基于GMDH的VAR滞后选择方法及实证分析

在VAR的动态模型中，滞后数的选择是成功的关键。对于复杂系统建模，根据GMDH理论的有关数据，用计算机合理地调协变量与滞后变量之间的关系，确定模型的最优动态结构和最优滞后数，以提高预测的准确性。给出了VAR的传统方法与GMDH建模方法，应用经济变量进行实证分析，阐明了GMDH算法的优势在于比传统的方法更完善，预测效果更准确。     

基于混沌优化GMDH网络的灌区地下水水位预测

为预测灌区地下水水位,提出了一种基于混沌优化的GMDH网络预测方法,该方法利用混沌优化算法全局搜索GMDH网络的初始权值,并利用优化后的GMDH网络建立预测模型对灌区地下水埋深进行预测.算例计算结果表明,该方法能加快GMDH网络结构稳定的速度,预测精度较高,可用于对地下水水位的预测.     

基于AR(1)的多个结构突变点的面板单位根检验

讨论了在AR(1)面板数据模型中,其个体效应上存在多个结构突变点的单位根检验问题.首先通过构造虚拟变量建立模型,假设模型中误差项为序列相关,得到模型的单位根检验统计量;然后在时间维度T有限横截面维度N无穷时得到统计量的渐近分布;最后利用蒙特卡洛模拟验证检验结果并进行实证分析,对中原经济区的宏观经济变量GDP进行单位根检验,结果表明考虑两个结构突变点后的GDP数据是平稳的.     

基于修正ICSS算法的时间序列方差结构突变研究

运用修正的ICSS算法研究了上证A股的股票资金流强弱指数方差结构性变点,并对上证A股2003年5月22日至2015年5月22日的日交易数据序列进行检测,得到了23个突变点;根据时间序列分析方法,将所得到的变点作为虚拟变量加入GARCH模型中进行模型分析。结果表明:上证A股资金流强弱指数是平稳的非正态时间序列;未加入方差结构性变点的GARCH(1,1)模型,序列波动具有很强的持续性,加入作为虚拟变量的方差结构性变点的GARCH(1,1)模型拟合效果更好,序列波动持续现象显著减弱,结构突变效应已被虚拟变量所捕获。     

进出口贸易与区域产业结构调整:基于西部12省区的面板数据分析

选取了1996—2011年西部12省区的相关数据,采用个体固定效应面板数据模型,研究了货物进出口贸易对区域产业结构调整的影响效应.结果表明:在短期内,进出口贸易会对非贸易部门产生正向技术溢出效应,推动西部地区产业结构调整,但长期内进出口贸易的促进作用并不显著;国际贸易规则的引入,导致进口部门比出口部门的技术溢出效应更为显著,并影响到第二、第三产业的产值结构.     

基于门控权重单元的多变量时间序列预测

多变量时间序列各变量间依赖性较强,数据变化趋势不明显,预测难度高.传统研究采用带门控机制的循环神经网络及变体进行预测,但序列间存在相互依赖关系,突变数据段建模预测不精确.基于信息熵,本文提出一种新的改进门控权重单元,利用信息熵技术量化数据序列的变化程度,动态调整权重矩阵刻画数据的变化趋势.基于4个公开数据集分别进行实验,实验结果表明新模型比传统循环神经网络模型具有更好的预测性能.     

股指时间序列突变点小波检测研究

预测股指时间序列突变点是在股票市场上进行投资的一个关键问题,而检测突变点是预测的基础.在检测深沪两市股指时间序列月度收益率突变点位置和个数时采用了非参数方法,该方法基于小波数据依赖门限技术.研究显示了运用Lipschitz指数解释的突变点的数学特征.使用的模型证明了小波变换模的极大值能够检测出突变点的位置,实证结果也显示出突变点的位置和个数是精确的.     

一种改进的GMDH算法

传统GMDH算法在进行多变量非线性建模时耗时较长,一定程度上限制了它的应用范围.针对这个问题,提出了一种改进的GMDH算法,扩大了每一个初始输入元素的信息含量,采用随机分组建立中间模型的方式代替原算法枚举出所有两两组合中间模型的方式,减少了中间模型的数量,提高了建模效率.将改进算法应用于中国GDP的趋势预测,结果表明与传统GMDH算法相比,在不牺牲预测精度的情况下,改进算法效率更高.     

基于前视声呐的水下移动障碍物运动参数预测

针对水下未知环境中移动障碍物的运动速度预测,提出一种基于多波束前视声呐预测方法.首先,对多波束前视声呐采集的障碍物三维点云数据进行滤波处理,并采用并行搜索树算法进行数据分块处理以分离出单个障碍物.然后,分别计算声呐每一采样时刻障碍物虚拟质心位置,并修正由无人潜航器船位差所产生的虚拟质心位置变化;建立自适应神经模糊推理系统模型,根据输入的虚拟质心位置依次预测移动障碍物的速度和方向角.最后,进行Matlab仿真实验,仿真结果表明:基于前视声呐探测数据获取的虚拟质心能够准确反映移动障碍物的运动趋势,基于此的自适应神经模糊推理系统能够准确预测移动障碍物的运动参数.     

一种改进的GMDH算法

传统GMDH算法在进行多变量非线性建模时耗时较长,一定程度上限制了它的应用范围.针对这个问题,提出了一种改进的GMDH算法,扩大了每一个初始输入元素的信息含量,采用随机分组建立中间模型的方式代替原算法枚举出所有两两组合中间模型的方式,减少了中间模型的数量,提高了建模效率.将改进算法应用于中国GDP的趋势预测,结果表明与传统GMDH算法相比,在不牺牲预测精度的情况下,改进算法效率更高.     

汇率变动的经济效应

汇率及其变化是人们关注的一个热点.汇率变动对进出口贸易、资本流动、国际贸易关系、经济增长速度、就业水平等都存在影响.     

变系数模型在国际油价预测中的应用

对影响石油价格的间接因素变量采用取对数的方式,建立无季节性与存在季节性虚拟变量的变系数模型。同时利用变系数模型对2001年第一季度到2012年第一季度的西德克萨斯中质原油(WTI)现货价格序列进行预测比较分析。实证结果表明,建立的无季节性虚拟变量的变系数模型能够更有效地预测石油价格序列,同时它的预测效果比直接运用历史数据的效果更好。最后通过拟合优度系数的计算可知对石油价格有影响因素的选择是正确的。     

外商直接投资对我国进出口贸易影响的实证分析

运用协整分析法和Granger因果关系检验,实证研究改革开放以来外商直接投资对我国进出口贸易的影响。协整分析的结果表明,外商直接投资和我国进出口贸易之间存在长期均衡的关系,外商直接投资促进了进出口贸易的发展。由向量误差修正模型可知,外商直接投资和我国进出口贸易之间的关系由短期偏离向长期均衡的调整速度较快。Granger因果关系检验表明,外商直接投资是我国进出口贸易的单向Granger原因。     

中国进出口贸易市场分形特征的实证研究

采用我国进出口贸易的月度数据序列,首次应用R／S分析方法研究我国的进出口贸易,计算得到了Hurst指数．结论表明,我国的进出口贸易市场存在长期记忆性和分形特征,分数维数分别是1．1792和1．5785,这对贸易政策的制定提供了新的启示．     

广东省进出口额关系的实证分析——基于协整理论与误差修正模型

根据协整理论和误差修正模型,对广东省进出口额关系进行实证分析,建立计量经济模型,得到进出口的长期及短期变化关系,研究结果表明：进口对出口起促进作用,当期出口额受前期出口的影响。     

对外贸易是拉动四川省经济增长的强大动力

运用协整理论对四川省1978—2004年GDP与进出口的有关数据进行实证分析,指出大力发展对外贸易是拉动四川省经济增长的强大动力。     

基于灰色-反向传播神经网络的江西省公路货运量预测

鉴于反向传播（Back Propagation,BP）神经网络算法收敛速度慢、局部极小化、结构选择不一的问题,提出结合灰色关联度分析的BP神经网络方法进行公路货运量预测,提高了模型的非线性学习和泛化能力及预测精度。该预测模型以江西省为例,首先利用灰色关联度分析确定预测目标的影响因子;然后,将关联度强的第一产业、第二产业和人均GDP作为公路货运预测模型的自变量,公路货运量和自变量作为训练样本,BP神经网络模型通过正向计算传播,误差反向传播,训练神经网络;最后,该方法应用于江西省公路货运量实际预测中进行有效性验证,结果表明该方法非线性拟合效果较好,具有较高的预测精度。     

基于云模型的厦门保税船用燃油需求短期预测

为了准确预测厦门保税船用燃油需求量,首先,构建厦门保税船用燃油需求云模型,预测供需平衡条件下2020年厦门保税船用燃油需求量。选取外贸集装箱吞吐量、集装箱吞吐量、厦门GDP 3个指标作为输入变量,构建logistic回归预测模型。对厦门保税船用燃油需求量进行预测,将两种模型的预测结果与2020年厦门保税船用燃油实际值进行比较,结果显示,基于云模型的厦门保税船用燃油需求预测比logistic回归预测模型更精确。最后,选择云模型对2021年厦门保税船用燃油需求量进行预测。     

近代广西对外贸易条件分析(1877年～1931年)——基于海关贸易报告的考察

通过对海关原始数据的整理,首次厘清了近代广西对外贸易条件及其变动趋势。其中有9类出口商品占有优势,而绝大部分进口商品更拥有长期的发展性优势;两相作用,直至1915年广西在整个对外贸易中仍处较为有利地位,此后贸易条件则不断恶化。