统分类在微博情感分析上具有优势,集成模型较传统回归模型在微博情感走势预测同样具有明显优势,可以取得较高的预测精度.     

基于SVM和灰色预测的飞灰含碳量集成预测

针对电厂飞灰含碳量难以进行有效预测的问题,提出一种嵌套智能集成预测方法.首先,利用变学习率BP神经网络和主成分分析方法对输入变量进行降维处理；其次,为提高模型自适应能力,利用上述分析结果采用在线支持向量机建立飞灰含碳量预测模型；然后,为反映飞灰含碳量数据的时间相关性,采用灰色预测方法建立当前时刻飞灰含碳量预测模型；最后,在上述预测模型的基础上,利用信息熵的权值组合方法获得最终的飞灰含碳量预估值.仿真结果表明,该智能集成预测模型的预测精度要高于单一模型,能对电厂飞灰含碳量进行有效预测.     

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合, 代表性地选择了遗传神经网络模型、 多因素SVM回归模型和ARIMA时间序列模型作为组合预测中的单一模型, 并将单一模型预测结果作为模糊变量进行投资组合优化, 实证结果表明基于集成预测的均值 -方差-熵的投资组合相比其他组合收益率更高, 相对风险更低. 该方法可以用于投资基金管理、 金融风险管理等实际工作中,以便提高决策的科学性.     

我国通货膨胀的混合回归和时间序列模型

回归模型的残差项反映了对被解释变量有影响但未列入解释变量的因素所产生的噪音 ,这部分噪音可由时间序列模型进行拟合 .本文对通货膨胀建立了一个混合回归和时间序列模型 ,并将该模型的预测结果与单纯用回归模型的预测结果进行了比较.     

基于综合集成预测方法的新冠肺炎疫情预测

自2019年12月以来,新冠肺炎(COVID-19)疫情在全球范围内持续扩散,不仅严重危害到世界各国人民的生命健康,对公共医疗卫生体系提出严苛考验,还对经济贸易活动造成了巨大冲击,对国际社会产生了深远影响.一些研究采用数学预测模型对病毒传播和疫情发展进行模拟仿真,以帮助研究人员和政策制定者了解病毒传播机理,采取合理防疫政策进而抑制病毒进一步传播.然而现有研究存在一定局限性,例如方法选择单一、过于依赖模型参数选择、病毒传播与政策调整导致的数据时变性等问题.为解决上述问题,本文提出了基于时变模型平均(TVJMA)、时变参数模型(TVP)、传染病vSIR模型(vSIR)、逻辑回归模型(LR)、多项式回归模型(PNR)、自回归移动平均(ARMA)六种模型方法的综合集成预测框架,对不同地区疫情最为严重的6个国家的累计确诊人数进行预测.结果表明,对于单一预测方法,TVJMA方法表现优于其他五种方法;综合集成预测方法在绝大多数情况下明显优于单一方法,特别是基于误差修正权重的多模型组合预测方法,显著地提高了预测精度.对于不同预测步长,综合集成预测方法具有稳健性.     

岳阳县总体经济计量预测模型及其应用

预测未来,是一个国家,地区或部门在制定中长期发展计划时的主要基础工作。为了制定岳阳县总体经济的“八五”计划和长期发展计划,中南财经大学数量经济研究所和中南工业大学管理工程系两单位九人与岳阳县中长期规划办公室研究人员一起,进行了“岳阳县中长期发展规划”研究。在研究过程中,我们以系统工程科学理论为指导,定性分析与定量方法相结合,运用“高效解”优化理论实现规划方案的遴选。我们认为,为使规划建立在科学的基础上,就必须通过一些模型对未来作出预测。因此,在系统     

一个基于集成情境知识的组合预测方法

根据钱学森定性定量综合集成的系统思想,在TEI@I复杂系统方法论的框架下,提出了一种基于集成情境知识的组合预测方法(CFMIK).该方法用情境知识引导经济预测过程,将一些难以显式出现在预测模型中的影响因素考虑进来,从而能够在一定程度上解决预测结果在发生随机事件冲击时误差较大的难题.以港口集装箱吞吐量预测为例,对比了CFMIK,AFTER组合预测方法和3种单项模型预测方法(ARIMA、BP-ANN和指数平滑法)的表现,结果发现CFMIK的表现显著地优于后4种预测方法.     

基于TEI@I方法论的中国季播电视综艺节目收视率预测

本文以TEI@I方法论为指导,提出了一个季播电视综艺节目收视率预测的研究框架.季播电视综艺节目是中国电视行业近三年发展的新兴趋势,收视率预测研究对于其排编优化和广告资源科学定价具有重要的指导意义.本文在传统数据的基础上,加入了百度指数和新浪微指数,通过建立线性回归模型发现如下规律:首期收视率对后期收视率具有锚定作用;平均收视率呈现逐年下降趋势;每年冬季和每周周五易出现收视高峰;百度指数和新浪微指数与收视率存在显著正相关.除了线性回归模型外,本文还建立了RBF神经网络、支持向量回归模型,并进行了模型集成预测,实证结果表明:加入百度指数和新浪微指数能够提高预测精度,集成模型比单一模型更能有效地预测节目收视率的走势.     

我国通货膨胀率过程区制状态划分与转移分析

利用马尔科夫区制转移模型来具体刻画和分析我国通货膨胀率过程的时间动态轨迹,检验结果表明,我国通货膨胀过程可以划分为"通货膨胀区制"、"通货紧缩区制"和"通货变化适中区制",通货膨胀率过程在不同区制状态下均能够体现出显著的持续性特征.同时发现,我国经济政策操作与通货膨胀率所处区制之间以及经济政策调控与通货膨胀率所处区制的阶段性变迁之间都存在明显的相关性,这意味着在我国存在经济政策对价格水平变化所进行的及时动态干预和宏观调控.     

基于HMM-EGARCH的银行间同业拆放利率市场波动预测研究

针对中国金融市场呈现出的多波动状态的典型事实特征,以上海银行间同业拆放利率(Shibor)市场为研究对象,不仅引入隐马尔可夫模型(hidden Markov model,HMM)对其进行了波动状态预测,而且还引入HMM-EGARCH模型对其波动率进行了预测;最后使用成功率(success rate,SR)与平均绝对误差(mean absolute error,MAE)对预测波动状态进行检验,并且还采用标准统计误差函数对预测波动率进行检验.实证研究表明:高低两种波动状态就能够有效地刻画出Shibor市场的波动状态;HMM模型能够对Shibor市场进行较准确地波动状态预测,且更重要的是,HMM模型对高波动状态预测具有显著的优越性;HMM(2)-EGARCH模型能够有效地对Shibor市场进行波动率预测.     

数据特征驱动的火电产能过剩分解集成预测模型

有机融合数据特征驱动与多模态信息集成建模思想,构建了中国火电行业产能过剩组合预测方法和模型.首先识别火电产能过剩规模时序数据的本质和模式特征,发现其不仅具有非平稳,非线性特征,还呈现高复杂性和突变性;其次采用与数据特征相配的变分模态分解方法将时序数据分解,得到多个分量;然后识别各分量的数据特征,据此选择三次指数平滑-最小二乘支持向量机模型进行预测;最后集成各分量预测结果,得到火电产能过剩规模的最终预测结果.实证检验表明,所构建模型的预测水平精度,方向精度和稳定性均优于目前广泛使用的单一模型和其他组合预测模型.预测结果显示,2020-2022年中国火电产能过剩规模仍处于较高水平,呈先降后升趋势,且体制扭曲仍将是火电产能过剩的决定性因素.     

利率的期限结构与经济增长预期

利率的期限结构是指在某一特定时点不同到期期限利率的集合．经济理论表明利率的期限结构中包含了关于市场对未来利率的预期、货币当局的政策态度、经济增长预期、通货膨胀预期、就业以及经济周期等方面的经济信息．文章根据有关的经济理论研究利率期限结构对未来经济增长的解释和预测能力．实证结果表明，利率期限结构在一定的期间内能够对未来的经济增长做出解释和预测．     

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.     

应用小波理论进行股市预测

应用小波理论提出一种股票市场建模及其预测的方法,以上证综指为例进行了实证研究,并从吸引子结构的观点进一步分析了预测精度提高的原因。采用此方法进行股市预测,首先要应用小波理论对股指收益率序列进行分解,得到低频和高频部分;然后在此基础上作进一步分析,以确定各部分存在混沌特性;再应用混沌理论分别建立低频和高频部分的预测模型,对低频和高频部分进行预测;最后应用小波理论对混沌模型预测的结果予以重构,实现对原始收益率序列的预测。研究结果表明,该方法具有较高的精度,并具有极大的应用前景。