基于BP神经网络算法的粮食最低收购价定价预测

基于BP神经网络进行粮食最低收购定价预测分析。由于没有2016年的相关数据,而要预测2017年的指标数据,单纯的计量经济模型已经无法解决。神经网络是一个智能算法,综合考虑多个影响因素,得到了想要的预测结果。用两种方式进行预测,一方面用时间序列的趋势项作为神经网络的输入,另一方面用上一年度的指标数据以及种植面积数据作为输入,最后输出2017年的最低收购价数据,最后得到小麦和稻谷的最低收购价预测区间分别为[119.515,125.972]和[143.007,153.677]。     

股票收益率预测模型的比较

本文的目的是对ARMA和人工神经网络模型预测股市的能力做比较,在介绍了文中用到的ARMA和人工神经网络模型的理论知识,建模过程,结果检验和预测的方法的基础上,将收益率数据和五个常见的技术指标和我国银行间债券市场7天回购加权平均利率作为神经网络的输入变量,并对模型的预测效果根据它们预测样本,预测范围等进行了对比,结果发现神经网络在输入变量较多时优于ARMA模型。     

自组织FPNN在宏观经济预测中的应用

论文针对经济预测通常表现为复杂的非线性这种特性,提出了一种基于自组织过程神经元网络(FPNN)和改进的BP神经网络建立的经济预测模型方法。自组织过程神经元网络(FPNN)由输入层、竞争层和输出层组成。FPNN筛选出对因变量(网络输出)最有影响作用的变量(自变量)之后作为改进的BP算法网络的输入节点,再用进行学习。该模型不仅克服了时间序列预测模型只能进行线性预测的不足,而且还避免了传统神经网络的固有缺陷。以2001年到2004年国内生产总值作为预测分析样本,并对预测结果和实际值进行了比较分析,结果验证了该方法的有效性。     

我国财政收入影响因素实证分析

财政收入是指政府为履行其职能、实施公共政策和提供公共物品与服务需要而筹集的一切资金的总和。改革开放以来,我国财政收入发生了很大的变化,从1995的6242.20亿元到2014年140370.03亿元,20年扩大了21倍多。为研究影响财政收入增长的主要因素,针对我国财政收入影响因素建立了计量经济模型,并利用E-views软件对收集的数据进行相关回归分析,建立财政收入影响因素更精确的模型,并预测我国财政收入增长趋势。     

福建省财政收入与经济增长关系的实证研究

本文基于1995年～2009年福建省财政收入与经济增长的时间序列数据,运用计量经济学OLS方法对福建省财政收入与经济增长关系进行了实证研究。研究发现:福建省财政收入与经济增长存在协整关系,并且存在财政收入的稳步增加有利于经济增长且经济增长也有利于财政收入的Granger因果关系,最后,针对实证结果提出了加快经济发展、加强税收征管、涵养税源的政策建议。     

基于BP神经网络的中国制造业生产率预测模型——交叉学科在生产物流领域的应用研究

BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程。因此采用三层BP网络实现制造业工业增加值、制造业全社会固定资产投资和工资向全要素生产率的转换,借助MATLAB神经网络工具箱编写了训练程序、测试程序、预测程序,最终神经网络隐层含有13个节点,传递函数采用tansig函数;输出层传递函数选用purelin函数,得到的训练误差为8.44272×10-6,结果满意,可以认为该神经网络可以用来实现这个关系映射,并对2007年全要素生产率进行了预测。     

基于MATLAB的股价预测模型实证分析

从技术分析的角度分析股票市场,采用BP神经网络对股票价格进行预测,提出了将股票市场的基础数据指标和技术指标相结合,作为神经网络输入的候选变量,筛选出影响股票价格涨跌的变量,从而建立起神经网络模型。最后用MATLAB编程手段对沃尔玛公司的交易资料进行实证分析。     

财政收入与区域经济增长关系的实证分析——以上海市为例

财政收入与区域经济增长联系紧密,两者既相互促进同时也会相互制约。上海市作为中国最为发达的城市之一,其经济增长与财政收入一直保持着较为快速的增长劲头。文章所采用的数据是1995年到2013年之间的上海市年度财政收入以及国民生产总值,根据这些数据,采用OLS方法对每一年财政收入与实际的经济增长之间所具有的相关关系做了分析。经过分析发现:对于整个上海市来说,其财政收入和经济增长之间长期存在着一种协整关系,而且在分析当中还发现如果上海市的财政收入有所增加,就会对整个的经济增长产生Grange的因果关系,同时,上海在财政收入方面的增长不仅要受到相关经济因素方面的影响,还要受税收等其他方面的影响。此外,上海的财政收入增长率高于经济增长率。文章最后,针对研究结果提出了相关的建议。     

BP神经网络在贸易引致环境损害预测中的应用研究

贸易增长与环境损害之间的关系是多纬度、错综复杂的,又受到贸易政策、环境政策的影响,使得准确预测贸易引致的环境损害相当困难。在分析贸易与环境问题现状的基础上尝试运用BP神经网络模型从宏观上建立贸易增长与环境损害预测模型,采用MATLAB中神经网络工具箱实现多层前馈BP网络,结果证明所提出的方法成功的将神经网络模型引入贸易与环境问题定量预测研究中,并且得到预期误差范围内的预测结果。神经网络模型应用于中国贸易与环境污染预测的结果表明,该模型具有所需样本少,预测精度较高等优点,为研究贸易引致的环境污染预测提供了新途径。     

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。     

灰色神经网络在股价预测中的应用

本文在深入了解股价的可预测性和研究各种股价预测的方法的基础上,探讨利用BP神经网络和灰色模型进行股价预测。以二者为基础,将BP神经网络和灰色模型预测模型的优点结合,提出灰色神经网络模型。该模型将灰色模型的预测值作为BP神经网络的输入变量,而以实际值作为输出变量对神经网络进行训练。     

基于粒子群神经网络的商业银行流动性风险预测

在分析我国商业银行流动性特征的基础上,采用粒子群神经网络建立一个风险预测模型,选取主要的流动性指标,将浦东发展银行14年的季度数据作为实证研究的样本,采用粒子群神经网络算法对各指标进行分析并预测。预测结果充分逼近实际的流动性水平,表明这是一种较为理想的流动性风险预测工具。     

灰色关联分析与RBF神经网络在我国棉花价格预测中的应用研究

运用灰色关联分析法对影响棉花价格波动的诸多因素进行分析,筛选出了4个主要的影响因素:国际市场因素、替代品因素、居民消费价格指数和棉花进口量.并以此优化RBF神经网络模型的输入节点,验证了模型对棉花价格预测的精确性.采用2010年1月～2016年4月的月度数据作为网络训练集,将4个主要影响因素作为输入向量,经训练后网络拟合效果较好;以2016年5月～2017年4月共12期数据作为网络测试集,结果表明:模型预测误差为3.11％,预测精度较为理想,泛化能力强,模型能够较好地把握棉花价格变化的本质规律,为准确预测棉花市场价格提供参考.     

基于投资者行为参数的股票指数广义回归神经网络预测模型

在运用神经网络模型对股票价格进行短期预测时,一般的神经网络预测模型都是以价格的时间序列滞后作为输入变量,但是由于影响价格的因素错综复杂,很多因素无法准确测量,而且市场信息的噪音太大,因此预测效果往往不太理想,于是如何选择有效的输入变量就成为一个困扰这项研究的难题。     

基于BP神经网络的北京市物流需求预测

随着物流在国民经济中重要性的提高,对于物流需求的准确预测成了物流发展规划中重要的一部分。选取了对物流需求影响较大的七个指标构建了一个三层的神经网络,对2006-2015年北京市的物流需求进行了预测。结果表明BP神经网络模型的预测结果比回归分析预测结果更好,且相对预测误差不超过0.05。     

固定资产投资与GDP、财政收入

固定资产投资在完善我国市场经济体制、推动产业结构转型和促进经济增长方面扮演着重要的角色。本文运用多元线性回归模型，研究GDP、财政收入对固定资产投资变化趋势的影响，并对模型进行了修正和预测，模型回归结果表明， GDP、财政收入对固定资产投资的影响均显著。     

基于BP神经网络的农村人均生活消费预测

居民消费增长是影响我国经济快速、可持续增长的重要因素,而农村居民数占人口总数的一半,准确可靠的对农村居民人均生活消费支出进行预测可为政府制定新的发展战略提供重要依据。因此,对农村居民的生活消费支出进行预测,可以最大满足农村居民的生活消费需求,提高生活质量。关于居民生活消费预测的方法有很多,但是有些方法预测精度较低。基于居民生活消费和神经网络模型应用相关文献,运用Mat l ab技术的BP神经网络对农村居民的人均消费支出进行分析,结合数据拟合和精度检验,对农村居民未来三年的生活消费支出进行预测。预测结果表明,这种方法具有较高的预测精度,该模型在生活消费支出预测中的应用是可行有效的。     

中国经济增长预测研究——基于BP神经网络与多元线性回归比较

本文采用Eviews及MATLAB软件建立多元线性回归模型及BP神经网络模型,探究传统多元线性回归方法与BP神经网络方法预测经济增长过程中的误差大小,为政府引导经济增长提供模型支持。     

国家财政收入增长与体育用品出口贸易的关系研究

本文以2004年1月～2007年2月我国体育用品出口与国家财政收入之间的关系为切入点,运用相关分析、协整技术分析、格兰杰因果关系检验、脉冲响应函数分析及向量误差修正模型等方法,对我国体育用品出口与财政收入增长的关系进行了实证研究。结果表明,我国体育用品出口与财政收入之间存在长期的均衡稳定关系,体育用品出口对国家财政收入的产出弹性为0.68%;体育用品出口的变动是国家财政收入增长变动的因果原因,体育用品出口对财政收入增长具有正向效益,存在一定的长期效应,但短期效应则不明显,而我国财政收入的快速增长却并未对体育用品出口产生长期或短期效果。     

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。