新能源二甲醚的应用前景展望

文章指出二甲醚作为替代燃料对保护环境和解决能源缺乏具有重要意义,介绍了二甲醚的主要生产方法和国内外生产消费情况,对二甲醚的市场前景进行了预测,重点分析了二甲醚在清洁能源领域的应用前景,到2010年,我国用于替代液化石油气和城市煤气的二甲醚需求量将达约700万t,用于替代柴油的二甲醚需求量约1000万t。最后指出我国二甲醚在替代液化石油气和城市煤气技术上和经济上已经可行,二甲醚作为汽车燃料替代柴油是二甲醚最主要的消费领域,有广阔的发展前景。     

什么影响了证券分析师盈利预测的准确度?——来自中国上市公司的经验证据

证券分析师的盈利预测在我国资本市场中扮演着越来越重要的角色。本文以2004～2006年被分析师预测的A股上市公司为样本,在控制盈余特征、公司规模及性质、行业和年度等因素的基础上,实证检验了机构持股比例和盈余管理动机对证券分析师盈利预测准确度的影响。研究结果显示:被分析公司机构持股比例的提高,将带来盈利预测准确度的提高;而当公司存在巨亏或微利的盈余管理动机时,分析师预测的难度增加,预测准确度降低。此外,分析师关注度及盈余特征对盈利预测也会产生影响。对公司进行跟踪的分析师越多,盈利预测的准确性越高,当公司发生亏损或收益下滑时,盈利预测准确性较差。     

基于熵权灰色组合预测模型的区域能源需求预测研究

本文在充分考虑传统GM(1,1)模型所存在缺陷的基础上,结合灰色预测模型的最新理论成果,提出了基于GM(1,1)模型,新陈代谢模型,离散DGM模型三种灰色预测模型的组合预测模型,采用熵值法来确定组合预测模型中各单项方法的权重,并以湖北省为例,对湖北省2001-2010年能源需求总量进行实证研究,结果表明基于灰色组合预测模型的预测精度明显高于三种单项预测方法的精度,证明了该模型用于区域能源需求预测的科学性和有效性,在此基础上对2011-2015年湖北省能源需求进行了预测。     

基于PDL模型的舰船建造成本预测方法研究

指出物价波动剧烈的经济背景下,静态估算方法在舰船建造成本预测中存在的不足,在分析物价变化对舰船建造成本的影响机理的基础上,引入动态经济分析模型——PDL模型,选取PPI、CPI及其滞后值作为自变量,建立了舰船建造成本的预测模型。以某型舰船的批量建造成本作为数据样本,进行了实例分析,并与静态线性预测模型的分析结果进行对比,结论显示,采用动态经济预测方法能够更加客观的反映舰船建造成本的变化规律,有利于实现对成本的科学预测和精确控制。     

北京市城乡收入差距的预测和成因分析

城乡居民收入差距不断扩大是我国许多省区面临的重要问题,北京市作为全国的政治文化中心,也面临着同样的难题,并且形势不容乐观。本文依据1990-2010年北京市城乡收入数据,运用SPSS回归分析法,对北京市未来几十年的城乡收入状况进行了预测,然后本文结合相关学者的研究,建立了多元线性回归模型,用1990-2010年相关数据,采用逐步回归法进行回归。并在回归结果基础上,给出了缩小城乡居民收入差距的几点建议。     

需求预测模型的应用研究

需求预测是供应链管理中重要的环节,可帮助企业提高客户满意度。文中通过对需求预测模型的研究,阐述了定量预测法的适用范围,结合历史销售数据和预测模型模拟验证,为企业选择适合的预测模型提供方法。     

声誉如何影响证券分析师的预测行为？

声誉被认为是抑制分析师机会主义行为的有效机制.本文选取2003-2012年分析师盈余预测和新财富最佳分析师榜单数据,采用倍差法研究明星分析师上榜前后预测特征变化.实证结果表明,虽然明星分析师上榜前的预测准确性和一贯性均优于非明星分析师,但是上榜后明星分析师的这两个特征却低于非明星分析师.研究结论说明我国的明星分析师上榜后研究质量下滑.本文对进一步完善最佳分析师评选机制提供了经验证据和理论启示.     

江苏省民办高职院校就业状况研究——基于灰色模型和回归模型的比较分析

本文尝试用灰色模型对相对数进行分解运算,并与传统的回归预测方法进行比较。一方面对高职学生的就业率进行预测,另一方面对灰色模型在相对数进行分解预算的准确性进行评价。     

富水岩溶隧道Ⅳ级围岩段涌水及注浆加固圈研究

隧道涌水量预测是确保安全施工的重要环节。文章以某隧道Ⅳ级围岩段为例,展开了富水岩隧道Ⅳ级围岩段涌水预测及注浆加固圈研究。     

Forecasting performances of three automated modelling techniques during the economic crisis 2007–2009

In this work we consider the forecasting of macroeconomic variables during an economic crisis. The focus is on a specific class of models, the so-called single hidden-layer feed-forward autoregressive neural network models. What makes these models interesting in the present context is the fact that they form a class of universal approximators and may be expected to work well during exceptional periods such as major economic crises. Neural network models are often difficult to estimate, and we follow the idea of White (2006) of transforming the specification and nonlinear estimation problem into a linear model selection and estimation problem. To this end, we employ three automatic modelling devices. One of them is White’s QuickNet, but we also consider Autometrics, which is well known to time series econometricians, and the Marginal Bridge Estimator, which is better known to statisticians. The performances of these three model selectors are compared by looking at the accuracy of the forecasts of the estimated neural network models. We apply the neural network model and the three modelling techniques to monthly industrial production and unemployment series from the G7 countries and the four Scandinavian ones, and focus on forecasting during the economic crisis 2007–2009. The forecast accuracy is measured using the root mean square forecast error. Hypothesis testing is also used to compare the performances of the different techniques.