组合预测模型在工业经济预测中的应用

论文研究了工业经济预测问题,以四川省近4年景气调查数据与工业生产、效益统计数据为基础,选取多种数据挖掘算法分别建立各自的经济预测模型,对四川省2006年第4季度的工业产品销售收入指标进行预测,分析了各种预测方法的优劣,并用多元回归方法对几种模型进行拟合,求得最终的组合预测模型。经过实证研究,该组合预测模型取得了令人满意的效果。     

组合预测模型在工业经济预测中的应用

论文研究了工业经济预测问题,以四川省近4年景气调查数据与工业生产、效益统计数据为基础,选取多种数据挖掘算法分别建立各自的经济预测模型,对四川省2006年第4季度的工业产品销售收入指标进行预测,分析了各种预测方法的优劣,并用多元回归方法对几种模型进行拟合,求得最终的组合预测模型.经过实证研究,该组合预测模型取得了令人满意的效果.     

基于ARIMA—SVM组合模型的我国农产品价格预测研究

为准确把握国内农产品价格波动规律,提高农产品价格预测精度,构建农产品价格自回归移动平均与支持向量机（ARIMA—SVM）组合预测模型,以ARIMA模型揭示农产品价格线性变动规律,以SVM模型揭示非线性变动规律,并结合1999—2011年我国农产品价格指数月度数据,使用组合模型和ARIMA、SVM单个模型对农产品价格进行预测。预测结果显示：组合模型比单个ARIMA、SVM模型预测精度高,能够提高农产品价格预测的准确性,是一种有效的农产品价格预测模型。     

组合预测模型在货运量预测中的应用

本文对灰色预测模型和ARIMA预测模型进行组合,建立了组合模型,并应用于货运量的预测,实证预测表明,组合模型的预测精度优于单一的预测模型,预测结果与实际货运量拟合较好。     

基于时间序列模型的农产品市场价格短期预测研究

为了对农产品市场价格波动的进一步了解,及早采取措施应对价格波动频繁带来的一系列不利影响,有效指导农民把握时机增收增产,本文以全国黄瓜月度批发市场价格为预测目标,综合利用季节虚拟变量法、CensusX12法、ARMA法等建立短期预测模型,并根据模型预测误差大小赋予不同的权重值来建立这三个不同短期预测模型的组合预测,运用组合模型对农产品价格做出合理预测。实证分析结果表明：组合模型能够从一定程度上减小预测误差提高模型的预测精度。总体上随着预测周期变长精度下降。在2009年的评估预测中,所建立的3个单一短期预测模型平均绝对误差百分比（MAPE）分别为13.53％,11.77％和11.07％,ARMA法建立的短期预测模型精度最高。在实证分析的基础上,采用组合预测方法对2012年7月到11月这五个月的黄瓜价格进行了预测,并将预测值与收集到的实际值做了对比,结果表明,除了8月的预测误差较大为33％外．其余各个月的误差均不超过10％,预测结果较为理想。     

国债风险溢价预测模型在债券投资中的应用

本文以利率期限结构信息为解释变量,对中期国债的风险溢价建立预测模型.回归结果显示,利率期限结构的斜率因子和曲度因子对中期国债的月度风险溢价具有显著的预测能力.利用该预测模型建立的模拟债券组合,与市场指数及债券型基金相比,取得了较好的业绩表现.     

销售组合预测模型构建及实证分析

预测销售是企业确保销售指标制定的先决条件,准确的销售预测不仅有助于提高企业及其产品的竞争力,减少销售风险,也是企业提高市场应变能力的有效手段。本文构建了组合预测模型,然后运用单项预测模型和组合预测模型对a公司的销售情况进行了预测分析和比较。实践证明,组合预测的预测精度比单项预测更高、可靠性更强是企业制定生产计划和销售计划的科学依据。     

基于灰色-马尔可夫改进的预测模型——以沪深300指数为例

建立灰色GM(1,1)与马尔可夫链的组合预测模型,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型修正数据随机波动所带来的预测误差。以沪深300指数的真实数据进行验证,结果表明:灰色马尔可夫预测模型既能预测随机数据序列的总体趋势,又适应股票价格随机波动性较大的特点,灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。     

基于灰色-马尔可夫改进的预测模型——以沪深300指数为例

建立灰色GM(1,1)与马尔可夫链的组合预测模型,用灰色预测模型预测随机时间序列数据的总体发展趋势,而用马尔可夫链模型修正数据随机波动所带来的预测误差。以沪深300指数的真实数据进行验证,结果表明:灰色马尔可夫预测模型既能预测随机数据序列的总体趋势,又适应股票价格随机波动性较大的特点,灰色马尔可夫预测模型预测精度高于GM(1,1)模型的预测精度。     

财务困境预测模型的实证分析与改进——基于中国上市公司的研究

本文利用2010—2012年沪深两市中被ST的47家公司和47家非ST公司的财务指标,根据中国资本市场的实际状况,构建了一个系数与变量修正后的Z-score模型;然后建立一个以现金流量为基础的财务预警统计模型,共同构建财务困境预测模型组合.实证研究表明:整个预测系统的准确率较高,ST公司在T-2年前被成功预测的概率为82.98%,配合现金流财务预警模型,准确率进一步提升.所以该预测模型组合具有较大的使用和研究价值.     

上海锌期货价格的组合预测分析

本文利用锌期货价格的历史信息和上海锌的现货价、伦敦锌期货价格等分析预测上海锌期货价格。针对单一模型存在预测误差大的问题,本文结合时间序列ARIMA模型、回归模型及组合模型来分析预测锌收盘价,结果发现组合预测模型的精度高于单一模型的分析,即用组合预测模型来预测锌期货价格是一种相对可取的方法,可以为投资者和期货经纪公司提供一定的参考价值。     

基于组合预测模型的我国能源需求预测分析

本文根据预测理论,结合我国历年能源消费的相关数据,分别采用多元线性回归方法、灰色预测、指数模型方法建立我国能源需求的单项预测模型,并对各单项模型的结果进行分析比较和检验,然后采用误差平方和最小法进行权重分配,建立了我国未来能源需求量的组合预测模型,最后,应用该模型对我国未来10年的能源需求量进行预测,结果表明：组合预测的精度要远远优于单项预测;我国未来10年的能源需求仍呈现较快的增长趋势。     

基于灰色支持向量机模型的基金波动率预测

探讨灰色系统与最小二乘支持向量机组合预测模型在波动率上的应用的可行性,通过对灰色模型进行残差修正和背景值修正以及对最小二乘支持向量机进行参数寻优,来提高组合预测模型的预测精度和推广泛化能力。经波动率预测的实证分析得出建立的组合模型比支持向量机模型有较好的预测效果。     

线性组合模型在徐州市能源需求预测中的应用研究

随着经济的快速发展，能源消耗也在不断的上升。在分析徐州市能源消耗的历史数据基础上，建立了徐州市能源消耗的二元线性回归模型和灰色预测模型的组合模型，通过组合模型和线性回归模型、灰色预侧模型的预测应用比较分析，证明组合模型更为精确、有效。结论表明文中提出的组合预测模型可以有效地预测能源消耗从而可以为地方政府制定科学的产业发展政策提供决策依据。     

企业价值评估中的定量预测模型实证分析

在采用收益途径对企业价值评估中，对企业未来发展有关情况进行分析和运用数量模型对其相关参数进行预测不仅是其重要的工作之一，也是该评估方法的技术关键。在该评估方法中，收益额是重要的预测参数之一，对其预测时，需要在定性分析的基础上，采用合适的数量模型分别对其中的收入、成本、费用等内容进行具体测算。常见的计量模型主要有：时间序列模型、单方程回归模型，灰色预测模型，神经网络模型以及组合预测模型等，本文选择其中的时间序列模型（固定时间序列和随机时间序列）、灰色预测模型和神经网络模型分别对某航运公司1994-2008年的收入进行具体预测和检验，并将其各自的预测结果进行分析和比较。     

最优加权组合法在四川省GDP预测中的运用研究

在国民经济发展的过程中,国内生产总值(GDP)是衡量一个国家经济总体经济运行状况的重要指标。GDP预测对国家的经济政策和措施的制定具有战略性意义。单一的GDP预测方法,由于模型本身的特点和适应条件的限制,测算结果只包含了所研究系统的部分信息,无法准确反映系统的全部信息和其真正的发展规律。考虑用最优加权组合法将多个单一模型的优势综合起来,组成一个预测模型,就有可能比较合理地描述系统的整体情况。文章运用最优加权组合预测法对四川省1978—2014年的GDP走势进行预测。预测结合定性、定量方法,考虑采用指数回归方法、时间序列预测方法建立四川省GDP的单一预测模型,运用SPSS,Excel,Eviews等专业软件分别对这两种预测方法进行操作。采用最小二乘法进行权重分配并进行组合预测。结果发现,相对于单一预测模型,组合预测的误差最小,预测结果更可靠。     

小波分析结合ARIMA组合模型的2014~2017年石油贸易量预测研究

选取2002~2013年我国石油进出口贸易量的数据进行建模分析。首先运用小波分析理论将贸易量数据进行分解,识别出数据的主要特征和细节特征,针对不同特征进行识别和平稳性检测和参数估计,建立相应的ARIMA模型,并进行预测加权合成。仿真结果表明,小波分析结合ARIMA组合模型的预测精度远远大于为改进的ARIMA预测模型,从而为科学合理的决策提供更为精确的预测模型。     

基于灰色系统理论的住宅需求预测及政策建议

运用灰色系统理论, 可以对河南省住宅需求量建立GM (1, 1) 预测模型并进行预测,计算结果表明该预测模型具有较好的预测精度.     

基于灰色预测模型的股价预测研究

灰色预测模型是根据灰色系统理论创建的预测方法。利用灰色预测模型对部分股票收盘价进行的实证研究表明，该模型对股票价格预测的准确度较高，可用于股票价格的短期预测。     

高频环境下金融资产收益波动率研究的新进展

金融资产收益的波动率估计和预测是金融风险管理、金融衍生品定价以及投资组合选择中一个非常重要的核心环节,随着高频金融分时数据的广泛采集,高频已实现波动率的方法开始流行,以此为基础,金融资产收益波动率的估计、建模和预测研究大为拓展。从高频已实现波动率的估计、特征、预测模型这几个方面对国内外主要学术文献的研究成果进行综述,期望为该主题的深入研究提供一定的线索。