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。     

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。     

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。     

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。     

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。     

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。     

基于机器学习算法的车险索赔概率与累积赔款预测

保险费率厘定的核心工作是对保险损失的预测。在保险损失预测中,广义线性模型是目前使用最为广泛的主流方法,而机器学习算法则提供了一种新的选择。本文将支持向量机、神经网络和集成学习等机器学习算法应用于汽车保险的损失预测,建立了索赔发生概率的预测模型和累积赔款的预测模型,并与传统广义线性模型中的logistic回归模型和伽马回归模型进行了比较。结果表明,机器学习算法的优点是不依赖于分布假设,在一定程度上可以提高保险损失预测的精度,缺陷是比较耗时,建模过程中的人为干预较多,对使用者提出了更高的要求,且输出结果的可解释性不及广义线性模型。机器学习算法与广义线性模型在保险损失预测中各有优缺点,具有互补性,在实际应用中,可以根据不同的场景选择不同的方法。     

产品销售预测的数学模型及应用

企业产品销售量预测技术十分丰富,总体上可分为两类,定性方法和定量方法,本文在分析了各种产品销售量预测模型的基础上,提出了采用灰色系统理论建模的建议,剖析了灰色系统预测模型的基本算法,应用实例验证了模型的有效性。通过建立的模型,我们可以对产品未来的销售数量进行预测,模型的求解利用MATLAB程序求解。最后本文用改进的灰色模型即等维灰度预测模型对产品销量进行了预测。     

基亏灰色理论的区域经济增长预测——吉林省“十二五”经济增长预测的实证研究

采用灰色系统理论中GM（1,1）灰色预测模型对区域经济增长进行实证研究。根据吉林省“十一五”期间的有关统计数据建立灰色动态数列预测模型,并对预测模型进行检验,进而通过建立等维新陈代谢模型对吉林省“十二五”期间经济增长情况进行预测和分析,从预测分析结果得出吉林省经济在“十二五”期间将保持平稳较快发展。     

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。     

基于IOWA算子的我国旅游总收入组合预测

以2000～2010年我国旅游总收入为样本区间,在回归预测、指数预测与二次移动平均预测三种单项预测方法的基础上,以预测误差平方和最小为准则,建立IOWA算子组合预测模型。对该模型的预测有效度进评价结果表明该组合预测模型能有效提高预测精度。     

基于灰色-ARIMA的金融时间序列智能混合预测研究

提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。     

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。     

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。     

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。     

基于数据挖掘方法对商业银行信用卡违约预测模型的研究

本文是基于数据挖掘中的分类预测方法构建商业银行信用卡违约预测模型,借鉴分类预测方法中的判别分析法和logistic回归方法,构建能够预测商业银行信用卡违约模型.通过对商业银行信用卡数据进行分析,判别分析法和logistic回归法构建出的预测模型都具有一定的准确性,能很好地预测商业银行信用卡是否违约.     

基于集成学习的高送转股票研究

高送转预案公告发布前,高送转股票具有显著的累计正收益,因此预测高送转股票对于投资具有重要意义。高送转股票的预测是分类预测问题,本文利用上市公司三季度财报数据,采用3种集成学习算法:由K-近邻算法、决策树以及加lasso惩罚项的逻辑斯蒂回归算法构建预测模型——"组合"模型,经典的集成学习算法——Ada Boost算法以及随机森林算法进行建模。本文采用准确率以及G-mean作为模型评价标准,结果显示:"组合"模型的准确率最高,随机森林和"组合"模型的G-mean表现相当,均优于adaboost算法。由于每年高送转股票所占比例小于50%,数据可以看成是非平衡数据,为了改善"组合"模型较差的召回率,本文采用K-Means聚类的欠抽样方法,将此方法用在"组合"模型上,效果显著。最后分别对上面三种模型预测的股票构建投资组合,并以HS300指数做基准。结果显示:"组合"模型预测得到的高送转股票组合表现优于另外两种集成学习模型。     

灰色系统理论在预应力混凝土连续刚构桥施工控制中的应用

灰色系统理论自1982年问世以来，理论研究与应用都取得了较大的进展，其中GM（1，1）模型是最有代表性且应用最广泛的灰色预测模型。本文以SCGM（1，1）模型为例，编程实现模型的预测功能，论证其在预应力混凝土连续刚构桥梁施工控制中应用的可行性。