基于前向滚动EMD技术的预测模型

运用经验模态分解(EMD)、人工神经网络(ANN)和时间序列,基于分解—重构—集成的思想,构建了一个组合预测模型。在模型的构建过程中,提出了对股票指数序列进行逐日前向滚动EMD分解的思路,将分解后的本征模函数(IMF)分量输入神经网络进行组合预测。运用上述基于前向滚动EMD模型分析沪深300指数和澳大利亚指数的波动特点和走势。结果显示:前向滚动EMD模型比ARIMA模型、GARCH模型和BP神经网络模型具有更高的预测精度。     

供给侧结构性改革下僵尸企业处置与退出机制研究

由于产能过剩、经济增长过于依赖房地产行业，中国经济从21世纪初期的高速增长过渡到现在的中速增长。供给侧结构性改革使生产要素得以优化配置，同时调整经济结构以促进经济增长。2008年推出的4万亿经济刺激计划让一些盈利能力差的企业获得了政府贷款。在经济复苏时期，这些企业还能获得一定利润。但是随着新冠疫情、俄乌冲突等国际重大事件的暴发，很多企业出现了经营困难，甚至倒闭。但也有一些僵尸企业靠政府补贴、银行贷款而存活下来，它们占据了社会的一些宝贵资源。如何处置这些僵尸企业以及建立完善僵尸企业的退出机制是研究的内容。