基于组合预测的间断性需求器材预测

为了提高间断性需求装备器材的预测精度,提出一种组合预测模型。该模型从解释变量序列和自相关序列两个方面进行组合预测,对解释变量序列采用Logistic回归模型预测提前期非零需求发生概率,对自相关序列采用Markov过程估计提前期非零需求发生概率,整合两个预测结果得到最终的提前期需求。实验结果表明,该预测模型具有较高的预测精度。     

偏最小二乘回归在刀具磨损试验建模中的应用

应用灰色关联度筛选变量，将样本变量筛选为部分样本变量和全部样本变量组合用于建模的自变量，以刀具后刀面磨损量作为因变量，对不同切削条件下铣削加工过程刀具后刀面磨损的多组实验数据，采用偏最小二乘回归分析方法，建立对所选自变量的偏最小二乘回归模型。结果表明，该方法提取的成分具有线性无关的特点，对刀具磨损有较好的解释能力，且利于建模和预测，同时可以消除输入因素的多重共线性。刀具磨损的回归模型计算出不同切削条件下刀具后刀面的磨损量，以全部样本变量所建立的模型预测效果更为理想。     

区间数据下EV线性回归模型修正的广义最小二乘估计

研究了当响应变量为区间数据时的EV线性回归模型,通过构造区间数据的无偏转换,并对广义最小二乘估计作适当修正,得到了回归参数的估计,在较一般的条件下证明了强相合性和渐近正态性.最后作了若干模拟计算,从模拟的结果发现,利用本文提出的方法所获得的估计具有较高的精度.     

高维稀疏低秩的多目标矩阵回归模型及其组合管理策略

本文通过双因子随机过程表征资产价格的长短期运行趋势，选择具有重要影响力的市场指数构建有效市场组合，采用稀疏低秩的多目标回归方法深度挖掘市场特征，并自适应地捕捉市场趋势，最终利用预配权稀疏分散再优化方法获得矩阵回归的最优投资策略.研究发现高维稀疏低秩策略不仅可以实现全局和局部降维、低秩和稀疏约减的统一，还可以选择性地降低高维资产数目，更好地捕捉资产的非线性特性，更容易抓住资产间的关联关系.多目标稀疏分散回归策略具有集中配置资源、稀疏分散风险和稳定提高投资组合整体绩效的能力，组合管理成本更低，优越性更明显.实证结论对量化投资组合管理、资产配置优化及投资分析具有重要指导意义.     

基于样条变换的非线性PLSR方法及应用

针对样本数据多呈现非线性和小样本的特点,为提高此类样本数据回归预测的有效性和精度,根据偏最小二乘回归(PLSR)方法原理、样务插值原理和拟线性化思想,提出基于三次B样条变换的非线性PLSR模型及其实现方法.分析了进行有效变换和成分提取的条件,给出了应用该方法的具体步骤.最后通过对非线性函数回归预测仿真和军用运输机采购价格回归预测实例,以及与BP神经网络模型结果的比较,表明了该方法的有效性和实用性.     

基于偏最小二乘模型的无人机航材需求预测方法

针对无人机航材存在样本数据量少,影响因素多且复杂多变,以及库存需求预测精度不高等问题,对现有经典小样本下航材需求预测方法进行系统分析,并利用偏最小二乘回归方法在处理小样本数据、变量多重相关性等方面的独特优势,提出了基于偏最小二乘的无人机航材需求预测方法.选取无人机的飞行时间、飞行起落次数、操控人员熟练程度、异常环境温度、异常环境湿度、航材故障率、维修人员技术水平、维修资料等参数,对偏最小二乘法进行原理及模型建模步骤分析,构建了无人机航材需求预测模型,并进行航材影响因素研究.实验结果表明:该模型较其它常用预测模型的精度有所提高,预测结果的平均相对误差绝对值为4.87%,表明该方法可以应用于无人机航材需求预测,能够满足实际需要.     

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.     

滑动窗口二次自回归模型预测混沌时间序列

提出一种新颖的非线性时间序列预测模型,即滑动窗口二次自回归(MWDAR)模型.MWDAR模型使用部分的历史数据及其二次项构造自回归模型.模型参数用线性最小二乘法估计.应用模型进行预测时,预先选定窗口大小以及模型一次项和二次项的阶次.在每个当前时刻,先根据窗口内的数据估计模型参数,然后根据输入向量及模型参数做出预测.这种预测方法不仅适合小数据集的时间序列预测,而且对大数据集具有极高的计算效率.分别用Henon混沌时间序列数据和真实的股票交易数据作了MWDAR方法与局域线性化方法的1步和多步预测对比实验.结果显示MWDAR方法无论在预测精度上,还是在计算效率上都优于局域线性化方法.     

运用重复交易模型编制综合指数中的多重共线性问题:基于参数改进的解决方法

编制综合指数是科学监测现代经济社会发展的重要途径和技术手段.我国的宏观指标以“小样本、短时间”为特征,重复交易模型在其编制综合指数中应用广泛.而在重复交易模型编制综合指数的过程中通常面临严重的多重共线性问题.处理多重共线性的方法有消除解释变量的相关性、扩大样本量避免选择误差、重新确定模型形式和参数改进方法等,前三种在重复交易模型编制综合指数中并不适用.文章以最小二乘估计为基础,从参数改进思路出发,探讨区别于岭回归的处理多重共线性的方法.通过重复交易模型的可估模型,寻找参数的可用估计,为处理其中的多重共线性问题提供新的思路和视角.最后,以2010年至2017年全国科技活动产出综合指数为例,通过足够小的k可行值编制综合指数,并将其与传统岭回归方法、主成分回归方法相比,讨论该方法在处理重复交易模型共线性问题的有效性和适用性,进一步体现本文处理重复交易模型多重共线性方法的应用价值.     

递推加权最小二乘算法的研究

通常在使用递推加权最小二乘算法时,需要设计矩阵列满秩.从极限理论的角度出发,对设计矩阵列不满秩时加权最小二乘估计的递推算法进行了理论证明和分析,得出了在任意第n步,未知参数估计值收敛于由前n组数据所决定的极小范数加权最小二来解,并且此解是唯一的,仿真结果同样验证了该结论的正确性.     

估计GM(1,1)模型参数的一种新方法

考虑到最小二乘法则的不足及背景值参数和边值的影响,提出基于最小一乘准则估计GM(1,1)模型参数,得到新的预测公式,引入粒子群算法直接求解最小一乘问题即可得到模型参数,简化了以往改进模型的二次求解过程.数值计算结果表明,基于粒子群算法及最小一乘准则估计灰色模型参数,对于平稳或非平稳序列,都具有较高的拟合与预测精度.     

基于非线性倍差法的个体处理效应估计与应用

本文考虑了在带有协变量的非线性倍差法模型框架以及新的识别条件下,个体处理效应的估计问题.为了正确识别个体处理效应,假设在没有政策干预的情况下,控制组和处理组潜在结果变量的条件分布函数在两期内具有相同的变化,并且个体在接受处理或不接受处理的情况下,所对应的潜在结果变量的条件秩不变.基于所提出的模型和假设,发展了一种个体处理效应的估计方法.数值模拟结果表明所提出的估计量具有良好的有限样本性质.最后,所提出的模型和方法被应用于分析美国最低工资法案的实施对各县失业率的影响.     

估计Verhulst 模型中参数的线性规划方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘准则,而在模型精度检验时又经常采用平均相对误差.本文主要在平均相对误差达到最小准则或最大相对误差达到最小准则下,阐明了Verhulst模型中参数估计问题可转化为线性规划问题,可以利用线性规划方法估计Verhulst模型中的参数.实际应用表明本文的方法是可行的且有效的,比传统方法预测精度高.     

基于多支持向量机的软测量模型

在许多工业过程控制系统中，软测量技术由于解决了输出变量难以测量的问题而被广泛应用。软测量技术的核心问题是建立优良的软测量数学模型，支持向量机（SVM）以其优良的泛化特性而被应用到建立软测量模型中。基于多个模型的组合可以提高模型精度和鲁棒性的思想，提出多支持向量机（MSVM）组合模型的软测量建模方法．该建模方法通过减聚类方法将输入空间划分为一些小的局部空间．在每个局部空间中用最小二乘支持向量机（LS-SVM）建立子模型．为解决子模型相互之间的严重相关问题，提高模型的精度和鲁棒性，各个子模型的预测输出通过主元递归（PCR）方法连接．仿真研究表明，采用该建模方法能够达到较好的建模效果。     

基于最小一乘准则下利率期限结构拟合中的节点选择

将稳健的最小一乘准则引入到三次样条函数中,利用最小一乘准则下的变量选择方法确定样条函数节点的数量和位置,从而构建模型,拟合上海证券交易所交易的国债利率期限结构。样本外预测结果显示,与传统的方法相比,新方法可以有效地增加估计的稳健性,提高预测的精度,增强期限结构定价的准确度。     

基于EMD-PSR-LSSVM的城市燃气管网短期负荷预测

城市燃气管网短期负荷预测对燃气调度系统的安全与稳定具有重要意义. 为了提高城市燃气管网短期负荷预测精度,建立了基于经验模态分解(EMD)-相空间重构(PSR)-最小二乘支持向量机(LSSVM)的组合预测模型. 首先,运用EMD算法把原始非线性时间序列分解为互不耦合的模态分量,并采用PSR算法确定LSSVM建模中各个分量的输入输出结构; 其次,运用PSO算法对LSSVM建模中的参数进行优化,使用训练好的LSSVM模型对各个IMF分量进行回归预测; 最后运用该组合模型对郑州市燃气管网负荷进行短期预测.结果表明:与LSSVM回归预测和BP神经网络预测模型相比,本文提出的组合模型的预测精度更高,是一种更为有效的城市燃气管网短期负荷预测方法.     

基于有理插值函数的利率期限结构模型

本文基于重心权有理插值函数,提出了一种新的利率期限结构静态估计模型,并给出一整套建模过程(包括基函数的构造、参数估计、节点选择、模型预测等).与传统的样条方法相比,本文提出的模型具有以下四个方面的优势:拟合的利率曲线光滑性更好;模型计算复杂度较低;参数估计存在明确的经济意义;模型的预测精度更高.最后,将该模型应用于上海证券交易所交易的国债利率期限结构研究,结果显示:模型在结构分析、计算复杂度、预测能力及经济内涵等方面均优于传统模型,能够有效提高国债利率期限结构拟合与定价的准确性.     

基于偏最小二乘回归分析的我国地区住房价格差异的实证研究

运用加权变异系数衡量了我国地区住房价格差异程度,应用灰色关联度筛选解释影响我国地区住房价格差异的变量,并以2007年地区横截面数据为依据,采用偏最小二乘回归分析方法,建立了对所选变量的偏最小二乘回归模型.结果表明,1998～2007年,我国住房价格地区差异较大,用偏最小二乘回归方法提取的成分具有线性无关的特点,对我国地...     

半参数STAR模型的估计及应用

文中首次提出了一个新的STAR模型,在保留了转换函数的前提下,让转换变量以非参数的形式进入转换函数,从而有效减少了模型误设的风险,提高了样本内拟合和样本外预测的能力.蒙特卡罗实验的结果显示半参数STAR模型的有限样本拟合结果令人满意.利用1994年1月到2012年7月的人民币实际有效汇率月度数据,将半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力进行比较,结果显示半参数STAR模型在样本外预测能力上具有显著优势.     

半参数STAR模型的估计及应用

文中首次提出了一个新的STAR模型,在保留了转换函数的前提下,让转换变量以非参数的形式进入转换函数,从而有效减少了模型误设的风险,提高了样本内拟合和样本外预测的能力. 蒙特卡罗实验的结果显示半参数STAR模型的有限样本拟合结果令人满意. 利用1994年1月到2012年7月的人民币实际有效汇率月度数据,将半参数STAR模型和随机游走模型、自回归模型、门限自回归模型、平滑转换自回归模型和人工神经网络模型的样本外预测能力进行比较,结果显示半参数STAR模型在样本外预测能力上具有显著优势.