家用汽车需求预测

本文首先用定性预测方法分析了家用汽车需求的主要影响因素，论证了其平稳增长的特性。然后用定量预测方法，在灰色系统模型等单一预测模型的基础上，引入了组合预测模型，通过使组合预测误差平方和最小，得到了各个单一预测方法的权重系数，建立了最优组合预测模型。对预测结果进行对比分析，验证了最优组合预测方法的准确性。最后运用所建立的最优组合预测模型对家用汽车在最近几年的需求量进行了预测。     

石化原材料价格组合预测方法研究与应用

文章以指数平滑法、ARIMA预测方法和灰色理论系统预测方法为基础构造等权组合预测模型应用于石化原材料价格的预测实践,通过从预测值、预测误差值和预测误差评价值等方面对等权组合预测效果与单项预测方法进行分析比较,说明采用等权组合预测可达到提高预测精度、改善预测结果的目的。     

安徽省地方财政收入的组合预测模型研究

地方财政收入预测是加强宏观经济管理和提高决策水平的重要前提和基础。为了科学预测地方财政收入,创新预测的方法,文章结合地方财政收入的构成内容以及结构特点,分别采用指数预测方法、时间序列预测方法、回归预测方法建立三种单项预测模型,在此基础上构建地方财政收入的几何贴近度的最优组合预测模型,并对安徽省"十二五"期间的地方财政收入进行了预测。     

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。     

我国海洋产业增加值的组合预测分析

近年来,我国海洋产业增加值大幅度地提高。鉴于单项预测模型的局限性,本文运用线性规划的方法赋予合理的权重,将时间趋势模型和指数平滑模型加权组合,采用组合预测的方法对我国未来几年的海洋产业增加值进行了预测。     

采油厂油气产量预测模型研究

油气产量的有效预测有利于采油厂的科学决策。分别构建了采油厂油气产量预测的线性回归模型、灰色预测模型和ARIMA模型,基于三种单一模型,构建了最优加权组合预测模型。DX采油厂油气产量预测实例表明,该模型能够显著提高预测精度,为采油厂产量预测提供了新的方法。     

基于IOWA算子的我国固定资产投资的组合预测

以我国固定资产投资额1991-2010年的统计数据作为样本区间,分别通过三种单项预测方法进行预测,建立了基于IOWA算子的组合预测模型,计算出相应的预测值和预测精度。通过建立相应的评价指标体系,预测了未来五年我国固定资产投资额,预测结果与实际较接近,符合我国政策趋势。     

基于PSO的个人信用评估组合预测模型

将组合预测模型用于个人信用评估,在两种单一统计模型的基础上,利用粒子群算法（PSO）求解组合模型的权重,并通过粒子适应度函数的设置来控制第二类误判的发生,构建了基于PSO的组合预测模型。应用结果表明,基于PSO的组合预测模型的分类精度高于单一统计模型,并且有效降低了第二类误判率,对于商业银行控制信用风险具有更好的适用性。     

组合预测模型在区域物流需求预测中的应用

针对单一预测方法用于区域物流需求量预测存在的不足,文章提出了基于预测有效度的组合预测模型,即通过组合多个单一模型的预测结果,发挥各自的优点,提高预测的精确度。以广东省江门市为例,分别采用线性回归模型、灰色GM(1,1)模型和组合预测模型对其物流需求量进行了预测,实证结果表明区域物流需求组合预测模型能够取得更高的预测精度。     

中国粮食供需的预测指标体系及模型设计

通过建立粮食需求预测指标体系,从口粮、饲料粮、种子粮、工业用粮及粮食损耗角度实现了粮食需求预测。并采用基于三次指数平滑模型、灰色预测模型、支持向量机预测模型的组合预测模型,成功实现了粮食供给预测。最后,在粮食供需综合分析中,确认了粮食供需缺口的存在性。     

Forecasting house prices using dynamic model averaging approach: Evidence from China

Forecasting house price has been of great interests for macroeconomists, policy makers and investors in recent years. To improve the forecasting accuracy, this paper introduces a dynamic model averaging (DMA) method to forecast the growth rate of house prices in 30 major Chinese cities. The advantage of DMA is that this method allows both the sets of predictors (forecasting models) as well as their coefficients to change over time. Both recursive and rolling forecasting modes are applied to compare the performance of DMA with other traditional forecasting models. Furthermore, a model confidence set (MCS) test is used to statistically evaluate the forecasting efficiency of different models. The empirical results reveal that DMA generally outperforms other models, such as Bayesian model averaging (BMA), information-theoretic model averaging (ITMA) and equal-weighted averaging (EW), in both recursive and rolling forecasting modes. In addition, in recent years it is found that the Google search index, instead of fundamental macroeconomic or monetary indicators, has developed greater predictive power for house price in China.     

基于少数据的城市住宅价格预测分析

本文选取了影响城市住宅价格的多种因素,结合中国城市住宅市场下少数据的具体现实,在灰色理论的预测方法与技术的基础上,基于单因素的GM(1,1)预测模型构建了城市住宅价格多因素预测模型,结合西安市的城市住宅价格以及相关数据构建了西安市城市住宅价格预测模型,并对西安市未来城市住宅价格进行了模拟预测.     

基于小波-BP神经网络的风电场短期风速预测

对风电场风速进行较准确预测可以调整调度计划,有效减轻风电对整个电网的不利影响。文章将小波技术和神经网络相结合对风速进行短期预测。先对原始风速数据进行小波分解,再针对各小波分量分别建立BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值。仿真结果表明,所提方法能够有效地提高风速预测精度。     

A New Economy Forecasting Method Based on Data Barycentre Forecasting Method

A new and useful method of technology economics, parameter estimation method, was presented in light of the stability of gravity center of object in this paper. This method could deal with the fitting and forecasting of economy volume and could greatly decrease the errors of the fitting and forecasting results. Moreover, the strict hypothetical conditions in least squares method were not necessary in the method presented in this paper, which overcame the shortcomings of least squares method and expanded the application of data barycentre method. Application to the steel consumption volume forecasting was presented in this paper. It was shown that the result of fitting and forecasting was satisfactory. From the comparison between data barycentre forecasting method and least squares method, we could conclude that the fitting and forecasting results using data barycentre method were more stable than those of using least squares regression forecasting method, and the computation of data barycentre forecasting method was simpler than that of least squares method. As a result, the data barycentre method was convenient to use in technical economy.     

基于ANFIS和GA的多级分销链预测模型

为提高分销链企业的预测水平,优化分销链中各级企业库存管理,提出了基于自适应神经模糊推理系统(ANFIS)的单级预测模型和成本目标函数的多级预测模型。利用ANFIS模糊推理机制实现了其输入层与输出层间的非线性映射及该神经网络的信息存储和学习能力。从分销链整体成本优化的角度建立了多级预测模型并应用遗传算法(GA)进行求解。仿真结果表明,ANFIS与BP神经网络相比具有较高的准确性;在一定程度上改善了分销链中订货信息多级放大的现象。     

小波神经网络预测方法在石油期货价格预测中的应用研究

金融时间序列数据的预测是预测领域的热点问题。本文结合小渡变换与神经网络的有关理论，给出了基于小渡神经网络的石油期货价格预测具体学习算法并进行了拟合及检测，结果表明该方法具有比常用的BP算法及径向基函数网络算法（HCM算法）更好的拟合能力、推广能力，可为石油期货买卖决策提供一定的依据，并可推广于其它金融时间序列的预测。     

Forecasting the oil futures price volatility: A new approach

This study provides a new perspective of modelling and forecasting realized range-based volatility (RRV) for crude oil futures. We are the first to improve the Heterogeneous Autoregressive model of Realized Range-based Volatility (HAR-RRV) model by considering the significant jump components, signed returns and volatility of realized range-based volatility. The empirical results show that the volatility of volatility significantly exists in the oil futures market. Moreover, our new proposed models with significant jump components, signed returns and volatility of volatility can gain higher forecast accuracy than HAR-RRV-type models. The results are robust to different forecasting windows and forecasting horizons. Our new findings are strategically important for investors making better decisions.     

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。     

基于"标杆管理"的海南远景经济指标预测

在海南远期经济指标的预测过程中,时间跨度较大,经济社会发展的不确定因素很多,利用传统的数学模型不易把握其发展态势,难以预测。借鉴管理学上“标杆管理”的模式成功地对海南远景经济指标进行了分析预测,该思路同样适用于其他区域经济远景指标的预测。