几种无偏组合预测模型的分析

一、引言 对于同一预测问题,可以建立多个预测模型或由不同专家作出不同的预测。组合预测是以一种简单、实用和有效的方式综合各模型或专家预测的信息,以产生更好的预测效果。Bates和Granger(以下简称B-G)提出的组合预测模型是对可选的多个单项预测模型加权平均。记随机变量y_t的n个单项预测模型为、f_(it),B-G组合预测模型表示为     

基于GMDH组合的四川工业产成品库存预测模型研究

论文对四川省季度工业产成品序列建立GMDH、ARIMA、ARCH模型,然后用GMDH提出新的组合预测模型。对比分析各模型预测结果表明:对单一模型而言,基于GMDH组合的预测模型可进一步提高预测精度。     

基于组合灰色预测模型的物流企业运营成本预测

运营成本预测是物流企业制定企业发展战略的基础。文章基于GM(1,1)模型、Verhulst模型和SCGM(1,1)c模型建立组合灰色预测模型,运用预测有效度方法确定组合预测模型的权重系数,对物流企业运营成本进行预测。选用P物流企业2000—2009年的运营成本实际值作为原始数据,利用各预测模型预测2010—2012年物流企业运营成本。预测结果表明,组合灰色预测模型比单一预测模型具有更高的预测精度。在验证组合灰色预测模型可行性的基础上,进一步预测物流企业2013—2017年运营成本,为成本预测及相关领域提供理论及方法借鉴。     

人工神经网络在经济预测中的应用

研究了人工神经网络在经济预测中的应用问题,探讨了人工神经网络的时间序列预测方法。该方法采用多层前馈神经网络及BP算法,其仿真实现是以MATLAB下神经网络工具箱作为开发工具。文中提出了一种基于BP网络时序预测通用方法,并通过实例验证了该方法的预测精度明显高于灰色系统预测方法。为了消除单一神经网络预测模型的系统偏差,探讨了组合神经网络时序预测方法;并用实例验证了组合神经网络比单一神经网络的预测精度高。     

基于IOWA算子的我国社会消费品零售总额的组合预测

为了准确判断我国的消费形势,选取我国2000-2018年的经济月度数据,首先基于机器学习的方法分别构建随机森林、支持向量机和BP神经网络三个单项预测评价模型对我国社会消费品零售总额进行预测,由于单项预测方法存在自身的优势与限制条件,于是引入了基于误差平方和最小的诱导有序加权算术平均(IOWA)组合预测模型,结果表明:组合预测模型各种预测误差均小于单项预测模型,说明文中构建的IOWA组合预测模型预测性能优越,具有较好的运用前景。     

基于农村物流需求量的组合预测分析

农村物流需求量的预测对于农村物流的发展有重要意义。文章把农村消费品零售总额作为农村物流需求量预测指标．通过分析各影响因素,建立了多元回归、双指数平滑及移动平均单预测模型。根据得出的单项预测误差数据,采用折扣系数法建立组合预测模型,使得组合预测模型预测误差平方和最小。预测能力明显优于单项预测模型。     

关于最优加权组合法测算GDP的探讨

一、最优加权组合法的意义 对于某个经济系统中经济指标的测算,我们通常采用单一的时间序列测算法、回归测算法等.然而,单个测算模型仅包含或体现所研究系统的局部信息,用不同的方法对系统进行拟合,只是各有条件、各有特点、也各有不足,无法描述系统全部的信息和准确反映其发展规律.若将几种测算方法的优势综合起来,组成一个测算模型,就有可能比较合理地描述系统的客观现实.而最优加权组合法就是对多个预测模型进行科学、有效组合的一种方法.     

基于多元变权组合预测模型的物流需求预测

物流需求预测是保障物流服务供给和需求平衡的重要依据,也是现代物流企业发展研究的重点之一.本文应用斜关联度选取地区生产总值、三产增加值、全社会固定资产投资总额、社会消费品总额以及人口数量指标建立多元回归预测模型和多变量灰色预测模型,鉴于单项预测模型的局限性,以绝对误差平方和最小为目标,通过改进变权组合预测方法确定最佳变权系数,构建物流需求的多元变权组合预测模型.结果表明:多元变权组合预测模型预测效果更优,方法在物流需求预测中有较好的效果.     

广义加权对数平均组合预测模型的性质与应用

针对组合预测模型能够充分利用各种单项预测方法提供的信息,从而具有模拟和预测精度较高的优点,研究和探讨了广义加权对数平均组合预测模型的最优化理论基础及其数学性质,在组合预测模型预测值与单项预测方法预测值的P次幂误差平方和最小的基础上建立了广义加权对数平均组合预测模型,并推导出最优权的计算公式。最后通过实例证明了该模型的有效性和实用性。     

基于IOWA算子的灰色—多项式组合模型在武汉市物流需求预测中的应用

针对2002～2009年武汉市物流需求的数据,采用灰色GM 1,1模型和多项式拟合模型两种单项预测模型对数据进行建模预测。并结合组合预测理论,采用基于IOWA算子的组合预测模型进行预测,结果表明基于诱导有序加权平均算子的组合预测模型的预测精度明显高于两种单项预测方法,说明了该方法用于物流需求预测的可行性和有效性,并在此基础上对2010～2012年的武汉市物流需求作出预测。