基于广义回归神经网络的黄金价格预测研究

文章选取纽约商品交易所共计205天的黄金期货价格数据和相应的影响因素指标数据,结合欧氏距离将样本数据合理分组为训练样本、检验样本和测试样本三类,建立广义回归神经网络(GRNN)模型用于预测黄金价格。建模结果表明:建立的黄金价格模型预测精度高,对未来5天黄金价格的预测相对误差绝对值都在1%以内,模型的泛化能力、可靠性和鲁棒性均较强,具有实用价值。     

证券投资基金收益概率密度预测——基于神经网络分位数回归模型

证券投资基金收益往往具有更高的峰度与更大的偏度,建立在古典假定基础上的均值回归分析难以给出准确预测结果。考虑到证券投资基金收益中的高峰、非对称等典型特征与各因素对收益序列的非线性影响模式,建立神经网络分位数回归模型,一方面,可以通过分位数回归功能,揭示各因素对证券投资收益整个条件分布的影响规律;另一方面,可以通过神经网络结构,模拟金融系统中的非线性关系。在神经网络分位数回归模型基础上,对证券投资基金收益整个条件密度函数进行预测,提供比点预测更多的有用信息,便于进行科学决策。     

基于神经网络与逻辑回归的财务危机预警研究

文章以2014～2017年制造业上市公司ST企业为研究对象,并以1:2比例选取配对样本,针对T-3年的财务数据指标进行模型的构建与分析。结果表明虽然人工神经网络与逻辑回归都有不错的预测效果,但逻辑回归分析的结果准确率更高,可解释性更强。     

BP神经网络和多元线性回归模型对碳排放预测的比较

为帮助钢铁企业了解自身的碳排放情况,更好的实现节能减排,建立BP神经网络和多元线性回归模型对钢铁企业碳排放进行预测分析,以期找到一种精确、实用的碳排放预测模型,为工业化生产提供参考依据,致力于帮助企业做好提前的碳排放预测,掌握自身排放情况,能够更有效的实施温室气体减排,将企业的碳排量控制在国家政策允许的范围内。结果表明：发现两种模型均能有效的对碳排放进行预测,误差均小于5%;BP神经网络模型对碳排放的预测优于多元线性回归模型。     

时间序列分析在我国黄金价格预测中的应用

本文研究了时间序列分析的基本理论,通过Eviews软件对2009～2012年上海黄金交易所Au9999各月加权平均价进行统计分析,建立了二次曲线拟合模型并以此对其进行短期预测,为投资者进行黄金投资提供参考依据.     

基于BP神经网络的中、美贸易预测研究

根据中、美贸易的经济研究背景,分析中、美贸易重要影响指标,对其进行线性回归分析,发现中、美贸易额与各指标之间不是简单的线性相关,且各指标之间存在相互关系,所以不能用单一的线性回归模型进行预测。而BP神经网络具有非线性映射、自适应学习和良好的泛化能力等特征,运用BP神经网络模型对中、美贸易进行实证预测,大大提高了预测精度,取得了较好的效果。     

黄金价格走势的供求分析

黄金以其独有的化学性质，成为世界上重要的投资品和消费品。黄金供给主要来自矿产金、再生金和各国央行抛售；黄金的需求包括首饰用金、工业用金和投资需求。预计2010年，黄金总体供量将不会出现较大变化，但黄金需求确会有较大的增长，因此黄金价格会进一步上升。     

基于神经网络的订单预测研究

快速变化的市场对企业的生存和发展提出了更高的要求,而按照代表顾客需求的订单进行生产则是企业提高柔性和竞争力的关键.正因为如此,准确地预测订单就显得异常重要.文章利用BP神经网络和径向基神经网络建立了新的订单预测模型,并通过解决一个实际问题对其仿真结果进行了比较.     

A股上市公司财务预警模型对比研究——基于logistic回归和BP神经网络模型

财务危机对于一个企业是致命的。国内外众多学者都针对公司的财务情况进行了定性以及定量的相关研究。在实证方面,财务预警模型众多。因此本文根据前人的实证研究,采用上市公司A股数据,比较logistic回归和BP神经网络两种财务预警模型,以寻找更加优质的财务预警模型。     

黄金价格的长期决定因素稳定性分析

本文通过实证分析1972～1988年、1989～2006年以及1972～2006年三个时间段影响黄金价格的长期决定因素,发现道琼斯价格指数、美国消费者价格指数、美元名义有效汇率、美国联邦基金利率、世界黄金储量都是影响黄金价格的长期决定性因素。但对应于不同的时期,影响黄金价格的长期因素不完全保持一致,即影响黄金价格的长期决定因素并不存在稳定性。从长期来看,黄金与美元的价格变动趋于一致。为此,建议中国政府将黄金作为金融资产组合的一部分,增加黄金在国际储备中的比重。     

黄金价格影响因素的实证分析

黄金是一种特殊的商品,具有商品和金融两个属性。文章通过选取某些经济变量,构建一个多元线性回归模型,用计量经济学的方法来分析这些变量对于黄金价格是否存在影响,如果存在,则产生怎样的影响。     

基于神经网络的新疆金融风险预测

新疆作为“一带一路”经济带核心区,研究新疆金融风险对国内国际双循环新发展格局的形成具有重大意义。选取新疆2005—2019年的数据,得到11个指标,在此基础上运用K-means聚类算法,把2006—2020年新疆金融风险状态分为四类;再用误差逆传播神经网络建立新疆金融风险预测模型,根据2006—2020年新疆金融风险等级划分情况及数据对2021—2025年进行预测并检验神经网络模型回测和交叉验证的情况。预测结果表明2021年新疆金融风险处于一般状态,2022—2025年金融风险处于安全状态,表明新疆经济的过热增长是影响新疆金融风险的主要因素,新疆金融风险也将长期保持安全稳定的情况。     

基于ARIMA-BP神经网络模型的桥梁SHM应变预测分析

桥梁结构健康监测的应变监测数据具有较强的趋势性与随机性,为提升数据的预测精度,提出将传统单一的自回归积分滑动平均模型（ARIMA）和BP神经网络预测模型进行加权与组合,并将这两种方法分别运用于江西省某跨江大桥桥梁结构健康监测系统记录的应变监测数据的预测进行验证。结果表明：仅运用单一模型预测时,BP神经网络的预测效果要优于ARIMA模型;加权与组合模型的预测精度均优于单一模型,其中加权模型及组合模型的残差平方和（SSE）与BP神经网络模型相差最大,分别高达50.23%与49.87%;对比加权模型与组合模型的各项误差指标,发现二者预测模型的预测精度极为接近;单一预测模型的误差包络范围大于其他两类模型,其中ARIMA模型的误差总和约为50 με,BP神经网络模型的误差总和约为30με,加权模型的误差总和约为21.09 με,组合模型的误差总和约为20.97 με。经分析,加权预测模型与组合预测模型均能实现对桥梁SHM应变预测。     

基于GA-Elman动态回归神经网络的股价预测模型研究

文章针对股价预测问题的复杂性、不确定性、时变性及动态性等特性,利用Elman神经网络具有记忆性的优点,采用遗传算法训练优化Elman神经网络的初始权值,提出了高效的GA-Elman动态回归神经网络股价预测模型。实验模拟结果表明:该模型快速稳定且具有较高的精度,将其用于股票价格预测可行且有效。该模型的提出也为股票价格预测提供了一种新的技术和方法。     

基于动态神经网络的广东省经济增长预测

利用动态神经网络的时间序列预测功能,建立动态神经网络预测模型,以广东省1978年-2013年国内生产总值历史数据建立时间序列作为样本进行学习,对广东省GDP的发展趋势进行了模拟,然后对广东省未来五年的GDP发展趋势做出预测。未来五年GDP增长的预测结果表明预测模型具有较好预测效果,可以利用该模型对广东省经济增长进行预测。由于广东省处于经济转型过程中,经济增长未来有放缓趋势。     

基于RBF神经网络的太阳能发电量预测

太阳能发电系统输出功率的预测,尤其是短期预测,受到各种外源因素的影响,预测结果并不理想。由于现有预测方法对外部条件的依赖性,如太阳辐射强度和环境温度等,致使存在多种变量,影响预测的效率。为此,采用径向基函数神经网络(RBFN),选择最优的输入参数,来预测20 kW太阳能电池板的功率输出,考虑效率的同时,对预测结果有了一定程度的改善。并将所提出方法与现有方法进行了比较。     

基于BP神经网络的航班收入预测

用BP神经网络对非线性系统的函数所具有的以任意精度逼近的良好特性,设计了具有成都-北京航线特点的、低成本的航班收入的BP神经网络预测模型。仿真表明,在该航班收入预测上应用BP网络预测方法不仅可行,而且有较高的精度。     

货币流动性对黄金价格影响的实证研究

本文主要针对当前热门的货币流动性问题,结合06—08年的全球流动性由过剩到不足和黄金价格由快速上涨到下跌的状况,解释了货币流动性的定义和度量方法,阐明了黄金价格走势和影响因素,并且采用协整方法、格兰杰因果检验和VAR模型,对货币流动性和黄金价格之间的关系进行了实证检验。实证结果表明,货币流动性是影响黄金价格的重要因素,两者存在着长期均衡稳定的关系。流动性过剩是黄金价格上涨的格兰杰原因。因此对于大宗商品市场和黄金商品期货市场来说,货币流动性问题应该是投资者和当局应该考虑的重要因素。     

基于BP神经网络与灰色预测理论的人口死亡率预测

根据2013年《福建统计年鉴》上收集到的资料,运用GM(1,1)模型以及MATLAB构建3层BP神经网络结构模型,分别对福建省人口死亡率进行建模预测。结果表明:BP神经网络预测人口死亡率拟合结果优于GM(1,1)模型,最小相对误差率为1.05%,最大相对误差率为3.75%,平均相对误差率为2.54%,拟合结果显示模型可靠。BP神经网络非线性结构系统,具有预测精度高,可行性强的特点,表明BP神经网络可用于未来人口规模预测,为福建省经济社会发展战略与规划,调整人口结构,制定合理的人口决策提供参考。     

基于改进型BP神经网络的随机车祸持续时间预测

由于道路交通事故的复杂性使之对事故持续时间的预测困难。采用因子分析和BP神经网络相结合的方法,以福银高速福州段近两年交通数据为依据,采用因子分析获取造成车祸事故的少量公共因子,将公共因子做降维处理后作为BP神经网络的输入参数,利用三层BP神经网络实现对随机车祸持续时间的预测。其结果与回归算法、支持向量机算法以及传统BP神经网络算法相比,精准度高、收敛速度快。