基于灰色系统理论的信用卡影响因素分析

为了探究信用卡销售的影响因素,以及未来信用卡的销售量,采用调查问卷的方法,对影响中信银行信用卡销售的相关因素进行了分析,基于灰色系统理论计算出了信用卡销量和销量影响因素的关联度,并对其影响因子进行了排序。以中信银行2008—2013年的销售量为基础数据,建立了GM(1,1)灰色预测模型,预测出中信银行未来5年的信用卡销售量,并通过还原检验分析对预测结果予以验证,表明预测值和实际值具有较高的拟合度,可以为商业银行加强信用卡销售预测和信用卡销售管理提供辅助决策依据。基于灰色系统理论建立的GM(1,1)预测模型,有效地解决了信用卡销售过程中能够掌控的数据少、信息贫、有效性差等问题,解决了一般模型难以准确预测的困难,为解决类似问题提供了可借鉴的研究工具。     

我国宏观经济指数的构建与预测——基于灰色系统理论

预测我国经济未来发展趋势对维护我国经济的持续发展具有重要意义,本文选取了9个反映宏观经济的相关指标,利用主成分分析法构建我国宏观经济指数。同时,基于灰色系统理论,建立GM(1,1)模型对宏观经济指数进行拟合及预测。结果表明,我国宏观经济指数总体呈持续上升趋势,2008年以前指数较低,之后保持较高水平。此外,预测结果表明宏观经济指数在2019年和2020年会继续保持上升趋势。     

基金净值预测的灰色——马尔可夫链模型

本文吸取灰色预测方法和马尔可夫预测方法的优点,将两种方法结合起来,建立灰色-马尔可夫预测模型,并选取广发稳健增长一段时期内的基金净值数据作为样本进行预测分析。研究发现,利用灰色—马尔可夫预测模型预测基金净值具有较高的预测精度。     

基于灰色理论GM(1,1)的城镇登记失业率预测

本文以2000-2009年的城镇登记失业率为样本数据,利用灰色系统理论中的GM(1,1,)模型对我国城镇登记失业率进行预测,并利用以往数据对预测结果进行评价.     

灰色预测在股票价格中的研究应用

股票价格的预测对于投资者的投资决策有着实质性的影响,因此,通过建立正确的股票预测价格模型对于投资者的投资决策有一定的指导作用。本文运用股票价格的灰色预测方法,并且通过MATLAB程序,研究灰色GM(1,1)模型以及它的修正模型Verhulst模型在股票市场中的应用。在短期内,GM(1,1)模型可以做出股价的预测,但是由于在实际应用中没有考虑到其他因素对于其自身的影响,因此对于长期的股票价格预测,由于其数据变动序列庞大,模型的精度有所降低,而修正的Verhulst模型则更适合研究实际长期股价变化的预测。     

基于灰色预测模型的黑龙江省入境旅游业发展趋势分析

通过适用于短期预测的GM(1,1)模型,对2004~2013年黑龙江省国际旅游客流量和旅游外汇收入进行科学预测,预测具有较好的可信度,为黑龙江省的国际旅游客源市场规划及旅游业的进一步发展提供参考。     

基于灰色GM(1,1)和BP神经网络的房价预测

本文分析了影响房价的多种因素;运用灰色GM(1,1)模型预测这些因素的数据走势,利用BP神经网络以历史数据为依据运用MATLAB进行仿真,得出我国未来五年房价预测值。结果表明,采用神经网络结合灰色GM(1,1)预测而得的各影响因素预测值,预测未来房价,具有很强的实用性。     

影响哈尔滨市商品房价格因素分析

本文以哈尔滨市商品房市场为调查分析对象,简要说明商品房价格的构成,对影响商品房价格因素进行分析,从而找出影响商品房价格的最主要因素,并且提出相关政策建议。     

对我国道路交通事故量的预测分析

以2006²011年全国道路交通事故统计资料为基础,运用灰色理论建立一阶单变量交通事故预测模型,并对全国道路交通事故数进行了预测。经模型精度的检验可知,灰色预测结果精度更高,并且与实际相符,即该预测方法较传统方法更加科学及合理。     

影响商品房价格的因素分析

目前,我国房价不断飘高,政府出台了一系列措施,如限购令等,虽然对房价不断水涨船高的趋势有了抑制,但始终治标不治本,未能很好地使房价回落。本文将建立多元线性回归模型,通过Eviews软件的应用,多方面做出考量。最终,在回归结果之上做出我们的评价,并基于模型给出一定的政策建议。     

对青海商品房价格分析

商品房的价格高低,直接关系到广大消费者的切身利益。深入研究商品房价格的走势,对健康发展房地产业有重大意义。     

基于灰色关联度分析模型的房价影响因素比较

影响房地产商品房价格趋势的因素是多方面的,从多种因素中确定主要影响因素以及各因素之间的主次关系,是进行系统经济性分析的一个重要内容.本文以灰色理论中的灰关联分析的数学模型和工程软件OriginPro软件,结合有关数据对武汉房地产商品房价格趋势的影响因素进行了分析.     

基于灰色模型的中国农民养老保险需求测算——生命周期理论的视角

依据扩展的农民生命周期消费模型,采用灰色GM（1,1）新陈代谢模型对2010～2020年中国农村老年人口数量和农民家庭人均消费支出进行了预测,并在此基础上测算了同期中国农民养老保险需求,研究表明：未来10年,中国农村65岁以上老年人口数量将保持5.95%的年均复合增长率,农村家庭平均人均支出将保持14.63%的年均复合增长率,由此决定了中国农民养老保险需求将保持21.45%的年均复合增长率。     

桂林市入境旅游客流量的预测研究--基于多元线性回归模型与 GM（1，1）的比较

以2005～2012年桂林市入境旅游客流量为研究对象,借助于 MATLAB及 SPSS软件,建立了多元线性回归模型和 GM(1,1)模型,分别用这两个模型对桂林市入境旅游客流量进行预测,并将两种模型的预测效果进行比较分析,选择最优模型对未来5年桂林市入境旅游客流量进行预测。结果表明：采用 GM(1,1)模型能够更科学有效地预测桂林市中长期的入境客流量,其预测方法和结果对旅游规划具有一定的参考价值。     

商品房空置率过高的价格因素分析

近年业，我国住房制度改革倍受各界瞩目，在房改进程中，政府、企业、城镇居民面临着同一问题，即：在广大居民迫切需要改善住房条件的同时，商品住房售难度大、空置率高，房地产市场沉淀大量资金。本文针对以上述情况，以北京为例，从商品房价构成和居民购房能力的角度进行了分析，力求解决高房价与低收入的矛盾。     

基于GM(1,1)模型的商业银行信用风险预警系统设计

信用风险是其各种风险中最基本的风险,它直接影响着商业银行经营管理和生存发展,各国金融监管当局都非常重视,对商业银行面临的信用风险的监测和预警显得非常重要。本文试图引入一种商业银行信用风险的预警系统,首先从影响商业银行信用风险的各个因素中选取一个理想的监测预警信号,设计出对该预警信号的监测和传导机制,然后介绍灰色理论,并建立起预测信用风险的GM(1,1)模型,最后通过实证方法进行验证,模型的确能较好的实现对信用风险预警信号的监测。     

基于灰色关联分析法的房价影响因素研究

随着我国住房市场的快速发展,住房价格不断上升,近年来出现了过度上涨的现象。本文分析了我国近年平均房价以及房价收入比的变化趋势,在此基础上,建立了房价灰色关联分析模型,得到影响房价的因素重要性依次为:房地产投资额、人口数、货币供应量、城镇人均可支配收入、GDP以及人民币汇率。最后结合不同的密切程度提出调控房价的政策建议。     

组合预测模型在货运量预测中的应用

本文对灰色预测模型和ARIMA预测模型进行组合,建立了组合模型,并应用于货运量的预测,实证预测表明,组合模型的预测精度优于单一的预测模型,预测结果与实际货运量拟合较好。     

基于GM(1,1)模型的城乡居民基本养老保险参保率测算

本文依据国发〔2014〕8号文件规定,利用统计年鉴数据对2012-2016年城乡居民养老保险缴费人群和领取待遇人群的总参保率进行测算,并结合灰色GM(1,1)模型对未来缴费人群的总参保率进行预测,运用规划求解方法对缴费人群总参保率进行分解得分年龄参保率。研究结果表明:首先,2012-2016年缴费人群总参保率在持续上升,若保持这种参保积极性,那么到2030年符合参保条件的人口可全部参保。其次,2012~2016年领取待遇人群总参保率总体呈上升趋势,2015年略有下降,总参保率平均值达到了96.50%,城乡居民养老保险符合领取待遇条件的人口基本实现全参保。缴费人群分年龄参保率的研究为城乡居民养老保险的人口预测及基金收支测算等提供了研究基础。     

基于改进的灰色理论的共电企业现金流出预测研究

供电企业历年的现金流出可组成一个灰色系统。从横向来看,每年的同一个月份的现金流出随着年份推移而递增,它符合GM（1,1）模型对于数据的要求,因此供电企业的现金流出可以适用GM（1,1）模型。但GM（1,1）模型在原始数据序列增长率较大时会出现失效和计算量大的局限性,本文将该模型加以改进,标记为IGM（1,1）模型,以某供电企业2007—2011年月度现金支出情况为样本,对其现金流出进行预测并进行预测数据的精度检验,从而有助于确定企业月度资金需求。