深度学习神经网络能改进GDP的预测能力吗?

目前国内外复杂的经济形势加大了预测GDP的难度,因此,如何有效地预测GDP是值得研究的重要理论与现实问题。有鉴于此,本文构建了既具有宏观经济理论基础又符合中国宏观经济特征的指标体系,并构造了一个用于GDP预测分析的LSTM模型,将之与BVAR模型进行对比研究,以科学地判断LSTM模型是否能够提升GDP预测的精确度。研究结果表明：第一,本文选择的扩展指标能够提升BVAR模型与LSTM模型的GDP预测能力;第二,相比于BVAR模型,LSTM模型能够更好地挖掘扩展指标对GDP的非线性影响,从而提升短期GDP预测能力。鉴于LSTM模型强大的自我学习能力、良好的泛化能力以及较好的模型可调节性,LSTM模型在GDP预测领域具有广阔前景。     

高维波动率的预测

多维波动率的预测在实际投资决策中是一个重要而困难的问题。本文分析了能够运用到高维情形下的五种波动率模型的预测方法,它们分别是EWMA模型、OGARCH模型、ICGARCH模型、GOGARCH模型和DCC模型等。对两组高维真实数据的波动率进行预测比较的结果显示,ICGARCH模型和DCC模型能够给出比其他三种模型更为准确的预测结果,此外,OGARCH模型EWMA模型要好,而预测效果最差的是GOGARCH模型。     

湖南专利申请量的灰色组合模型预测

针对灰色模型预测效果不佳,对其进行了改进,并对改进前后的灰色模型建立了3种组合模型。结果表明,和传统的灰色模型相比,组合模型预测结果更可靠,可应用于实践中。最后,运用方差倒数法组合模型,对2013年的湖南专利申请量进行了预测。     

基于GNNM(1.1)模型的货运量及货运周转量预测

通过各种算法对货运指标进行有效预测,对于把握未来货运发展趋势有着非常重要的作用。文章将灰色预测与神经网络预测方法进行了有机结合,建立了一个基于灰色神经网络的预测(GNNM)模型。通过模型对货运量及货运周转量进行了预测,得到了较满意的结果,表明了模型具有较高的可靠性及实用性。     

基于灰色理论和BP神经网络的房地产价格指数预测

房地产价格指数反映房地产市场价格波动的方向和趋势,是有效地进行房地产市场分析的一种必要工具,对其的预测直接影响到众多干系人的决策,关系到各干系人的切身利益,因而对预测结果的精确度要求很高。本文运用灰色GM(1,1)模型和BP神经网络模型相结合的灰色BP神经网络模型,以Matlab为工具,对房地产价格指数进行预测。此组合模型融合了灰色预测和BP神经网络预测的优点,既克服了数据波动性大对预测精度的影响,也增强了预测的自适应性。并且,以中国房地产价格指数为例进行预测,结果证明了该组合模型的优势,为房地产价格指数预测研究提供参考依据。     

基于组合预测理论的上市公司财务危机预警研究

针对组合预测比单项预测具有更高的预测精度,本文采用基于BP神经网络的非线性组合的预测新方法,构建了财务危机预警模型,并进行了实证研究。通过与Fisher判别分析模型和Logistic回归模型的预测结果对比表明,组合预测方法有效提高了预测精度,具有很好的适用性和优越性。     

ARIMA融合神经网络的人民币汇率预测模型研究

本文在深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型特点的基础上,建立了ARIMA融合NN的人民币汇率时间序列预测模型。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,即将汇率时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARI-MA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终合成为整个序列的预测结果。通过对三种人民币汇率序列的仿真实验表明,融合模型的预测准确率显著高于包括随机游走模型在内的单一模型的预测准确率,从而证实了融合模型用于汇率预测的有效性。这一结果也表明,人民币汇率市场并不符合有效市场假设,可以通过模型对汇率未来走势做出较准确预测。     

多元回归-马尔可夫复合模型在上证综指预测中的应用

本文研究了近年我国股票市场与国际股票市场指数之间的关联性,为了弥补一般多元回归模型对于随机波动性强的数据的预测误差大的缺陷,建立了多元回归-马尔可夫模型,通过对比分析,该复合模型较一般的多元回归模型预测效果更佳。最后利用复合模型对上证综指进行了短期预测。     

湖南专利申请量的灰色组合模型预测

针对灰色模型预测效果不佳,对其进行了改进,并对改进前后的灰色模型建立了3种组合模型。结果表明,和传统的灰色模型相比,组合模型预测结果更可靠,可应用于实践中。最后,运用方差倒数法组合模型,对2013年的湖南专利申请量进行了预测。     

基于ARMA模型的我国经济增长率预测——三种基本形式预测效果的比较

文章基于我国1961-2016年GDP增长率的数据建立了AR模型、MA模型、ARMA模型,并据此预测了我国2012-2016年GDP的增长率.通过与2012-2016年实际GDP增长率的比较,发现:AR模型的预测效果是最差的,ARMA模型的预测效果要优于AR模型,MA模型的预测效果最符合当前我国经济的运行状况,但是波动幅度太大.最后,利用MA模型预测出2017年我国GDP增长率为7.32%.     

建筑物沉降的组合预测模型应用研究

提出采用组合模型预测建筑物沉降,并以常用的三种建筑物沉降预测模型组成组合模型进行了计算分析,结果表明组合预测模型具有较高的预测精度,值得推广应用.     

Macroeconomic forecasting using structural factor analysis

The use of a small number of underlying factors to summarize the information from a much larger set of information variables is one of the new frontiers in forecasting. In prior work, the estimated factors have not usually had a structural interpretation and the factors have not been chosen on a theoretical basis. In this paper we propose several variants of a general structural factor forecasting model, and use these to forecast certain key macroeconomic variables. We make the choice of factors more structurally meaningful by estimating factors from subsets of information variables, where these variables can be assigned to subsets on the basis of economic theory. We compare the forecasting performance of the structural factor forecasting model with that of a univariate AR model, a standard VAR model, and some non-structural factor forecasting models. The results suggest that our structural factor forecasting model performs significantly better in forecasting real activity variables, especially at short horizons.     

组合预测模型在武汉港集装箱吞吐量预测中的应用

为使港口集装箱吞吐量预测的误差更小,精度更高,提出运用弹性系数法、灰色模型法、三次指数平滑法的组合预测模型,预测了武汉港未来特征年的集装箱吞吐量,研究结果表明,组合模型相比单一预测方法能够降低误差、提高精度,预测结果更加理想。     

具有任意投资水平的供应链协同预测博弈研究

运用纳什均衡和贝叶斯更新模型,得到了供应链联合预测均衡的存在条件。模型中,供应商和零售商均需决定在预测技术上的投资水平,双方的需求预测将会被汇总成一个统一的预测。结果表明,双方预测能力越接近中等水平,越容易实现联合预测。预测能力偏离中等水平越远,越容易出现搭便车行为,即至少有一方不进行预测。     

基于IOWA-FAHP的物流需求组合预测模型

面向物流需求的预测问题,提出了一种基于诱导有序加权平均算子和模糊层次分析法相结合的组合预测模型。首先,采用诱导有序加权平均算子建立组合预测模型,并基于历史数据解算各单项预测模型的加权系数;然后,针对组合预测模型中各单项模型的加权系数确定问题,引入模糊层次分析法,得到各单项预测模型的公平排序,进而确定各单项预测模型在预测年的诱导值序列,从而预测出相应物流需求量;最后通过应用算例验证了该模型的正确性和可靠性。     

Forecasting inflation using time‐varying Bayesian model averaging

This paper presents a Bayesian model averaging regression framework for forecasting US inflation, in which the set of predictors included in the model is automatically selected from a large pool of potential predictors and the set of regressors is allowed to change over time. Using real‐time data on the 1960–2011 period, this model is applied to forecast personal consumption expenditures and gross domestic product deflator inflation. The results of this forecasting exercise show that, although it is not able to beat a simple random‐walk model in terms of point forecasts, it does produce superior density forecasts compared with a range of alternative forecasting models. Moreover, a sensitivity analysis shows that the forecasting results are relatively insensitive to prior choices and the forecasting performance is not affected by the inclusion of a very large set of potential predictors.     

安徽省能源需求的组合预测

根据预测理论,结合安徽省历年能耗的数据,在建立能源需求单项预测模型的基础上,建立组合预测模型,对2008～2014年的能源需求量进行预测。结果表明:组合预测模型的精度高于单项预测模型;安徽省能源需求量正以较快的速度在增长。     

A generalized non-linear forecasting model for limited overs international cricket

This paper proposes a generalized non-linear forecasting model (GNLM) for forecasting the number of runs remaining to be scored in an innings of cricket. The proposed model takes into account the numbers of overs left and wickets lost. The GNLFM can be used to build a model for any format of limited-overs international cricket. However, the purpose of its use in this paper is for building a forecasting model for projecting second innings total runs in Twenty-20 International cricket. Our model makes it possible to estimate the runs differential of the two competing teams whilst the match is in progress. The runs differential can be used not only to gauge the closeness of a game, but also to estimate the ratings of cricket teams that take into account the margin of victory. Furthermore, the well-known original Duckworth/Lewis (DL) model and the McHale/Asif version of it for revising targets in interrupted matches are special cases of our proposed generalized non-linear forecasting model.     

Forecasting returns in the VIX futures market

This paper introduces a new forecasting model for VIX futures returns. The model is structural in nature and parsimonious, and contains parameters that are relatively easy to estimate. The forecasts of next day VIX futures returns based on this model are superior to those produced by a linear forecasting model that uses the same set of predictors. Moreover, the profits to a market-timing model based on the proposed forecasts are statistically and economically significant, and are robust to both the method used for adjusting for risk and transaction costs (up to around 15 basis points). In contrast, the forecasts generated by the linear forecasting model are not.     

灰色预测模型在客运量预测中的应用

运用灰色理论,根据2000～2009年宁波市客运量数据,建立灰色GM 1,1预测模型并进行预测,结果表明预测精度较高,说明了该方法用于客运量预测的可行性和有效性,并在此基础上对2010～2014年的宁波市客运量作出预测。