组合预测方法在黑龙江垦区大豆产量预测中的应用

首先建立了黑龙江垦区九三地区的大豆单产的Logistic模型,通过梯度法得出模型的参数估计值,并对模型进行了分析.其次,再利用逐步回归方法建立了大豆产量与气象因子的逐步回归模型,确定了影响九三地区大豆产量的主要气象因子,最后运用组合预测和最优权数计算的方法,建立了九三地区大豆产量的组合预测模型,进一步提高了模型的精度,这对指导大豆生产具有重要意义.     

运用时空模型厘定湖北省县级水稻产量保险的纯费率

本文建立了23个综合考虑水稻单产的时间效应、空间效应和时空交互效应的时空模型。利用湖北省1991-2007年县级水稻单产数据,借助WinBUGS进行Gibbs抽样估计,根据DIC准则进行选择最优模型,预测1992-2009年各县市的水稻单产。基于2008年预测单产及其后验分布,厘定县级水稻产量保险的纯费率。研究的主要结论:1992-2007年的预测值与实际值比较接近,且预测的水稻单产的标准差都比较小,表明所选择模型具有良好的短期预测能力;相邻地域的纯费率比较接近;所厘定的纯费率与蒙特卡洛(Monte Carlo,MC)误差正相关,Pearson相关系数为0.6793,MC误差包含来自时间、空间以及两者相互作用带来的不确定性。     

青岛港货运吞吐量的时间序列模型

运用时间序列分析方法对时间序列建立ARMA,ARIMA模型.搜集了青岛港1999年1月～2003年5月的货运吞吐量数据,对进行分析,建立了青岛港货运吞吐量的模型.通过预留的部分数据对模型进行检验,并对模型的残差进行检验,得出模型比较合理.     

考虑休闲的技术进步模型

本文研究了一个考虑休闲的一般内生技术增长模型，并对模型在一般意义下进行了均衡分析与动态分析，我们得出的结论是社会达到最优化时全社会都参与到生产发展及技术研究中去。     

农作物单产的最大熵分布及在费率厘定上的应用

农作物单产分布的确定是农业保险中费率厘定的基础。本文引入最大熵原理,基于最大熵优化模型得出农作物单产的最大熵分布,并以此进行费率厘定。同时以辽宁省主要作物水稻、玉米、大豆和花生为例,确定了该四种农作物的费率,分别为4.45%、6.77%、6.34%、6.43%。结果表明:利用最大熵分布理论进行费率厘定不需要事先假定农作物单产分布的形式,而且考虑了更多作物单产分布的信息,为农业保险费率的合理精算提供一种新的可供选择的方法,有助于农业风险决策的科学化。     

含公共开支的R&D模型

本文给出了一个含公共开支的R&D模型 ,并对模型进行了均衡分析及动态分析 ,得出在一定的条件下 ,模型存在局部稳定的均衡点     

基于马氏链的住房反向抵押贷款定价模型

针对房屋价值过程是齐次的马氏链情况,建立不可赎回的住房反向抵押贷款的每年发放贷款最大额度模型,得出了该模型的解,并对模型进行了实证分析.     

我国通讯产品扩散的模型分析

利用Bass创新扩散模型描述我国无线寻呼和移动电话的扩散过程.通过对无线寻呼和移动电话的历史数据进行模型参数的估计,建立无线寻呼和移动电话的采用者扩散模型,分析无线寻呼被市场淘汰的原因和移动电话的市场前景.最后根据模型得出的结果对模型进行了讨论     

多供应商条件下选址模型的一个研究结果

通过实例和对模型的分析,得出[1]中已有多供应商条件上所建模型的不合理性,并提出了模型合理性的原则。     

环保投资和随机内生经济增长

本文考虑了一个带有环保投资的随机内生增长模型,利用随机最优化方法对模型进行均衡分析和动态分析,得出了一定条件下的最优税率和最优私人环保投资率,讨论了它们之间的关系,并进行了福利分析.     

多目标预测模型在黑龙江垦区大豆产量预测中的应用

在预测模型的均值和稳定性基础上,建立了多目标组合优化模型,并以黑龙江九三地区35年的大豆产量数据为例,利用该地区大豆单产的Logistic模型和大豆产量与气象因子的逐步回归模型建立了多目标组合优化模型,并计算出最优解.结果表明,该组合模型没有最优点,而有非劣解.该方法对提高模型的精度,指导大豆生产具有重要意义.     

广义Richards-Gilpin-Ayala模型的捕获优化问题

在Richards-Gilpin-Ayala模型的基础上,提出了一类更广泛的数学模型—广义Richards-Gilpin-Ayala模型.进而讨论该模型单种群生物资源的捕获优化问题,分析了被开发生物种群的动力学性质.在单位捕获努力量假定下,以最大可持续捕获量为管理目标,确定了线性捕获下的最优捕获策略,得到了最优捕获努力量,最大可持续收获及相应的最优种群水平的显式表达式.这些结果推广了相关文献中关于Schaefer模型、广义Logistic模型的相应结果.     

上市公司退市风险预警模型研究

运用统计方法,选取有效建模变量,建立了L og istic预测模型对我国上市公司退市风险进行了预测,研究结果表明该模型具有良好的预测精度,该模型预测精度可达98.10%,可以作为证券投资者和分析人员使用的一种有效预测上市公司退市风险的工具.     

上市公司财务危机预警的实证研究

以是否被特别处理为财务危机标志,利用我国上市公司近几年的年报财务数据,选取了财务危机和健康企业各50家作为开发样本.首先研究了开发样本财务指标的数据特征和财务危机出现前3年内这两类企业的财务指标的显著性差异,其后利用因子分析法筛选了8个指标作为建立模型的自变量,运用Logistic模型构建了上市公司财务危机预测模型,并对估计样本的40家企业进行了检验.实证分析结果表明:其一,我国上市公司财务比率不服从正态分布;其二,尽管我国资本市场的会计数据质量不尽人意,但财务数据仍具有一定的信息含量;其三,利用开发样本构建的Logistic模型在财务危机发生前1年和前2年有比较高回判准确率,估计样本在财务危机发生前1年和前2年有比较高的预测准确率.     

粮食生产风险预测及区域差异分析

通过各省粮食单产的波动特征,按照Logistic模型模拟"S"形生长曲线,对全国各省2007~2010年的粮食单产进行预测;基于加权马尔科夫链进行各地域单产风险年景预测,计算各种风险状态重现的概率.结果表明,各区域单产基本呈现逐步上升的趋势,但是上升空间有限.今后如果没有重大技术突破,单产绝对量将逐步趋于临界值是必然趋势.     

Optimal impulsive harvesting policy for single population

In this paper, we established the exploitation of impulsive harvesting single autonomous population model by Logistic equation. By some special methods, we analysis the impulsive harvesting population equation and obtain existence, the explicit expression and global attractiveness of impulsive periodic solutions for constant yield harvest and proportional harvest. Then, we choose the maximum sustainable yield as management objective, and investigate the optimal impulsive harvesting policies respectively. The optimal harvest effort that maximizes the sustainable yield per unit time, the corresponding optimal population levels are determined. At last, we point out that the continuous harvesting policy is superior to the impulsive harvesting policy, however, the latter is more beneficial in realistic operation.     

Optimal harvesting policy for general stochastic Logistic population model

We consider some optimal harvesting policies for a general stochastic Logistic population model. For two management objectives, that are maximum sustainable yield and the maximum retained profits, the optimal harvesting policies are obtained. Meanwhile, the optimal harvest effort, the maximum of expectation of sustainable yield (or retained profits) and the corresponding variance are given.     

Logistic回归模型在信用风险分析中的应用

通过运行SPSS,建立L og istic回归信用评价模型(cred it eva luation m odel),用来对中国2000年106家上市公司进行两类模式分类,这两类模式是指按照公司的经营状况分为“差”和“正常”两个小组.对每一家上市公司,考虑其经营状况的4个主要财务指标:每股收益、每股净资产、净资产收益率和每股现金流量.仿真结果表明,L og istic回归信用评价模型对总体106个样本,判别准确率达到99.06%.此外,本文的研究结果还发现,当利用SPSS的D iscrim inan t给出的模型系数建立的线性判别分析模型和利用SPSS的M u ltinom ia lL og istic给出的模型参数建立的L og istic回归模型,L og istic回归模型的判别结果不如线性判别模型.但如果剔除不合格的样本,或是将样本数据规格化,则可以提高L og istic回归模型的分类准确率.