灰色动态模型及其在人口预测中的应用

一个国家人口的数量直接影响着其经济、社会的发展和资源的利用 ,中国是世界上人口的第一大国 ,人口问题一直是制约中国发展的第一因素 .本文应用灰色系统等维灰数递补动态预测模型 ,对中国未来5 0年的人口数量进行了动态预测 ,通过检验表明 ,该模型合理、方法简便可行、结果符合实际 ,为中国经济和社会发展的决策和研究提供了科学依据     

基于多因素的卡尔曼滤波模型在滑坡变形预测中的应用

分析了滑坡变形预测模型的研究现状.考虑到滑坡的变形主要受到降雨及温度等因素的影响,建立基于时效分量、降雨分量和温度分量的多因素变形预测模型,然后将基于多因素的变形预测模型的模型参数看作带有动态噪声的状态向量,建立基于多因素的卡尔曼滤波模型,以基于多因素的卡尔曼滤波模型为基础,对滑坡的变形进行预测.由于基于多因素的卡尔曼滤波模型在卡尔曼滤波过程中,模型的参数不断发生变化,从而增强了模型适应观测数据的能力,提高了模型的拟合精度和预测精度.实例计算表明用基于多因素的卡尔曼滤波模型对滑坡的变形进行预测,其预测误差较小,预测效果较为理想.     

多元模糊回归预测模型及其应用

论述多元模糊回归预测模糊的建模方法,探讨该预测模型在第二代玉米螟百株卵量各动态上的应用,研究结果表明,该预测模型为害害虫群动态的中长期预测预报提供了一种新的研究方法,是一种优良的模型。     

多总体死亡率差异风险度量——以ILS债券为例

在回顾多总体动态死亡率预测模型研究成果的基础上,简要评述了已有模型的适应情况和假设条件,并依此构建了死亡率差异风险的度量模型.此后,并以ILS债券为例,利用HMD数据库中英国和美国人口死亡率数据,使用构建的死亡率差异风险度量模型,测量了ILS债券中的死亡率差异风险.定量分析结果显示:ILS为投资者设定了较高的安全阀值,保障了ILS的成功发行.     

一类地理加权CBD死亡率预测模型的研究

死亡率预测一直是人口学中的重要问题,目前得到研究较多的死亡率预测模型研究的大都是基于单一地区的多年份年龄别死亡率数据.考虑多个地区的单一年份的分年龄死亡率数据,基于死亡率在高年龄段随年龄的增长不断提高以及地理位置越靠近的地区这种变化趋势越类似两个特征,提出了一类地理加权CBD模型,并利用该方法分析了我国2010年第六次人口普查省域死亡率数据.     

基于生命周期和交叠世代分析的养老风险管理文献综述及其启示

随着长寿风险的加剧以及人口死亡率的降低，养老风险管理的研究逐渐受到政府和学术界的广泛关注。本文系统梳理了养老风险相关驱动因素(死亡率和长寿风险)的研究，并介绍了生命周期框架与交叠世代模型(OLG)的建模过程，还对生命周期框架和OLG模型的应用研究进行了文献综述。从文献回顾来看，当前研究存在一些不足，未来的研究应基于我国人口生存特征去研究死亡率；同时，需要从生命周期框架和OLG模型研究研究应对养老风险的稳健的投资-消费决策，并在考虑对上一代老人赡养的情形下研究寿险决策。此外，随着养老风险逐步加剧，建议政府采取改进我国的多支柱养老保险体系、进一步放开生育、延迟退休及发展养老服务业等方式应对养老风险，保证我国养老金体系的可持续发展。     

Lee-Carter模型的理论分布和区间预测

死亡率预测是人口预测、长寿风险度量以及寿险公司产品定价和风险管理的基础。在死亡率预测模型中,Lee—Carter模型被广泛采用,但关于Lee-Carter模型的理论分布函数、期望和方差等分布特征,并没有专门的研究。本文在文献研究的基础上,对Lee-Carter模型进行了完整的理论研究,给出了完整的Lee-Carter模型理论分布和区间预测表达式,为相关研究提供了可靠的理论依据。同时,对传统的Lee-Carter预测区间估计方法和文中给出的区间预测估计方法进行了对比研究,发现使用传统Lee-Carter预测区间估计方法得到的预测区间较窄,对长寿风险存在低估,在预测时间较短时,这种低估更严重。     

基于跳跃、好坏波动率和马尔科夫状态转换的高频波动率模型预测

基于跳跃、好坏波动率的视角,采用比ABD检测更稳健的ADS检测法进行甄别跳跃,提出HAR改进模型,进一步考虑到实际波动率的非线性和高持续性动态,文章引入马尔科夫状态转换机制以构建对应的MRS-HAR族模型,推导其参数估计方法,并运用滚动时间窗预测技术和MCS检验评估预测模型结果,并采取不同的窗口期进行稳健性检验.以上海期货交易所的黄金连续(AU0)期货合约为研究对象,实证研究表明:结合马尔科夫状态转换机制,跳跃波动在上涨行情时会抑制未来波动性;结合马尔科夫状态转换机制,好坏波动率在上涨行情时正负冲击相对平衡,而在下跌行情时好(坏)波动率抑制(加剧)未来波动性;MCS检验证实,结合马尔科夫状态转换的MRS-HAR族模型相比于HAR族模型具有更优的预测精度,进一步考虑由ADS检测修正的好坏波动率和符号跳跃能够改善波动率模型的预测能力,其中基于符号跳跃和马尔科夫状态转换的MRS-HAR-RV-SJ模型展现了最高的预测精度.     

关于深圳人口和病床需求的预测

医疗床位需求主要取决于人口总量和结构,而人口总量依赖于产业经济结构和经济总量,人口结构依赖于非户籍人口和户籍政策。深圳市经济发展受产业结构、经济规模、人口密度、区域面积等因素限制,根据这一特点,首先基于Logistic规律建立了分产业预测模型,然后基于人口发展与生产总值的关联建立了常住人口预测模型,最后依据相关数据分别建立了人口结构、医疗病床需求相关模型。预测结果与当地规划目标比较,显示了结果的相对合理性,这在某种程度上验证了模型的正确性。     

基于预测模型的我国人口结构问题研究

针对我国人口结构问题,在对相关人口数据进行收集、计算、整理并分析的基础上,通过建立总人口预测模型对2010-2014年人口数量预测,与原始人口数据对比进行模型验证和改进,运用此模型对之后6年人口数量预测,应用队列要素预测法找出相应政策对人口结构变化的影响,通过建立适婚群体预测模型对中国适婚入口中的男女数量定量分析,进而对我国人口结构问题进行整体概括总结.     

基于残差修正的非等时距GM(1,1)模型及其应用

针对很多预测案例中历史数据序列非等时距的特点,构建了非等时距的GM(1,1)预测模型,将序列的时间间隔作为乘子嵌入模型中,同时通过动态采用最新分量作为初始值、动态优化背景值和累积残差修正等方法,解决了非等时距预测模型长期预测精度不易控制的难题.将该模型应用于某发动机油液监测数据预测中,预测效果较好.     

我国有限人口数据下长寿衍生产品定价的贝叶斯方法

鉴于我国人口死亡率数据匮乏对长寿风险定价的不利影响,文章采用贝叶斯MCMC方法来进行长寿衍生产品的定价.来自实际人口数据的研究结果表明,贝叶斯方法通过Gibbs抽样和MCMC模拟,更好地考虑了样本不足和样本质量问题,在死亡率建模的模型BIC值,残差方差值和预测稳健性上全面优越于传统方法,能有效提高死亡率预测的精度;同时,贝叶斯一体化框架结合最大熵原理能大幅减少定价过程中数据和参数风险的产生,累积和传导,提高长寿衍生产品定价结果的有效性和可靠性.其方法的优越性对保障我国有限人口数据下长寿衍生产品的成功开发具有积极的理论意义和现实价值.     

基于灰色神经网络的企业风险特征指标动态预测方法研究

根据企业风险特征指标预测问题的特点,提出将灰色系统GM(1,1)模型与神经网络结合建立一阶灰色神经网络预测模型,以实现系统预测的动态性及提高系统的预测精度.但该模型具有一定的局限性,从模型参数的角度给出了该模型只适用于具有"单调"性数据的证明,进而提出了三阶灰色神经网络预测模型,以适应预测数据"非单调"或摆动的情况.但随着系统建模过程中阶数的增加,预测精度会有所下降,因此应根据数据特点选择预测模型.最后,通过实证分析验证了上述模型及证明结论.     

基于时间序列法的国税月度收入预测模型研究

研究了基于时间序列方法的国税月度收入预测. 通过采用Box-Jenkins的ARIMA模型, 结合国税月度收入数据, 分析并提出了一套针对月度税收收入的预测研究框架, 包括对税收预测模型的拟合、检验、预测、评价、动态修正等主要环节的处理方法. 在该研究框架的指导下, 以增值税、海关代征税和营业税为例, 对2006年各月的税收收入进行了模拟预测, 月度税收收入预测的平均相对误差分别控制在5.47\%, 8.63\%和2.37\%. 最后给出了在实际应用中动态修正税收预测模型的建议, 并简要讨论了时间序列方法在税收预测中面临的问题.     

灰色系统预测模型GM(1,1)背景值重构研究

分析了灰色系统预测模型GM(1,1)对高增长指数序列建模适应性较差的原因,通过重构背景值计算公式,建立了一个适应性极强的灰色系统预测模型NGM(1,1),该模型具有对建模结果进行优化的能力.算例结果表明该模型对低增长指数序列和高增长指数序列建模都能获得最佳的拟合和预测精度,对经济、工程和自动控制等领域中的预测问题有较高的理论价值和实践意义.     

基于灰色系统和BP神经网络的股指动态预测

针对股价指数特有的波动性,提出了基于灰色残差模型和BP神经网络的股指动态预测方法,并运用多元线性回归模型对两种动态预测结果进行拟合.同时,随机抽取部分上证指数和道琼斯指数的实证研究表明:动态预测模型能及时调整新数据对后续预测的影响,获得了较高的预测精度.     

基于EWT-PSO-SVM误差校正组合模型的中国股市预测研究

鉴于股市预测的复杂性.遵循"先分解后集成"的总体建模思路.文章基于EWT分解算法和SVM支持向量机模型.同时结合PSO粒子群优化算法和误差校正组合预测方法,构建了一种中国股票市场建模及预测的EWT-PSO-SVM误差校正组合预测模型.先基于EWT算法将原始价格序列分解成若干分量,再根据频率将其重组成高、中、低频3个分量,对它们分别建立PSO-SVM误差校正组合模型.最后集成各个分量的预测结果.与其他预测模型相比较,文章所构建预测模型的MSE、MAE、MAPE、RMSE、Theil不等系数、确定性系数DC和方向性指标DS 7个指标均优于其他基准预测模型,MCS检验结果同样表明本文构建模型的预测性能最优.稳健性检验结果进一步证实了文章构建的模型预测性能所具备的稳健性.     

基于初始条件优化的非等间距多变量灰色预测模型研究

为了进一步提高非等间距多变量灰色预测模型MGM(1,m)的预测精确度,根据新信息优先原理,本文提出了一种初始值末点优化的非等间距多变量灰色预测模型。通过对模型初始点的优化,给出了优化模型的计算公式和时间响应函数,从而使模型更符合灰色预测建模时新信息优先的原则。最后,通过算例验证了所提出模型的实用性,同时表明优化后的模型可以提高模型的模拟、预测精度。     

支持向量机在胎膜早破预测中的应用

为快速、准确地对胎膜早破进行预测,首次应用了一种新型的数据挖掘技术-支持向量机预测模型.该模型针对所获取的胎膜早破及正常破膜数据集100个病例进行建模,并与神经网络、Logistic回归建模的性能进行了比较.结果表明,支持向量机具有可调参数少、学习速度快等优点,计算所得到的结果无论从准确率,还是所获取知识的可理解性等方面,都优于常用的神经网络等方法.用支持向量机方法建立的胎膜早破预测模型合理可行.     

基于动态无偏灰色马尔科夫模型的煤炭需求量预测

煤炭消费系统是一个复杂的非线性系统,具有随机性、非线性、动态性等特点,科学地预测煤炭消费量及其结构对于优化配置能源有重要意义.传统的单一预测方法预测精度较低.在对陕西省煤炭消费历史数据分析的基础上,构建了煤炭消费总量的GM(1,1)模型、灰色GM(1,1)预测模型和动态无偏的马尔科夫结构预测模型.拟合结果表明,动态无偏灰色马尔科夫模型既能消除传统灰色GM(1,1)模型的固有偏差,又能提高预测精度,其平均相对误差为2.10%,分别低于传统灰色GM(1,1)模型和一般灰色马尔科夫模型的17.37%和6.37%,可用于煤炭需求的预测,在此基础上对陕西省2017-2025年煤炭消费进行了预测,为未来能源消费发展规划提供依据.