应用神经网络进行经济预测方法的改进

应用神经网络进行经济预测已成为经济预测领域的重要手段,本文基于对神经网络经济预测方法的概念、特征、优势的分析,根据神经网络预测方法的特点,本文提出一些改进方法,希望能够推动经济网络预测方法更好应用。     

经济管理中常用预测模型的应用及比较分析

本文研究了经济预测中常用的逐步回归分析模型、偏最小二乘回归分析模型,BP神经网络分析模型,灰色预测GM(1,1)模型和组合预测模型在经济预测中的应用,比较了他们的优缺点,便于管理者在实际应用时对模型进行选择.     

基于小波神经网络的股票价格预测

股票价格是一个与政治,经济等多因素有关的非线性建模问题。本文利用小波神经网络在非线性建模中的收敛迅速等优越性,提出利用小波神经网络预测股票价格的方法。仿真表明该方法可行,预测精度高。     

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。     

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.     

基于遗传算法优化混沌神经网络的股票指数预测

为提高BP神经网络预测模型对混沌时间序列的预测准确性,提出一种基于遗传算法优化BP神经网络的改进混沌时间序列预测方法。本文采用时间序列输入输出参数数量构造BP神经网络拓扑结构,利用遗传算法优化BP神经网络的权值和阈值,然后训练BP神经网络预测模型求得最优解,将该预测方法应用到上证综合指数的时间序列进行有效性验证,结果表明了该方法对上证综合指数具有更好的非线性拟合能力和更高的预测准确性。     

基于神经网络的通货膨胀预测模型研究

本文采用神经网络的方法,利用消费者物价指数、工业增加值和货币供给等数据,分别以BP神经网络、RBF神经网络和Elman神经网络建立通货膨胀预测模型.三个模型预测结果表明,采用神经网络方法建立的模型能够较好地预测通货膨胀的变动.通过比较BP神经网络和Elman神经网络预测结果可以看出,带有反馈机制的神经网络模型预测性能优于一般神经网络模型.     

基于神经网络的股票市场预测

本文将人工神经网络方法引入时间序列预测,针对股票市场这一非线性系统,运用神经网络,在历史数据时间序列的基础上,对股票市场的价格走势进行了理论、方法与模型的研究。本文利用RBF神经网络对上证综指进行了预测研究,获得了较好的预测效果。     

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。     

基于智能神经网络组合预测的国债利率期限结构建模与实证

作为整个经济活动的基准利率,国债的利率期限结构,全面而深刻地影响着市场上其他利率和资产价格的评估。在分析了传统的指数函数回归、BP神经网络单一预测方法的局限性后,本文建立了将不同单一模型的预测值进行集聚处理的神经网络组合预测模型,并对上海证券交易所20个不同待偿期限的国债品种进行预测和方差检验。实证结果表明,神经网络组合预测模型,能够充分吸收各单一预测模型的优点,扬长避短,削弱单一模型的不稳定性,增强预测的准确性、有效性。     

神经网络在钢铁企业质量预测方面的应用

质量问题在当今社会中得到了社会大众的普遍关注,而作为钢铁企业,如何把好质量关成为了亟待解决的重要问题。本文以神经网络在钢铁企业质量预测中的应用为研究内容,分别对数据挖掘、人工神经网络以及BP神经网络在钢铁企业质量预测中的应用做出了分析与探讨。     

基于BP神经网络和相关系数结合的股票价格预测

股票价格预测一直是困扰投资者的难题,为了提高股票价格的预测精度,本文提出一种基于BP神经网络和相关系数结合的股票价格预测方法。从股票数据中选取10个影响股票价格的因素,计算它们与股票价格的相关系数,从中提取关键因素,利用BP神经网络预测未来股票价格。将此方法用于华谊兄弟(300027)预测股票收盘价,结果表明,相对于未提取关键因素的BP神经网络,此方法提高了股票价格的预测精度。     

基于广义回归神经网络的经济预测模型研究

本文利用广义回归神经网络的自学习、自适应和非线性的特点,建立了经济系统的评价指标体系,将经济变量数据归一化处理,然后送入广义回归神经网络(GRNN)中训练,得出相应参数,再对相关经济变量进行预测,经过检验得出了令人满意的结果。     

浅谈现代企业综合经济实力评价方法

本文主要介绍了BP神经网络在现代企业经济实力评价体系中的应用方法和步骤,并介绍了BP神经网络学习算法中MATLAB的实现.     

基于SARIMA-BP神经网络方法的汽车销量预测研究

对汽车销量时间序列的预测方法进行了研究,针对汽车销量影响因素表现出的多样性,应用灰色关联分析法对其进行筛选。针对汽车销量时间序列表现出的线性特征和环境动态变化导致的非线性规律,单一的线性预测方法和非线性预测方法都无法满足时间序列的预测要求。提出了一种SARIMA-BP神经网络预测方法,利用SARIMA方法对时间序列的线性部分进行建模,利用BP神经网络方法对时间序列的非线性部分进行建模。仿真结果表明,SARIMA-BP神经网络方法比单一模型的预测准确率更高。     

基于ARIMA模型和神经网络模型的股票价格预测——以百联集团为例

本文将分别利用时间序列的ARIMA模型和神经网络,对国内零售业"航母"——百联集团旗下的友谊股份(600827.SH)和上海物贸(600822.SH)股票的价格进行预测,并将这两种预测方法进行对比,选择最优的方法进行预测。最后发现ARIMA模型和神经网络的模型预测效果都很好,但是神经网络相对更好。     

基于ANN理论的企业现金流预测模型构建

本文分析了预测现金流对于企业运营的重要性,并在对现金流量预测的传统方法分析基础上,提出了神经网络预测法的适用性。由此建立了神经网络的现金流预测模型,并进行了实证分析。     

三种神经网络对上证指数预测的研究

对金融时间序列的预测在投资决策以及风险规避中具有重要的意义,其中的股票市场走势预测始终是金融市场预测领域的热点和难点。本文通过对BP神经网络、径向基神经网络和小波神经网络的预测效果进行比较,发现BP神经网络在上证指数预测中具有较高的准确性。     

灰色神经网络的建模原理及应用

所谓灰色神经网络就是将灰色系统方法与神经网络方法有机地结合起来,对复杂的不确定性问题进行求解所建立的模型。本文将灰色预测与神经网络预测方法相结合,提出了预测宏观经济指标的新方法,实例表明此种组合模型的精度较高。给出了一般灰色神经网络模型GNNM(1,1),该模型具有灰色系统的少数据建模优点及神经网络的精度可控特性,并给出了相应的学习算法,然后通过示例说明模型的可行性。     

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。