基于自组织方法的税收收入组合预测模型

自组织理论是基于神经网络和计算机科学的迅速发展而产生和发展起来的。它将黑箱思想、生物神经元方法、归纳法、概率论、数理逻辑等方法有机地组合起来。其主要思想是通过简单的初始输入（局部变量）的交叉组合产生第一代中间候选模型,再从第一代中间候选模型中选出最优的若干项组合而产生第二代中间候选模型,重复这样一个产生、选择和遗传进化过程,使模型复杂度不断增加,直到选出最优复杂度模型为止。本文利用自组织方法进行数据筛选和建立税收预测模型,并在数据筛选基础上建立线性回归预测模型和BP神经网络预测模型,然后结合时间序列的预测模型,利用自组织方法建立组合预测模型。通过预测结果比较得出了组合预测模型比其它单个模型具有更高的预测精度。     

基于人工神经网络的贵州省用电量预测

文章利用人工神经网络对贵州省月度用电量数据进行分析,使用递增窗口交叉验证和网格调参选择最优参数,对贵州省用电量数据进行预测;以支持向量机及ARIMA模型作为基准模型对模型预测效果进行对比分析。结果表明:(1)利用独热编码量化用电量时间序列特征可有效提高预测精度;(2)人工神经网络对用电量数据的预测效果优于支持向量机和ARIMA模型;(3)含3个隐藏层的人工神经网络预测效果优于单隐藏层人工神经网络预测效果。     

基于灰色残差模型的中国税收收入预测

税收是国家财政收入的重要来源,准确的税收预测结果对于制定各项经济政策具有非常重要的意义。为提高中国税收收入的预测精度,适应资源配置、收入再分配和宏观经济调控的需求,在传统灰色预测技术的基础上,建立了残差灰色预测模型,并通过实例分析验证了该模型的实用性和精确性。     

自回归单整移动平均模型在财政支出预测中的应用

财政支出是一个地区或国家经济指标体系中的一个核心指标,它能综合反映经济活动总量和衡量一个地区或国家的工业经济发展水平。对财政支出进行定量分析并对其做出较为准确的预测则可以为相关部门或者企业制定发展规划、实施相关措施提供可靠的理论预测参考。通过财政支出规模和结构的预测,有利于指导未来财政支出结构优化工作的进行,同时建立财政支出结构预警体系,对于财政支出结构中出现异常波动的部分进行重点关注。本文是对财政支出预测理论和途径的一种探索,引入自回归单整移动平均模型,在模型的进一步使用中还需注意其他影响因素的出现,如经济波动、财政政策的大幅度调整等,未来还需要引入相关的要素对财政支出预算模型和理论进行不断完善。     

基于自回归滑动平均模型的我国历年外汇储备的BJ建模与预测

外汇储备是一个国家国际清偿能力的重要组成部分,它对平衡国际收支、稳定汇率有重要的影响。本文首先介绍自回归滑动平均模型和BJ建模方法,并基于自回归滑动平均模型对我国1981年-2009年的外汇储备进行建模与预测。     

基于小波神经网络的Shibor预测

上海银行间同业拆放利率（Shibor）的推出是中国利率市场化重要的一步。通过分别建立小波神经网络和回归时间序列组合模型预测2周品种Shibor并作对比分析,结果表明小波神经网络的拟合和预测精度较高,具有一定的科学性和实用性。     

汇改后人民币汇率波动的非线性特征研究——基于门限自回归TAR模型

文章对自2005年7月人民币汇率制度改革至2008年1月31日的人民币对美元名义汇率波动进行了计量研究,通过建立基于不同时间段汇率数据的门限自回归模型(TAR)可以看到,两年多来的人民币汇率波动存在门限的非线性特征,当升值幅度较大,即大于一定的门限值时,升值的冲击显示出更持久的延续性,体现出了升值预期的作用和升值不断加速的趋势.     

基于ARIMA模型的黄金价格短期分析预测

2008年国际金融危机以来,国际黄金价格呈现了V型反转走势,已创下每盎司1400美元的历史最高纪录。黄金价格一路走强,对国家、企业、个人的投资决策都将产生深远影响。本文以1973年1月—2010年11月伦敦现货黄金月度价格为依据,通过建立ARIMA模型,对2011上半年的黄金价格走势进行预测分析,并得出短期内国际黄金价格将继续上涨的结论,为我国调整外汇储备结构、增加黄金储备提供了政策依据。     

中国能源需求向量自回归模型的建立与分析

随着我国经济的快速发展,对能源需求日益增加,在未来一段时期内,如何科学地预测我国能源需求量,对于保证经济的可持续发展、小康社会目标的实现与和谐社会的构建具有重要的现实意义。向量自回归模型是基于数据的统计性质建立模型,把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型,是处理多个相关经济指标的分析和预测最容易操作的模型之一,常用于预测相互联系的时间序列系统。能源需求量是由煤炭、石油、天然气等一次能源的消费量组成,他们之间存在着密切的联系,基于此,应用VAR模型对我国中长期的能源需求总量、煤炭、石油、天然气的消费量进行预测,为科学地制定能源发展战略提供理论指导。     

上证综合指数股票价格短期预测——基于ARIMA模型的研究分析

随着中国资本主义市场的迅速发展和居民收入水平的持续走高,越来越多的人参与到股票市场的投资中,但它的高风险及市场的复杂性,需要一种科学的预测方法来指导投资,从而规避风险,获得较好的投资回报。在承认股票价格存在可预测性的前提下,基于时间序列分析的ARIMA大概预估未来的短期趋势而不是精确到未来的股票价格。     

基于小波自适应支持向量机的短期电价预测

电价预测对于发电商、供电企业以及市场监管者都具有重要的意义。提出一种小波自适应支持向量机预测模型,先将电价时间序列作小波分解得到低频和高频分量,再采用自适应调整法,自动地为支持向量机选择较好的参数对电价小波分量逐一预测,最后通过小波重构得到电价最终预测结果。实例证明前述方法得到的预测精度高于BP、RBF、SVM等传统预测模型。     

结构变化、效率改进与能源需求预测——以中国电力行业为例

本文利用宏观经济学的方法提出一个长期电力需求模型以分析影响中国电力需求的主要因素。如预期的一样 ,当各种因素受市场力量的进一步约束时 ,影响需求的各项变量之间的关系在中国经济改革以后更加稳定也更为显著。一个误差修正模型为预测中国电力总需求的短期波动提供了适合的框架。 1 978年经济改革以后 ,需求的GDP弹性估计为 0 .8左右 ,低于改革前 (1 978年以前 )。结果表明 ,虽然GDP仍是影响电力需求的最重要因素 ,但电力需求与中国的结构变化及效率改进是负相关的。这意味着对于一个快速增长的经济来说 ,GDP的高速增长并不总是伴随着高的电力需求 ,并解释了为什么 1 998年经济增长率为 7 8% ,但电力消费却只增长了 2 8%。     

Evaluating a Global Vector Autoregression for Forecasting

Global vector autoregressions (GVARs) have several attractive features: multiple potential channels for the international transmission of macroeconomic and financial shocks, a standardized economically appealing choice of variables for each country or region examined, systematic treatment of long-run properties through cointegration analysis, and flexible dynamic specification through vector error correction modeling. Pesaran et al. (2009) generate and evaluate forecasts from a paradigm GVAR with 26 countries, based on Dées, di Mauro et al. (2007). The current paper empirically assesses the GVAR in Dées, di Mauro et al. (2007) with impulse indicator saturation (IIS)??a new generic procedure for evaluating parameter constancy, which is a central element in model-based forecasting. The empirical results indicate substantial room for an improved, more robust specification of that GVAR. Some tests are suggestive of how to achieve such improvements.     

基于信息融合的供应链协同需求预测分析

供应链企业内部、竞争环境及企业间多源信息的引入可以有效提升不确定性环境下的供应链需求预测效果。在讨论供应链传统预测方法不足的基础上,论述了供应链协同需求预测的概念,分析了供应链需求预测多源信息的特征及其组成,探讨了需求预测信息融合的3个层次,提出了信息融合的瀑布模型、环状模型以及混合模型,并且分析了信息融合的方法和策略。     

基于知识产权保护的区域专利申请量预测

构建了区域知识产权保护强度指标来测度地区知识产权保护因素;借鉴专利生产理论,探讨了预测一个地区或产业的专利申请量的方法,并以江苏省为例,对该方法进行了验证。结果显示,运用该方法能有效预测一地区或产业的专利申请量。     

Household Electricity Demand, Revisited

Recent efforts to restructure electricity markets have renewed interest in assessing how consumers respond to price changes. This paper develops a model for evaluating the effects of alternative tariff designs on electricity use. The model concurrently addresses several interrelated difficulties posed by nonlinear pricing, heterogeneity in consumer price sensitivity, and consumption aggregation over appliances and time. We estimate the model using extensive data for a representative sample of 1300 California households. The results imply a strikingly skewed distribution of household electricity price elasticities in the population, with a small fraction of households accounting for most aggregate demand response. We then estimate the aggregate and distributional consequences of recent tariff structure changes in California, the consumption effects of which have been the subject of considerable debate.     

个性化需求预测支持系统研究

分析了构建个性化需求预测支持系统的必要性和个性化需求预测的特点,并拓展了个性化需求预测的概念。通过分析个性化需求预测支持系统的功能和要求,重点研究了个性化需求预测支持系统的结构组成,主要包括预处理部分、预测模型体系等。     

基于协整理论的区域能源需求影响因素探析

当前,由于环境的破坏以及常规能源储量的不断下降,能源需求结构急需调整。GDP、人口总量及产业结构等因素均会对能源需求量产生影响。为减少经济发展对能源需求不断增加的趋势,在制定能源发展战略时应充分考虑经济发展与节能二者的关系,控制好能源消费总量的增长,实现能源构成多元化,确保总体能源供应安全,提高能源效率,保护环境。同时,大力发展新能源产业,实现以最少的能源消耗支持经济持续发展的目标。