基金净值预测的灰色——马尔可夫链模型

本文吸取灰色预测方法和马尔可夫预测方法的优点,将两种方法结合起来,建立灰色-马尔可夫预测模型,并选取广发稳健增长一段时期内的基金净值数据作为样本进行预测分析。研究发现,利用灰色—马尔可夫预测模型预测基金净值具有较高的预测精度。     

灰色预测在股票价格中的研究应用

股票价格的预测对于投资者的投资决策有着实质性的影响,因此,通过建立正确的股票预测价格模型对于投资者的投资决策有一定的指导作用。本文运用股票价格的灰色预测方法,并且通过MATLAB程序,研究灰色GM(1,1)模型以及它的修正模型Verhulst模型在股票市场中的应用。在短期内,GM(1,1)模型可以做出股价的预测,但是由于在实际应用中没有考虑到其他因素对于其自身的影响,因此对于长期的股票价格预测,由于其数据变动序列庞大,模型的精度有所降低,而修正的Verhulst模型则更适合研究实际长期股价变化的预测。     

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。     

基于灰色预测的商品房价格影响因素及预测研究

在这篇论文里面分析武汉市09年到15年期间对商品房价格影响的因素时使用的是灰色关联分析方法进行的定量分析。在对未来武汉市商品房价格的情况进行预测的时候使用了G M(1,1)模型,这样有利于政府对房地产市场宏观调控。在这次研究的时候是综合的进行分析,将很多学科的知识融在一起,主张从实践的过程中发现问题,进而进行理论研究,然后再用于实践中进行检验。     

基于灰色理论GM(1,1)的城镇登记失业率预测

本文以2000-2009年的城镇登记失业率为样本数据,利用灰色系统理论中的GM(1,1,)模型对我国城镇登记失业率进行预测,并利用以往数据对预测结果进行评价.     

我国宏观经济指数的构建与预测——基于灰色系统理论

预测我国经济未来发展趋势对维护我国经济的持续发展具有重要意义,本文选取了9个反映宏观经济的相关指标,利用主成分分析法构建我国宏观经济指数。同时,基于灰色系统理论,建立GM(1,1)模型对宏观经济指数进行拟合及预测。结果表明,我国宏观经济指数总体呈持续上升趋势,2008年以前指数较低,之后保持较高水平。此外,预测结果表明宏观经济指数在2019年和2020年会继续保持上升趋势。     

基于灰色预测模型的黑龙江省入境旅游业发展趋势分析

通过适用于短期预测的GM(1,1)模型,对2004~2013年黑龙江省国际旅游客流量和旅游外汇收入进行科学预测,预测具有较好的可信度,为黑龙江省的国际旅游客源市场规划及旅游业的进一步发展提供参考。     

基于GM(1,1)模型的商业银行信用风险预警系统设计

信用风险是其各种风险中最基本的风险,它直接影响着商业银行经营管理和生存发展,各国金融监管当局都非常重视,对商业银行面临的信用风险的监测和预警显得非常重要。本文试图引入一种商业银行信用风险的预警系统,首先从影响商业银行信用风险的各个因素中选取一个理想的监测预警信号,设计出对该预警信号的监测和传导机制,然后介绍灰色理论,并建立起预测信用风险的GM(1,1)模型,最后通过实证方法进行验证,模型的确能较好的实现对信用风险预警信号的监测。     

桂林市入境旅游客流量的预测研究--基于多元线性回归模型与 GM（1，1）的比较

以2005～2012年桂林市入境旅游客流量为研究对象,借助于 MATLAB及 SPSS软件,建立了多元线性回归模型和 GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明：采用 GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

基于GM(1,1)模型的城乡居民基本养老保险参保率测算

本文依据国发〔2014〕8号文件规定,利用统计年鉴数据对2012-2016年城乡居民养老保险缴费人群和领取待遇人群的总参保率进行测算,并结合灰色GM(1,1)模型对未来缴费人群的总参保率进行预测,运用规划求解方法对缴费人群总参保率进行分解得分年龄参保率。研究结果表明:首先,2012-2016年缴费人群总参保率在持续上升,若保持这种参保积极性,那么到2030年符合参保条件的人口可全部参保。其次,2012~2016年领取待遇人群总参保率总体呈上升趋势,2015年略有下降,总参保率平均值达到了96.50%,城乡居民养老保险符合领取待遇条件的人口基本实现全参保。缴费人群分年龄参保率的研究为城乡居民养老保险的人口预测及基金收支测算等提供了研究基础。     

基于灰色GM(1,1)和BP神经网络的房价预测

本文分析了影响房价的多种因素;运用灰色GM(1,1)模型预测这些因素的数据走势,利用BP神经网络以历史数据为依据运用MATLAB进行仿真,得出我国未来五年房价预测值。结果表明,采用神经网络结合灰色GM(1,1)预测而得的各影响因素预测值,预测未来房价,具有很强的实用性。     

开放经济条件下我国游资规模的测算研究

自2005年汇率改革以来,在人民币预期升值驱动下,国际游资大规模流入中国,对我国货币政策的独立性和实施效果产生了较大的冲击和影响。结合Auto-Regressive模型、PLS回归和GM(1,1)模型对2005~2009年的我国国际游资规模进行测算,结果表明,我国的国际游资主要是通过贸易顺差流入我国的,FDI中隐藏的国际游资相对要少很多。测算至2009年底,我国的国际游资规模已经达到了12623.31亿美元。     

我国道路交通事故为何居高不下

第一 ,国民严重缺乏路权观念和安全意识。如果所有跟道路有关系的人的素质不提高 ,道路修得再多再好 ,也无法遏制更多的事故发生。第二 ,随着社会经济活动的日益频繁 ,车的因素在交通事故肇因中比重上升。目前我国道路上行驶的机动车多达七八千种 ,是世界上车型最复杂的国家之一 ,车况良莠不齐 ,大大加剧了我国以混合方式为主的交通的危险性。第三 ,我国道路建设滞后于经济社会的发展。目前我国拥有道路 1 70多万公里 ,排名世界第一位的美国拥有 70 0万公里道路。即使再过 2 0年 ,我国也只能勉强赶上印度的路网水平 ,达到 30 0万公里左右。…     

产品销售预测的数学模型及应用

本文以灰度预测模型GM(1,1)为基础,选择机械零件直柄钻进行销售预测。利用Excel对直柄钻的2008年的月销售量进行统计(见表格1),通过对模型的合理性检验后,建立灰色系统预测模型GM(1,1),得出直柄钻销售预测相对误差为。应用GM(1,1)模型对产品进行短期预测时的相对误差范围均达到要求,说明GM(1,1)模型应用于产品销售预测是可行的。     

产品销售预测的数学模型及应用

本文以灰度预测模型GM(1,1)为基础,选择机械零件直柄钻进行销售预测.利用Excel对直柄钻的2008年的月销售量进行统计(见表格1),通过对模型的合理性检验后,建立灰色系统预测模型GM(1,1),得出直柄钻销售预测相对误差为.应用GM(1,1)模型对产品进行短期预测时的相对误差范围均达到要求,说明GM(1,1)模型应用于产品销售预测是可行的     

基于EGARCH—GED的节日效应变尺度分析

本文采用ARMA(1,1)-EGARCH-GED(1,1)模型,对1992年以来的上证综指数据进行不同时间长度的分析,比较不同时间长度的模型系数的强弱变化,得出假日效应,无论节前还是节后,总体上来说尽管显著的存在,却变弱了,而节前效应中春节、元旦效应趋弱,国庆效应走强,节后效应中春节、国庆效应趋弱。而引入周一、周五和一月效应三种日历效应后,尽管节日效应受到微弱影响,却不改其衰弱趋势,说明市场理性在增强,市场在趋于弱有效。     

基于EGARCH—GED的节日效应变尺度分析

本文采用ARMA(1,1)-EGARCH-GED(1,1)模型,对1992年以来的上证综指数据进行不同时间长度的分析,比较不同时间长度的模型系数的强弱变化,得出假日效应,无论节前还是节后,总体上来说尽管显著的存在,却变弱了,而节前效应中春节、元旦效应趋弱,国庆效应走强,节后效应中春节、国庆效应趋弱。而引入周一、周五和一月效应三种日历效应后,尽管节日效应受到微弱影响,却不改其衰弱趋势,说明市场理性在增强,市场在趋于弱有效。     

基于改进多尺度阈值去噪的人民币汇率实证分析

考虑到金融时间序列中噪声的干扰,有必要在金融建模研究中做适当的去噪处理。不同于传统的小波阈值去噪,本文应用改进的多尺度阈值技术对人民币/美元汇率序列进行去噪处理,并基于不同误差分布情况下综合分析,确定ARMA（1,1）-GARCH（1,1）-T为最佳拟合模型,最终给出预测效果,证实了应用新的多尺度阈值方法去噪后的汇率模型预测精度较高。     

灰色预测系统在经济预测中的应用——基于我国城乡居民恩格尔系数的分析

灰色系统理论是基于关联空间、光滑离散函数等概念定义灰导数与灰微分方程,进而用离散数据列建立微分方程形式的动态模型,这种模型为灰色模型,记为GM（GreyModel）。GM是单数列预测,它不要求大样本容量,也不苛求它的典型分布,而且还具有动态特征。由于这些特点,它被广泛应用于各个领域,拳文将运用灰色预测法对我国城乡居民恩格尔系数进行预测．并分析我国城乡居民消费结构的现状,以及时缩小城;差距提出相应的政策和建议。     

新股申购效应

本文以上证综合指数为例,用ARMA(1,1)-GACH(1,1)模型对2014年新股申购改革以后是否存在新股申购导致申购前指数大跌的效应进行了研究,研究发现中国股市存在新股申购效应。也就是由于新股申购的概率太低,需要冻结大量资金,所以存在申购前存在买股票换取现金的行为,导致指数大跌。具体研究发现,只有申购前T-2日存在正的申购效应,其他日期的日历效应不显著,所以说中国存在新股申购效应。