基于支持向量机与BP神经网络的税收收入预测模型

我国的税收体制是一个多种因素构成的复杂动态系统,税收预测的研究对我国经济发展具有重大意义,主要通过逐步回归模型进行变量的选择,进而研究回归型支持向量机与逐步回归模型以及BP神经网络对税收收入预测的模型对比,使用均方误差和平均绝对误差两个指标来分析模型的预测性能,并获得更适合的税收预测方法,为税收分析提供一定的参考。     

基于非节假日Elman神经网络的电力负荷短期预测

为降低节假日对预测工作的影响,将剔除法定节假日后的样本作为预测样本。以最大相对误差、平均绝对误差以及均方根误差作为模型的衡量指标,通过建立广义回归神经网络、小波神经网络与Elman神经网络预测模型对预测样本进行预测,最后仿真结果表明Elman神经网络预测模型能更好地提高预测精度。     

基于GA—BP神经网络模型的期货价格预测与分析

本文选取20091月5日～10月29日的大豆期货主力i1001合约共200个交易数据作为训练数据，10月30日～11月12日的10个数据为测试数据，利用BP神经网络对期货价格建立预测模型，并用遗传算法进行修正，从而实现对大豆期货交易价格的预测分析。结果表明，改进后的GA—BP神经网络模型拟合精度明显高于BP神经网络模型，并对期货价格走势有良好的预测效果，可给期货市场的投资者提供投资建议。此外，利用改进后的模型可对期货市场操纵现象进行预警，对监管者具有一定参考价值。     

组合预测模型在股指短期预测中的应用——以上证综合指数为例的实证分析

本文分析了自回归移动平均模型(ARIMA)与BP神经网络模型在预测方面的特性和模型各自的优缺点,在此基础上尝试建立了ARIMA和BP神经网络的股指组合预测模型。ARIMA与BP神经网络组合使用的基本原理是股指时间序列数据可分解为线性部分和非线性残差部分。本文以上证综合指数为例,首先采用ARIMA预测上证综合指数的线性变化趋势,然后采用BP神经网络对上证综合指数的非线性趋势进行拟合,最后整合两种模型的预测结果。仿真结果表明:组合模型提高了对上证综合指数的预测精度,证实了组合模型在股指预测方面的有效性。     

基于深度学习的期权价格预测研究

期权作为一种高杠杆的金融衍生品,拥有出色的套利和对冲性能。传统的无套利期权定价方法,包括Black-Scholes期权定价模型、Merton模型和Heston模型,他们的诞生均具有严格的假设条件,同时使用随机过程拟合期权价格走势。然而,由于实际期权市场与上述严格的假设条件具有较大差异,因此传统的无套利期权定价方法无法还原实际市场中的期权定价过程。由此,本文着眼于数据驱动方法,采取深度学习算法来模拟期权定价过程。本文选取上证50ETF期权的数据,在传统无套利的Black-Scholes期权定价理论基础上,利用深度学习中的BP神经网络及LSTM神经网络模型对欧式期权定价进行可行性研究。本文建立两个期权价格预测模型,并利用这两个模型分别对期权价格进行预测,用MSE、MAE和R-squared这三个模型评价指标来描述不同模型的预测精度。实证结果表明,LSTM模型的预测精度在预测上证50ETF期权价格时具有显著优势。     

基于BP神经网络的沪深300股指期货价格预测

本文在BP神经网络的基础上,利用沪深300股指期货的每日收盘价,对其价格进行实际模拟和预测。模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对沪深300股指期货市场的预测是可行的。     

BP神经网络、SVM在个人收入预测中的应用

改革开放以来,中国居民收入稳步上涨,但收入差距却越来越大。对于个人收入的分析也成了研究的重点。本文利用matlab R2012a建立了BP神经网络和支持向量机算法模型,得到了两个模型在研究个人收入预测应用中总体预测准确率、均方误差MSE和决定系数R2的值。结果表明,相比于BP神经网络,支持向量机预测准确率更高,模型拟合度更好,具有更好的预测效能。     

神经网络组合预测方法在R&D支出中的应用分析

通过BP和RBF两种神经网络的组合应用,并结合使用Matlab7.0软件提出了一种新的组合预测方法。首先通过采用了两种成熟的预测方法BP和RBF神经网络对R&D经费的支出分别进行预测,然后把所得的预测值再通过三层结构的RBF网络结合Matlab软件进行组合预测,得出最后的预测值再与实际的数据进行比较。从预测结果来看,将该组合预测方法很好的拟合了我国每年R&D经费支出,避免单一预测方法存在的预测精度不高,限定条件过多等问题,有效地提高了预测精度,得出了较为满意的预测结果。     

基于BP神经网络的黄金期货价格预测

本文在BP神经网络的基础上,利用2012年7月26日至2013年5月29日期间黄金期货的每日平均价与每日收盘价,对二者价格进行实际模拟和预测.模拟结果与实际相比,有较高的精度和较为稳定的预测效果,说明BP神经网络对黄金期货市场的预测是可行的.     

基于支持向量机的上证指数预测研究

基于支持向量机的预测模型对上证指数进行预测,并将其预测结果与BP神经网络的预测结果进行对比,其结果表明,支持向量机的预测模型具有较高的拟合和预测精度并优于BP神经网络模型,且支持向量机预测方法计算速度快,准确率高,具有很好的推广应用价值。     

基于BP神经网络的江西省生猪价格波动预警分析

借助多元统计方法识别2000年1月～2016年12月江西省生猪价格波动的成因,选择生猪价格波动率作为警情指标,借助时差相关法,确定风险预警指标,建立BP人工神经网络模型,预警生猪价格波动的风险.结果表明,玉米价格、仔猪价格、猪肉价格、活鸡价格、豆粕价格、生产者预期和疫情为主要警情指标,其中先行性指标是仔猪价格和生产者预期,同步指标是玉米价格、猪肉价格和活鸡价格,豆粕价格和疫情是滞后指标;除个别样本点外,BP神经网络模型输出的生猪价格预警值和实际价格数据比较接近,生猪价格波动风险预警模型具有良好的预警效果.根据不同级别的风险程度提出相应对策建议,以便政府能够根据不同警情采取具有针对性的措施,使生猪生产、市场平稳健康发展.     

随机森林模型在软件企业价值评估中的应用研究

软件企业因其技术更新快、产品附加值高、易存未知性等特点,运用传统的评估方法容易造成其评估值失真。针对软件企业价值评估的难点与重点,文章提出了基于随机森林模型的软件企业价值评估方法,采用平均下降精度、平均下降基尼系数并结合相关系数聚类法构建模型指标体系。使用A股软件企业样本数据进行实证分析。研究得出：随机森林模型的拟合优度为92.7%,拟合效果较好;在重要性分析上,影响软件企业价值最重要的三个因素为研发投入金额、营业总收入增长率和息前税后利润。     

基于SARIMA模型的大连黄瓜月度零售价格预测

根据农产品价格变动非线性、非平稳的特点,选择SARIMA模型,以2005年1月至2010年12月大连黄瓜月度零售价格为样本,对2011年大连黄瓜短期价格变动进行预测。预测结果表明,SARIMA模型预测精度较高,平均绝对百分比误差(MAPE)为6.94%;且精度较为稳定,相对误差的标准差为4.59%。     

基于bp神经网路的我国沪深300股指期货价格预测

本文将首先介绍我国沪深300股指期货的现状以及影响其价格的主要因素,再介绍BP神经网络模型,并运用BP神经网络模型预测我国沪深300股指期货价格的短期走势,最后给出结论和本文的不足之处。     

基于BP神经网络的新建支线机场货邮量综合预测

新建支线机场的货邮量预测对合理规划其航空物流体系具有重要意义。首先分析了支线机场货邮量的影响因素,然后用因子分析法对BP神经网络输入层进行影响因素(指标)进行约简,以减少BP人工神经网络的复杂度,在此基础建立了拟合模型对新建支线机场历史航空货邮量进行拟合,最后建立BP三层神经网络模型对新建机场航空货邮量量进行预测。以江苏省淮安市新建支线机场以例进行实证研究,结果表明该模型有较高精度。     

遗传算法的支持向量机模型在房地产估价中的应用

利用遗传算法对传统的支持向量机进行改进,提出GA—SVM房地产估价模型,并运用到房地产估价的预测中,通过与支持向量机模型、BP神经网络模型和市场比较法的对比研究发现,该方法估价预测精度要明显高于BP神经网络模型和市场分析法,略高于支持向量机模型,所以GA-SVM房地产估价模型更具有推广性,更适合于有限样本的房地产价格估价。     

基于Transformer-LSTM模型的多因素碳排放权交易价格预测

碳排放权交易作为一种重要的环境政策工具在全球范围内得到了广泛应用。如何运用深度学习等技术提高碳排放权价格预测能力是一个重要问题,基于此,提出一种Transformer-LSTM多因素碳排放权交易价格预测的深度学习模型,以湖北省碳排放权交易价格为例,旨在探索运用深度学习的方法,预测湖北省碳排放权交易价格的变动趋势。输入Transformer-LSTM模型进行预测,同时运用支持向量机回归（SVR）、多层感知机（MLP）、长短时记忆网络（LSTM）、Transformer模型进行预测与对比。通过在历史数据上进行训练,实验结果表明,Transformer-LSTM模型得到的预测价格与湖北省碳排放权交易价格（HBEA）的实际价格更为吻合,在平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和评估指标上也有更佳的表现。     

基于神经网络模型的中国农产品物流需求预测

以BP神经网络模型为预测方法,对2003年²012年我国农产品的物流需求进行模拟,并对未来我国农产品的物流需求的情况进行预测。结果显示,由BP神经网络模型模拟的数据精度较高,验证了该方法在数据拟合和预测领域具有较强的实用性。而对于农产品物流需求的预测结果表明,短期内我国农产品物流需求的增长状况仍然是非常可观的。     

基于BP神经网络的P2P网贷信用风险甄别研究——以拍拍贷为实例

本文基于"拍拍贷"网贷平台公布的贷款人违约数据,运用了BP神经网络模型来预测P2P网贷平台贷款人违约率。其模型预测精度达到了99.8%。并且模型得出影响P2P平台借款人是否违约的前十大指标,按照其重要程度分别为:当前到期期数、上次还款本金、当前还款期数、标当前逾期天数、待还本金、我的投资金额、总待还本金、历史成功借款次数、已还利息。同时,通过建立BP神经网络模型,网贷平台可以实现对贷款人信用的评级和违约预测。     

基于BP神经网络的出口产品价格监测预警模型

根据反倾销理论,当出口商品的价格低于其正常价值、进口国同类商品的价格降幅明显且其生产者遭受到严重损失时,进口国政府将进行反倾销诉讼。基于此,以我国出口至美国的棉纱为例,利用BP神经网络建立了出口产品价格监测预警模型,旨在提高我国出口棉纱生产商及政府在面对美国反倾销诉讼或实施贸易保护政策时的反应能力。实验结果显示:该模型具有较高的训练和预测精度,可以起到预警的效果。