基于混沌时间序列的CPI短期预测分析

有效控制CPI关乎国计民生,但其变动的随机性增加了预测难度。在对混沌时间序列预测流程进行了梳理的基础上,首先采用最大Lyapunov指数法辨别CPI时序的混沌特性,运用混沌理论重构相空间,利用逐步回归分析和BP神经网络进行混沌预测,并将ARIMA模型作为比较预测模型,最后从预测和拟合两个方面对模型进行效果评价。综合分析结果显示:2014年CPI增长范围为[2.8%,5.3%],变动幅度较大;2015年将高于4%;而2016年有望突破5%。该研究为CPI短期预测提供了较为可靠的方法,且预测结果可成为政府宏观调控政策的科学依据。     

国际投机资本冲击风险预警指标体系的构建

在全球金融危机的背景下,国际投机资本的频繁流动严重影响了我国经济的稳定性.通过选取1996～2007年能够反映我国经济面临风险的12个指标,确定各自的权重,用KLR信号分析法实证论述近年来我国的风险变化情况,找出影响风险变化的重要指标.研究发现,国际投机资本这一潜在的危险正在加重,因此,可以在利用风险预警机制的同时加强对跨境资本流动的监管,以保证国民经济的均衡发展.     

基于KPCA-GRNN的炼化厂管道腐蚀速率预测

为了提高炼化厂循环水对管道腐蚀预测的精度,选取8种常规监测数据作为样本标准库,在此基础上考虑各指标之间信息叠加的影响,引入核主成分分析(KPCA)和广义回归神经网络(GRNN)腐蚀速率预测模型,通过KPCA对原始数据进行预处理,提取影响管道腐蚀的主要因素,应用GRNN建立管道腐蚀速率预测的数学模型,通过分析影响循环水腐蚀的关键因素,建立了循环水腐蚀预测指标体系。结果表明,将样本监测数据的维数由8降至5,可得出各个影响因素的贡献率,提取出包含原始信息95.84%的5个变量,且基于KPCA-GRNN的算法对监测管道腐蚀速率的平均相对误差为0.033,优于误差反向传播算法(BP)的0.056。因此,基于KPCA-GRNN算法建立的循环水碳钢腐蚀速率预测模型,能够获得更准确的预测结果,拓宽了循环水腐蚀速率预测方法的研究思路。     

MLEP:一种B细胞线性表位预测方法

为了更快更准地确定B细胞线性表位,提出了一种新的预测方法——MLEP(Prediction of epitope based on MCFS and LSTM,MLEP)算法。采用5种性质氨基酸理化性质作为学习特征,利用多聚类特征选择算法进行特征选择,用降维后的数据作为输入,用长短期记忆网络进行训练,获得预测性能好的模型,对多聚类特征选择算法及MLEP算法的性能进行评价。对非冗余LBtope数据集进行多组实验,结果表明,使用多聚类特征选择算法降维到25时获取性能最优模型,多聚类特征选择算法比主成分分析法获得的模型准确率更高,基于MLEP算法获得的模型准确率达到94.81%。因此,MLEP算法能更好地预测B细胞线性表位,对于表位预测研究具有一定的参考价值。     

价格因素对新能源汽车推广的影响研究

运用Bass模型探究价格因素对新能源汽车推广的影响。首先,在基础Bass模型中引入价格影响函数?1、?2 ,并利用价格数据确立价格影响函数中Pr(t)表达式;其次,利用非线性最小二乘法(NLS)根据2006-2019年新能源汽车历史销量数据对基础模型和改进模型的拟合精度进行检验,得出引入?2形式的Bass模型更适用于新能源汽车的市场规模研究;最后,使用改进模型对2020-2025年我国新能源汽车未来市场表现进行短期预测,并分析价格因素的影响机制。研究发现2020年我国新能源汽车累计年销量可实现500万辆的规划目标,2025年累计年销量却与规划目标相差甚远。价格优惠在新能源汽车2.0时期起到很好的促进作用,而3.0时期效用甚微。     

建立金融机构风险预警内控机制防范经营风险

发挥金融纪检监察在金融机构内部管理中的作用,就必须建立金融内控制度的检查和金融风险预警控制机制。要科学确定监察的职能、机构与管理目标,建立宏观、中观、微观多层次风险预警机制,形成高效、科学、规范的预警监测系统。     

基于百度指数的公路运价指数RO-ELM预测

公路运价指数是公路运输市场波动的衡量指标,对中国的公路运输业有重要的预示功能.利用极限学习机(ELM)的神经网络模型快速、低成本预测公路运价指数.以各百度指数与公路运价指数的相关性确定各分量对公路运价指数的影响,进而利用ADF平稳性检验与Johansen协整检验构建输入序列,最后运用时域优化思想优化输入变量,在ELM神经网络模型内输出预测值.结果表明:基于滚动窗口的ELM模型的MAPE与RMSE分别为1.85％ 与25.17,比单一ELM模型在平均绝对百分比误差和均方根误差上都有提升,预测结果与指数波动相符,可以为公路运价指数的走向提供决策参考.     

中国石灰产业碳排放影响因素分析及趋势预测

基于LMDI模型,以2001—2012年中国经济人口发展及石灰产业碳排放数据为样本,从5个方面对石灰产业的碳排放影响因素进行分解研究。结果表明,技术发展效应、经济增长效应以及人口规模效应是影响石灰产业碳排放量变化的主要因素,且影响趋势有所不同。基于GM(1,1)模型对中国石灰产业未来碳排放量进行预测,2030年排放量预测将达到4.48亿t。基于影响因素分析及碳排放趋势预测结果,从技术创新、政策制定等方面对中国石灰产业的低碳发展提出建议。     

Impact of mortgage soft information in loan pricing on default prediction using machine learning

We analyze the impact of soft information on US mortgages for default prediction and provide a new measure for lender soft information that is based on the interest rates offered to borrowers and incremental to public hard information. Hard and soft information provide for a variation in annual default probabilities of approximately 3%. Soft information has a lesser impact over time and time since origination. Lenders rely more on soft information for high-risk borrowers. Our study evidences the importance of soft information collected at loan origination.     

通用数据链组网有效性评估的建模

根据现阶段综合信息网络的发展需求,考虑到通用数据链组网的 抗干扰能力强和保密性能高等特征,结合NFE即神经网络（NN）、模糊推理（FR）、专家系 统（ES）模型和 层次分析法(AHP),提出了通用数据链组网有效性研究的N FE-AHP模型,并仿真验证了NFE-AHP模型对于通用数据链组网有效性评估的适用性,结果表 明抗干扰度、鲁棒性、兼容 能力对通用数据链组网有效性评估尤为重要,对于通用数据链组网有效性评估的工程实践具 有一定的指导意义。