基于具有LR型模糊输出回归模型的保费预测

在保费预测研究中,提出了一种基于模糊回归模型的预测方法.采用模糊最小二乘法,针对清晰输入和LR型模糊输出,在考虑输出量隶属函数类型存在差异问题基础之上,得到模型回归系数的迭代解.通过最小二乘估计的定性分析,给出检验模型拟合度的指标.结合保费数据的预测结果表明模型可行且具有较强的解释能力.     

时变自回归模型系数的估计及预测

本文对一般时变自回归模型(TVAR)的时变系数提出一种估计方法,即建立一个关于时变系数的向量自回归时间序列模型,利用最小二乘方法计算其系数矩阵,在此基础上预测时变系数,从而得到时变自回归序列的点预测,另外给出了点预测和区间预测的方法.     

一类不分明时间序列的回归预测

研究了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

经济预测中的正交回归分析

本文介绍了一种新的线性模型参数回归分析方法即正交回归,并以建立经济模型为例,对正交回归和经典回归的结果进行了比较。     

基于离散Bass模型的双十一销售预测

阿里巴巴双十一购物节的销售额走势,不仅是相关企业规划决策的依据,也是我国经济活动的重要方向性指标,运用Bass模型预测双十一销售额具有十分重要的意义.对普通正向的离散Bass模型采用普通最小二乘法得到的参数估计值偏离于原连续模型参数的真实值,因为存在着多重共线性和时间区间偏差.为克服这两个缺点,根据一类黎卡提方程构建精确的离散Bass模型.研究显示该模型及其解均收敛于原连续模型.给出基于非线性最小二乘法则的搜索算法,估计模型参数,拟合效果较好.最后将模型结果运用到阿里巴巴双十一的销售额预测,结果表明2018销售额将迎来拐点,增速将放缓.     

基于小波分析的ARIMA模型对上证指数的分析与预测

股票价格的预测一直受到广泛关注,其预测方法虽然很多,但是往往存在预测精度有限、容易陷入局部极小等问题.为了提高股票价格预测的准确性,提出了基于小波分析的A砒MA模型的股票价格预测方法,同时利用该方法对上证指数收盘价的月平均值进行实例分析,并与其他方法的预测结果进行了比较,结果表明了提出方法的有效性.     

A-H双重上市公司股票价格差异研究——基于模糊最小二乘模型

由于中国内地和香港股票市场的市场分割,A-H双重上市公司的股票在两地市场间存在较大的价格差异.本文引入模糊线性回归的概念和方法,在分析A-H股双重上市公司股价差影响因素的基础上,构建模糊线性模型,利用最小二乘法对影响因素进行回归分析.根据拟合优度检验结果,得到影响A-H股价差最关键的因素,并与预期影响进行比较.     

数值输入模糊输出数据的最小二乘回归模型

本文给出了一个拟合数值输入模糊数输出数据的线性回归模型,证明了模型的解存在且唯一,并得到了解的表达式。     

半参数回归模型的二阶段估计

考虑回归模型，ｇ为Ｒ１上未知函数，β为ｐ×１维待估参数向量．本文基于模型的可加性得到了β和ｇ的估计量，证明了它们具有很好的大样本性质．     

基于变系数回归模型的石油价格预测

石油作为不可或缺的能源和化工原料,在国民经济生产运行中占据重要地位.石油也是一种战略物资,在国防和国家安全领域发挥着不可替代的作用.因此,对国际市场上的石油价格波动进行预测,具有十分重要的意义。本文采用变系数回归模型,以WTI原油现货价格为例,进行了未来4个季度的季度平均价格预测.     

运用SAS软件系统对上证综合指数的预测分析

本文运用 SAS软件系统中的一些时间序列建模方法及回归分析方法对我国上海证券交易所的上证综合指数作了预测分析 ,得到了较高的预测精度 ,为预测股票市场的整体走势提供了一种方便实用的方法     

沪市股票价格指数的GARCH模型

首先用OLS法对沪市股票价格指数建模，对统计量进行分析发现该模型的误差项具有条件异方差性，因此采用GARCH方法拟合并检验，结果表明GARCH（1，1）拟合的很好。     

股票指数的时间序列模型分析

借助于SA S软件将工程中的K a lm an滤波方法与时间序列的状态空间模型结合对上海A股指数进行了拟合与预测分析,通过对拟合与预测误差的计算可以发现这种模型是可行的;然后还把与滤波结合的状态空间模型的分析结果和常见的时间序列模型如:AR IM A模型、逐步自回归模型以及指数平滑模型的分析结果进行比较,比较的结果说明结合滤波的状态空间模型分析的结果比后三种的结果更加精确.结果为时间序列数据分析提供了一个较好的分析工具.     

上证指数、深圳指数预测的马尔柯夫链预测模糊模型

介绍马尔柯夫链预测法的模糊模型 ,应用模糊模型对证券指数进行预测的实证研究     

自回归条件异方差模型在我国沪市的应用研究

应用自回归条件异方差(ARCH)模型对上海股市2000年—2004年4月上证指数收益率进行建模分析;实证结果反映上证指数收益率具有明显的群集聚集性、波动性、尖峰厚尾的特征,并且ARCH模型的预测能力较强.     

基于股票分布模型的平均建仓成本价分析

股票价格分布理论的基础上,对平均建仓成本价及其分散程度进行了分析,发现平均建仓成本价与其一期滞后的分散程度成显著的负相关关系.     

基于ARMA-GARCH模型的股票价格分析与预测

利用时间序列模型对大众公用(600635)股票价格进行分析与预测.首先,通过对数据的初步分析,建立ARMA拟合模型;然后,通过模型检验发现模型残差中存在条件异方差性,通过加入GARCH项消除条件异方差性,得到了ARMAGARCH拟合模型;最后实证分析结果表明了模型的有效性与准确性.     

基于ARMA模型的股价分析与预测的实证研究

利用ARMA模型对招商银行(600036)的股票日开盘价(2010/10/13-2011/4/8)数据进行分析,并预测出未来3天(2011/4/11-2011/4/13)的股票开盘价数据.与实际数据相对照,模型预测误差小,说明ARMA模型非常适合于短期预测.     

EMD结合RBF神经网络新混合模型及股指期货价格预测

中国近4年才成立的股指期货市场价格呈现出非平稳、非线性的信号特征,传统的预测方法无法对长相关序列进行精确预测.将EMD与RBF相结合,建立了一种新的预测方法对我国股指期货日结算价格进行预测.结果显示本模型将原本具有长相关性质的原始序列分解为若干个短相关性质的不同频带,解决了原始序列随机性强,以及因相邻频带的干扰而造成的系统动力信息反映不足的缺陷;并与其他预测模型进行比较,显示出较高的预测精度.