基于品牌价值的销售额预测模型应用研究

首先分析了企业的品牌价值与其销售额的变化情况,归纳出品牌价值与销售额之间的两个重要的变化规律.而后以此作为二者关系方程构建的基础假设,以广告反映模型(VW模型)为基础,将原模型中的广告投入变量替换为品牌价值变量,建立了品牌价值与销售额之间的关系方程.通过求解关系方程的平衡解,得到了以品牌价值为变量的销售额预测模型.最后,采用海尔集团的实际数据对所建模型的适用性和正确性进行了证明,同时还对模型的预测精度进行了检验.研究突破了以往研究一般采用时间、环境变量直接预测销售额,或是采用历史数据对销售额进行模拟预测等传统的预测方法,首次从品牌价值的角度出发研究其对销售额的影响途径及影响力度.品牌价值是能够包涵如广告投入等因素的全部信息量的重要指标,因此其能够更为全面客观地衡量商品在整个市场中的价值潜力、能够更准确地反映其未来的销售份额.     

郑州期货糖08年9月合约价格的分析与预测

本文对郑州期货糖0809主力合约的价格首先进行多元线性回归,探求其与纽约期货糖价和郑州现货糖价的关系,进而在发现回归残差具有周期效应的基础上进行时间序列的频域分析,并同时考虑各种突发事件的影响,在模型中加入示性变量进行适当修正,经过ADF单位根检验确定此时的残差已为平稳序列之后建立ARMA模型,并接受最终残差为白噪声。将上述分解过程进行整合,估计模型系数并剔除其中的不显著变量便得到最终的拟合方程,在此基础上对后续三天的郑州期货糖价进行动态预测,结果显示真实价格均落在所给95%置信区间内。     

买哪种彩票好?

我在给学生讲授“概率论与数理统计”课程中的古典概型时 ,以广东省体育彩票和福利彩票中奖问题为背景 ,设计了此课例进行教学 ,学生学习趣味盎然、注意力集中、思维活跃、发言积极 ,取得了良好的教学效果。1　问题本地公开发行两种彩票 ,一种是福利彩票 ,一种是体育彩票。当教师询问学生是否购买过这两种彩票时 ,很多同学表示买过两种彩票其中之一 ,部分同学表均买过这两种彩票。从中可以看出 ,很多学生对有奖彩票已经有了一定的感性认识。鉴于体育彩票和福利彩票的奖、奖金、游戏规则等有较多共同点 ,如果我们比较它们中奖率的话 ,那么突…     

基于非期望产出SBM模型的中国各省份能源效率的实证分析

运用处理非期望产出的SBM模型,对2012年中国28个省份的能源效率进行实证分析,并对各省份及区域的节能减排潜力进行了相应分析.其中,利用因子分析法将废水、废气、固体污染物3种形态的环境污染整理为一个综合指标,视为非期望产出。研究结果表明,非期望产出的引入明显降低了中国区域的平均效率水平,而且中西部地区对环境污染变量的因素比东部地区较为敏感;不同省份的节能减排潜力差异较大,西部地区的节能减排潜力最大,其次是中部,东部的节能减排潜力最低.     

利用伪变量对农林多点试验进行回归分析

在农林多点试验中，为比较各点之间的响应水平差异情况，通常采用多点试验的方差分析；而要对各点的响应水平进行预测，则需进一步对不同地点建立回归方程。本文利用包含伪变量的回归方程分析农林多点试验，既可以检验各点响应水平之间的差异情况，同时又解决了各点响应水平的预测问题。     

中国建筑产业竞争力形成机理分析——基于PLS结构方程模型的实证研究

在对产业竞争力研究现状简单分析的基础上,述评了产业竞争力经典分析范式,提出了一个新的产业竞争力分析框架。在此基础上借鉴因果思想,总结建筑产业竞争力影响因素和度量指标,建立了中国建筑产业竞争力形成机理概念模型;采用PLS结构方程模型对中国2006、2007年各省份(除西藏外)建筑产业的60组基本数据进行了实证分析,验证了模型合理性。研究结果显示区域环境、生产要素、产业组织三个潜变量对当地建筑产业竞争力产生直接的影响作用。最后,进行了不足分析与研究展望。     

基于主成分分析与Fourier变换的动态投资组合

提出了一种将主成分分析与Fourier变换组合的资产投资组合方法.对于N个资产,首先利用主成分分析中第一主成分确定各资产的组合权重并建立投资组合,利用Fourier变换获得该组合残差的复合周期趋势,最后利用ARMA模型对趋势残差进行区间预测.为使资产保值,当组合股价达到最低点时,各资产以第一主成分对应权重进行组合建仓;当组合股价反向上升达到最高点时,则以第N主成分对应权重进行组合并调仓.在实证模拟方面,选取2016年1月4日-2018年6月8日全球股票主要指数的收盘价数据进行实证分析.模拟结果表明:基于主成分分析的投资组合在收益及资产保值方面表现更佳.     

缺失数据下超高维可加分位回归的变量筛选和选择

针对存在缺失数据的超高维可加分位回归模型,本文提出一种有效的变量筛选方法.具体而言,将典型相关分析的思想引入到最优变换的最大相关系数,通过协变量和模型残差最优变换后的最大相关系数重要变量的边际贡献进行排序,从而进行变量筛选.然后,在筛选的基础上,利用稀疏光滑惩罚进一步做变量选择.所提变量筛选方法有三点优势:(1)基于最优变换的最大相关可以更全面的反映响应变量对协变量的非线性依赖结构;(2)在迭代过程中利用残差可以获取模型的相关信息,从而提高变量筛选的准确度;(3)变量筛选过程和模型估计分开,可以避免对冗余协变量的回归.在适当的条件下,证明了变量筛选方法的确定性独立筛选性质以及稀疏光滑惩罚下估计量的稀疏性和相合性.同时,通过蒙特卡罗模拟给出了所提方法的表现并通过一组小鼠基因数据说明了所提方法的有效性.     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

基于PLS通径分析的上市公司财务指标综合评价

为了对上市公司财务报表中的大量财务指标进行综合认识和评价,本文提出利用偏最小二乘(PLS)通径分析方法建立综合评价指标,该指标可以最大程度的综合各原始指标的信息,并且还可以利用其对各组原始指标所反映的不同隐变量信息进行研究.本文以证券市场上钢铁板块的22个上市公司公布的财务数据为例,利用PLS通径分析模型建立了一个综合评价指标,并用其对各上市公司进行了排名,得到了与实际情况十分吻合的结果.     

基于ARIMA模型对海南省社会消费品零售总额的预测

对海南省社会消费品零售总额进行预测,对于了解海南省社会消费品零售总额的发展态势,为有关部门作出决策提供科学的依据,具有重大的现实经济意义.选取1999年到2014年的海南省社会消费品零售总额的数据来建立ARIMA(1,3,2)模型,2012年到2014年的实际值与预测值的相对误差5%以内,拟合效果良好,说明采用ARIMA模型预测海南省社会消费品零售总额是可行的,预测数据可靠.最后对海南省2015-2018年的社会消费品零售总额进行预测.     

基于多项式回归函数的电网公司售电量预测方法

电网公司售电量是具有"逐年增长趋势"的离散型随机变量,用传统的平均年增长率计算的指数预测模型,因"增长过快"而易偏离该地区的电源供给能力.文中提出了带有电源供给能力约束条件的回归函数筛选及其综合方法,并由此建立了电网公司售电量的多项式回归预测模型及其检验方法.最后通过一个实例,具体介绍了这一方法的应用.     

山东省三次产业就业需求结构分析与预测研究

本文采用成分数据建模方法,构建了山东省三次产业就业结构预测模型和偏最小二乘通径分析模型,并利用所构建的模型对山东省2007年～2010年三次产业就业结构进行了预测分析,分析了山东省三次产业就业需求结构与产业投资结构、三次产业产值结构之间的关联关系.研究发现,山东省第一、二、三次产业就业需求结构由2000年的(53.1%:23.6%:23.3%)逐步优化,到2010年将演变为(23.6%:43.5%:32.9%),与现代产业发展规律相比还滞后很多.第二产业就业需求呈增长趋势,与我国经济发展处于工业化中期相符,为适应这种发展,第三产业就业比重尚显不足,急需大力发展第三产业以促进就业需求.通径分析模型测算结果显示,山东省产业就业需求结构发展呈现出较明显的投资拉动模式.其中,第一、三产业的投资对GDP,GDP对就业均有较强的拉动作用,且拉动效率较高;第二产业的投资对GDP有较强的拉动作用,随着制造产业的技术进步,第二产业产值的增大将通过促进第三产业的发展拉动就业.加大对三次产业的投资特别是第三产业的投资以增强第三产业吸纳就业的能力是提高就业需求的有效途径.     

无指导的中医证候诊断数据的隐变量分析

本文探讨中医临床诊断得到的"望"、"闻"、"问"、"切"的四诊数据的统计分析方法。在没有中医专家的证候诊断结果(即无指导)的情况下,利用含隐变量的结构方程模型(SEMs),进行中医证候诊断的方法。本文提出证候诊断和病势诊断的两层隐结构模型和两步估计方法.本研究收集了433例脑动脉硬化症患者的临床诊断数据,利用本文提出的方法进行数据分析,得到了与传统中医诊断理论相当吻合的结果.在没有中医专家诊断指导的情况下,本文提出的无指导诊断方法为客观评价中医辨证理论提供了数据分析基础.     

The Application of Discriminant Analysis to the Prediction of Sales Forecast Uncertainty in New Product Situations

Managers' estimates of sales forecast uncertainty for a new product are critical to an effective risk analysis. This research utilizes discriminant analysis to analyze sales forecast errors in past new-product ventures. Using the past ventures, a linear discriminant function is established from relevant market variables by which future ventures may be allocated to one of two populations depending on the probabilities that their sales forecast uncertainty will be low or high.     

Predicting default of a small business using different definitions of financial distress

The paper introduces a number of risk-rating models for UK small businesses applying an accounting-based approach, which uses financial ratios to predict corporate bankruptcy. An enhancement to these models is considered through features typical to retail credit risk modelling. A common problem of default prediction consists in the relatively small number of bankruptcies or real defaults available for model-building. In order to expand the ‘default’ group beyond bankrupt companies, the paper considers adopting four different definitions of ‘a failing business’ by investigating combinations of financial distress levels. The impact of each default definition on the choice of predictor variables and on the model's predictive accuracy is explored. In addition, the paper examines the value of categorizing financial ratios used as predictor variables.     

Sampling Schemes for Bayesian Variable Selection in Generalized Linear Models

Bayesian approaches to prediction and the assessment of predictive uncertainty in generalized linear models are often based on averaging predictions over different models, and this requires methods for accounting for model uncertainty. When there are linear dependencies among potential predictor variables in a generalized linear model, existing Markov chain Monte Carlo algorithms for sampling from the posterior distribution on the model and parameter space in Bayesian variable selection problems may not work well. This article describes a sampling algorithm based on the Swendsen-Wang algorithm for the Ising model, and which works well when the predictors are far from orthogonality. In problems of variable selection for generalized linear models we can index different models by a binary parameter vector, where each binary variable indicates whether or not a given predictor variable is included in the model. The posterior distribution on the model is a distribution on this collection of binary strings, and by thinking of this posterior distribution as a binary spatial field we apply a sampling scheme inspired by the Swendsen-Wang algorithm for the Ising model in order to sample from the model posterior distribution. The algorithm we describe extends a similar algorithm for variable selection problems in linear models. The benefits of the algorithm are demonstrated for both real and simulated data.     

基于企业网络舆情的客户满意度分析及管理方法

社交网络平台的迅速发展,促使网络舆情成为企业获取商业情报、扩大竞争优势的重要信息来源。本文针对网络舆情环境下的企业客户关系管理问题展开研究。通过构建企业客户推动式信息反馈模型,描述了企业客户、网络用户与企业网络舆情间的联系,并依据信息反馈模型,提出变尺度聚类算法。该算法将传统聚类方法的求解过程由单一尺度分析扩展到多尺度分析,克服了实际数据聚类应用过程中的聚类结果特征不显著问题。本文选取新浪微博作为数据源,利用企业网络舆情数据集和企业客户数据集进行数据分析实验。实验结果表明,企业可以通过获取与其主营业务相关的网络舆情信息,实现客户满意度预测;同时,变尺度聚类算法结果能够为企业进一步制定销售战略和销售战术提供决策支持。     

A behavior-oriented model for long-term coastal profile evolution: Validation,identification, and prediction

A behavior-oriented diffusion model, governing the time evolution of the cross-shore position of coastal profiles, is studied. Here, two time-independent, space-varying coefficients, which embody the relevant physical properties, are identified simultaneously. Two sets of real data, the first measured over 10 years at Duck, in NC (USA), the second obtained over 39 years measurements at Delfland (Holland), have been processed numerically by a suitable “inversion algorithm”, earlier developed by the authors. This is based on the minimization of a certain cost functional in order to identify both coefficients. The numerical results, obtained by solving the diffusion equation with the so-determined coefficients, favorably agree with the real data, which fact validates and calibrates somehow the diffusion model under investigation. A short-term prediction is finally obtained for coastal profiles, using such a model.     

Plant residual time modelling based on observed variables in oil samples

This paper presents a model and methodology for estimating the residual time of a plant item. This plant item can be an engine or any complex technical system monitored by a regularly spaced oil analysis programme. Typically in the oil samples taken, two groups of observed variables are available, namely, metal concentrations and variables related to the condition of the lubricant and contaminants. We term the former as internal variables and the latter as external variables. External variables are those that may cause the change of the underlying condition of the plant item and therefore the residual time, while internal variables are those variables that only reflect the residual time but cannot change it. We modelled both variables in an oil-based monitoring case, but the principle can be generalized to other monitoring situations. The main techniques used are stochastic filtering for residual time prediction and the maximum likelihood method for parameters estimation. The model established was fitted to the real data of marine diesel engines monitored by an oil analysis programme and the results are presented.