隐马尔可夫模型在经济预测中的应用

定量预测方法分为因果预测法和时间序列预测法。因果预测法利用预测变量与其他变量之间的因果关系进行预测,时间序列预测法的原理是根据预测变量历史数据的结构推断其未来值。由于时间序列只能描述变量自身序列的结构,但不能描述其他特征,而因果预测法虽能描述某个变量与其他变量之间的因果关系,但缺少描述这一变量自身时间序列结构的功能。因此,笔者提出了一种新的预测方法———基于观测序列为向量的隐马尔可夫模型(HMM),该方法能同时考虑变量自身序列结构以及变量与其他变量之间的因果关系。本文首先介绍了隐马尔可夫基本理论;其次在模型训练、隐状态序列估计的基础上,提出基于HMM预测算法;最后进行了实证研究,其结果也表明该方法的有效性。     

结构时间序列模型在经济预测方面的应用研究

本文开发了一种新的经济时间序列预测方法——利用结构时间序列模型进行预测。在结构时间序列模型中由经济指标分解得到的趋势、循环、季节及不规则因素是不可观测的变量，不能利用传统的回归分析方法求解模型，因此，本文采用状态空间方法来求解结构时间序列模型。本文通过ARIMA模型来研究经济时间序列的结构，在此基础上建立了不同形式的结构时间序列模型，并利用结构时间序列模型对我国社会消费品零售总额、狭义货币供给量(M1)和国内生产总值(GDP)等经济时间序列进行了预测。实证研究表明，结构时间序列模型具有良好的预测效果。从而为经济时间序列预测提供了一种新的有效方法。     

基于先验神经网络的港口物流量对海洋经济增长预测——以浙江省为例

提出了一种基于先验知识神经网络预测模型,分别采用时间序列和多变量建模方法对反映浙江省海洋经济发展水平的各指标进行建模预测,与其他建模方法(如GM(1,1)时间序列模型)相比,有更好的综合性能。最后采用PKNN时间序列模型对2011-2020年浙江省沿海地区海洋经济发展水平进行预测,结果表明预测得到的2015年浙江海洋经济产值接近浙江省规划值。     

股票价格时间序列的隐藏瞬时模式识别方法研究

由于时间序列数据挖掘方法具有刻画和预测所观察事件特征的突出特点,将它运用于股票价格时间序列分析,不仅可以揭示隐藏于股票价格时间序列中的瞬时模式,而且还可以有效预测诸如股票价格急剧变化等高频金融时间序列事件。本文基于时间序列数据挖掘理论与方法的探讨,将其运用于具体的股票价格生成的高频时间序列分析。结果表明,具有统计显著性的、可以刻画和预测事件的隐藏瞬时模式是能够被识别的。     

不动产产权估价理论方法研究

本文首先介绍了不动产估价理论的概况,然后在深入研究现有各种估价理论和方法的基础上提出了新的估价方法：基于模糊层次分析法的估价分析法。     

广西水电设计院第五栋宿舍楼的变形观测与预报

文章研究了利用时间序列分析方法ARMA(P,q)模型建立变形监测分析及预报的方法,并对时间序列分析方法的应用进行初步探讨.同时,在理论研究的基础上,对具体变形点进行时间序列分析,运用3种模型进行变形观测数据的解算预测.     

基于经验模态分解的空气质量指数组合预测方法及应用

空气质量发展趋势的预测对于空气污染问题的防治具有非常重要的意义。因此,本文提出了基于经验模态分解(EMD)的空气质量指数(AQI)的一种组合预测方法。我们首先运用经验模态分解(EMD)的方法对非平稳、非线性且呈剧烈波动的时间序列即AQI原始数据进行多尺度分解。其次,我们分别使用4种常用的单项预测方法:灰色预测(GM)、ARIMA、BP神经网络和支持向量回归(SVR),分别对于分解后的本征模态函数(IMF)序列和趋势序列进行预测,得到单项预测结果。为了提高预测的精度,我们选用平均相对误差(MRE)较小的前三种单项预测方法,并对它们的预测结果进行组合预测。最后,运用熵权法分别计算出IMF序列和趋势序列的组合预测值,并将所有预测值求和得到AQI的最终预测结果。为了评价模型的预测效果,我们选用四种常用误差评价指标,对各个模型的预测结果进行评价比较,而仿真实验的结果表明了本文提出的基于经验模态分解的空气质量指数组合预测方法具有较高的预测精度和良好的适用性。     

基于时间序列的支持向量机在物流预测中的应用

由于物流预测是不确定的、非线性的、动态开放性的复杂大系统，传统方法往往难以准确地描述这种复杂的非线性特征，因而无法准确进行物流预测，本文提出了基于一种基于时间序列的支持向量机(SVM)的物流预测方法。将该方法用于实际物流系统的公路运输量预测中，和真实值比较说明所提出的物流预测方法是可行和有效的。     

离散GM(1,1)直接建模模型及参数估计

针对近似非齐次指数增长序列,借鉴离散化思想,基于原始数据序列与累减数据序列的关系,直接建立原始数据序列间的关系,得到新的GM(1,1)直接建模模型,并利用最小二乘法进行参数估计。通过实例分析比较,新的GM(1,1)直接建模模型的模拟预测精度高达99.99%以上,优于原始的GM(1,1)和GM(1,1)的改进模型,具有一定的理论意义和应用价值。     

基于广域多时间尺度的CVT误差状态预测方法

针对现有电容式电压互感器（CVT）误差状态预测只考虑单一粒度构建时序模型的问题，本文提出了一种基于广域多时间尺度的CVT误差状态预测方法，首先，对CVT运行状态下二次输出数据进行STL时序分解，构建多元时序特征；其次，利用不同时间尺度的分解数据构造多元时间序列预测模型；最后，利用多元时间序列预测模型，实现不停电条件下CVT误差状态的精准预测。仿真数据表明，该方法能准确预测CVT超误差状态，与现有方法相比，验证了该方法的准确性与适用性。     

一种应用BP神经网络的混沌短期电力负荷预报方法

文章结合混沌理论及BP神经网络方法,提出了一种非线性时间序列预测算法。该方法基于相空间重构理论,将单维电力负荷时间序列映射到高维相空间中,并采用BP神经网络作为高维相空间拟合工具,通过算例的验证,证明了该方法具有较高的预测精度。     

基于时间序列分析对矿坑涌水量的区间预测

基于时间序列分析建立了矿坑涌水量的模型,通过误差分析做出区间估计,把预测结果表述为区间形式,并提出了模型相对精度的概念。在桃源煤矿矿坑涌水量的预测中,同自回归模型AR(11)对比,该模型将预测精度分别从3.95%和4.35%提高到1.00%和1.44%。     

经济预测讲座(二)如何利用时间序列分析进行经济预测

一、时间序列分析是经济预测的常用方法 利用时间序列分析的方法,对经济活动进行预测,在我国的预测方法中是应用得比较早,也是比较普遍的方法之一。在统计部门,由于实行定期连续地对社会经济现象进行调查统计的制度,统计基础资料比较系统、完整,所以利用时间序列分析方法进行经济预测,比起其它部门,具有很大优势。什么叫时间序列呢?所谓时间序列就是将表明某种现象的统计指标的统计数字,按照发生时间的先后顺序排列起来所形成的数列。它能反映某种现象发展变化的动态,所以也叫作动态数列。一组时间序列中的各项数字所代表的时间长短、调查统计的总体范围、计算方法和计量单位、指标所反映的质的内容,前后应该一致,即人们常说的统计口径是可比的,这样的时间序列才能用于经济分析和预测。 利用时间序列对经济进行预测,就是利用同一     

时间序列相似性度量方法

本文基于时间序列的相似性度量方法提出了一种新的改进方法PAA_divided+SDTW,针对于原始的DTW度量方法时间复杂度大,计算效率低下的问题,本文采用时间序列建模提取时间序列的特征,基于这些特征进行相似性度量.本文所提出的改进方法在很大程度上降低了时间序列相似性度量的效率,相比于原始的DTW方法的精度有所提高.同时,PAA_divided方法相比于原始的PAA方法的误差更小,更精确地保留了时间序列的本质,对PAA的优化也有一定的借鉴意义.     

波动率预测:GARCH模型与隐含波动率

在预测未来波动率时,究竟是基于历史数据的时间序列模型还是基于期权价格的隐含波动率模型效率更高?本文对香港恒生指数期权市场所含信息的研究发现,在预测期限较短(一周)时,GARCH(1,1)模型所含信息较多,预测能力最强,但在预测较长期限(一个月)时,隐含波动率所含信息较多,预测能力较强。同时,期权市场交易越活跃,所反映的信息就越全面,隐含波动率的预测能力也就越强。     

汇率预测:一个新的非参数支持向量回归方法

本文利用一个新的非参数支持向量回归(SVR)方法来预测基于非线性ARI模型的汇率时序变量,并且与最大似然法(MLE)和人工神经网络(ANN)的预测结果进行比较。从理论上讲,MLE和ANN方法仅侧重于样本内拟合,而SVR方法则同时考虑了拟合和预测,因此,其预测能力在现有方法中是最强大的。本文选择中国、韩国、印度和瑞士四种货币的日汇率来进行预测检验,实证结果支持SVR方法具有最强的预测能力。     

基于相关系数的IOWGA算子区间组合预测方法

各种错综复杂的因素导致数据表现出不确定性,区间型数据为取值在一定边界的现象提供了强有力的分析工具。为提高区间型观测信息的预测精度,本文结合相关系数和诱导有序加权平均(IOWGA)算子给出一类区间值时间序列的组合预测模型。通过最大化实际值和基于IOWGA算子的组合预测值区间中心和半径序列的相似性程度,给出组合预测的一类客观权重信息确定方法。最后,结合实例表明本文所提出的区间型信息组合预测模型能够有效提高预测精度。     

基于业务的资金预测方法研究

目前关于资金预测方面的研究有很多,但大多是一些较为粗放的方法,并且跨越的时段也比较模糊。为了在企业运作中实时准确地预测业务需要的货币量,必须对资金做到精细化管理,本文通过研究近年来的现金预测模型,对以业务为对象的资金预测模型进行了优化,构建了以天为单位的资金预测模型,对现有的资金预测理论和方法进行了补充和完善,并在用友ERP-U872的软件平台上,使用该模型实现了资金预测。研究结果表明,现有的ERP管理平台能够实现以业务为对象的资金预测,并能随时计算指定时段(天)内的资金缺口。     

基于序号总和理论的御河大桥交通量预测研究

为了评价公路网设计的可靠性,提高交通量预测的精确度,以交通工程的基本理论为指导,在大量调查数据的基础上,运用时间序列法的线性、二项式、指数等方法进行交通量预测,得到了相应的预测模型,通过序号总和理论得到了精确度较高的预测模型,并通过预测模型计算出未来特征年的交通量,为交通量的预测研究提供了一种新的研究思路。     

基于人工神经网络的时间序列分析方法在物流需求预测中的应用

当在对物流需求进行预测遇到较大波动的时间序列数据时,传统的以统计学为基础的预测方法在进行预测分析时误差会很大,本文建立了基于人工BP神经网络的预测方法并证明了其有效性。