基于具有LR型模 糊输出回归模型的上证指数预测

以对称二次型模糊回归模型为基础,引入一般二次模糊回归模型,利用模糊最小二乘法估计未知参数．构建评价标准考察两模型的拟合效果,在样本期内和样本期外分别评价模型的实际拟合与预测能力．     

二个四参数增长曲线模型参数初始值的确定方法与模型应用

对非线性回归模型进行非线性最小二乘估计一般需要确定参数初始值.在非线性回归模型中,General Logistic模型和Von Bertalanffy模型是二个含有四参数的增长曲线模型,对数据的拟合有较强的适应性,应用较为广泛.本文给出这两个模型参数初始值的确定方法,并应用于实际拟合,得到很好的效果.     

负二项回归模型的推广及其在分类费率厘定中的应用

分类费率厘定中最常使用的模型之一是泊松回归模型,但当损失次数数据存在过离散特征时,通常会采用负二项回归模型。本文将两参数的负二项回归模型推广到了三参数情况,并用它来解决分类费率厘定中的过离散(over-dispersion)问题。本文通过对一组汽车保险损失数据的拟合表明,三参数的负二项分布回归模型可以有效改善对实际损失数据的拟合效果。     

两种ZIP模型的比较及其在保费厘定中的应用

本文研究了两种ZIP模型,比较了一般ZIP回归模型和ZIP(τ)模型对相同的零膨胀(zero-inflated)计数数据的拟合效果,发现前者在拟合时有较好的稳定性,并在此基础上得出实际数据中两种模型应用的技巧以及需要注意的问题。同时研究了ZIP模型在保险费率厘定中的应用,将这两种模型分别应用于保险数据,发现在拟合和预测两方面,ZIP回归模型都明显优于ZIP(τ)模型。     

零膨胀广义泊松回归模型与保险费率厘定

在保险产品的分类费率厘定中,最常使用的模型之一是泊松回归模型.当损失数据存在零膨胀(zero-in flated)特征时,通常会采用零膨胀泊松回归模型.在零膨胀泊松回归模型中,一般假设结构零的比例参数φ为常数,不受费率因子的影响,这有可能背离实际情况.假设参数φ与费率因子之间存在一定关系,并在此基础上建立了零膨胀广义泊松回归模型,即Z IGP(τ)回归模型.通过对一组汽车保险损失数据的拟合表明,Z IGP(τ)回归模型可以有效地改善对实际数据的拟合效果,从而提高费率厘定结果的合理性.     

随机环境下的一类衍生的ARCH模型的极限行为

提出了随机环境下的幂变换门限自回归条件异方差模型,得出了其以几何速率收敛的充分条件.该模型反映了动力系统受随机环境干扰的现象,能更好的拟合现实世界中的诸多实际问题.另一方面,本文推广了自回归条件异方差模型,改善了模型的适应性程度,能够更好地适用于各种不同的金融市场价格行为波动的现象.     

基于半参数可加自回归模型的黄金价格实证分析

大量实证研究表明,半参数自回归模型较传统的线性回归而言,能更好的拟合实际数据。本文构造了一类半参数可加自回归模型,基于条件最小二乘方法及核估计方法给出了估计模型参数和未知函数的迭代算法,讨论了估计量的渐近性质。通过数值模拟验证了估计的效果。并将模型应用于黄金价格数据的实证分析之中。实证分析结果表明,我们对现有模型的改进是必要的。     

广义泊松回归模型的推广及其在医疗保险中应用

计数数据往往存在过离散(over-dispersed)即方差大于均值特征,若利用传统的泊松回归模型拟合数据往往会导致其参数的标准误差被低估,显著性水平被高估的错误结论。负二项回归模型、广义泊松回归模型通常被用来处理过离散特征数据。本文以两类广义泊松回归模型GP-1和GP-2模型为基础,将其推广为更为一般的GP-P形式,其中P为参数。此时,P=1或P=2,GP-P模型就退化为GP-1和GP-2模型。文中最后利用此类推广的GP-P模型处理了一组医疗保险数据,并与泊松回归模型、负二项回归模型拟合结果进行了比较。结果表明,推广后的GP-P模型的拟合效果更优。     

PP回归方法在预测模型中的应用－用PP回归建立“积累”“消费”模型

本文利用ＰＰ回归方法,建立“积累”“消费”回归模型,并与最小二乘法拟合的线性回归模型相比较,说明用ＰＰ回归建立的模型预测精度较高．     

PP回归方法在预测模型中的应用－用PP回归建立“积累”“消费”模型

本文利用ＰＰ回归方法,建立“积累”“消费”回归模型,并与最小二乘法拟合的线性回归模型相比较,说明用ＰＰ回归建立的模型预测精度较高．     

基于非线性回归分析的棉纤维水分快速测量模型

为了克服现有棉纤维水分测量方法中 ,烘箱法存在耗能费时、直流电阻法存在测试结果稳定性较差等缺陷 ,提出基于交流阻抗法的棉纤维水分快速测试新方法 .实验发现 ,其测试结果 (电测值 )与棉纤维实际回潮率呈非线性相关 .通过多元非线性回归分析 ,建立了棉纤维电测值与回潮率值的多元非线性回归模型 .经稳定性分析与误差分析 ,证实了该回归模型能够较好地拟合棉纤维回潮率值 .回归模型的建立 ,为基于交流阻抗法的智能型棉纤维水分快速测试仪设计打下了基础     

ARMA模型在我国电力需求预测中的应用

本文以1973年~2004年我国电力消费量的历史数据为基础,根据其趋势图拟合出与之相似的指数回归曲线,然后对其残差序列利用时间序列进行分析和识别,建立起适合我国电力需求预测的指数回归-ARM A(1,1)模型.结果表明此模型具有简单快捷、预测精度高的特点,可以满足实际预测要求.     

半参数空间变系数回归模型的Back-Fitting估计

针对半参数空间变系数回归模型给出了一种估计方法-后向拟合估计,该方法可得到模型中常值系数估计量的精确解析表达式,广泛的数值模拟表明所提出的估计方法对估计常值系数具有满意的精度和稳定性,最后,利用该方法分析了一个实际的例子.     

零调整分位数回归模型在车辆保险索赔额中的研究与应用

车辆保险产品的定价一般会考虑保单持有人的索赔概率和期望索赔额等两个因素,零调整逆高斯回归模型作为解决这类问题的一个有力工具,由于变量分布的限定,从而具有一定的局限性.针对该问题,本文基于零调整逆高斯回归模型和分位数回归模型的思想,提出零调整分位数回归模型,并结合实际数据进行了拟合分析.与零调整逆高斯回归模型拟合的结果比较表明,零调整分位数回归模型可以作为研究车辆保险中索赔额的一个有力工具.     

协变量缺失情形下的逆概率加权众数回归估计

数据缺失在实际应用中普遍存在,数据缺失会降低研究效率,导致参数估计有偏.在协变量随机缺失(MAR)的假定下,本文基于众数回归和逆概率加权估计方法对线性模型进行参数估计.该方法结合参数Logistic回归和非参数Nadaraya-Watson估计两种倾向得分估计方法,分别构建IPWM-L估计量和IPWM-NW估计量.模拟研究和实例分析表明,众数回归模型比均值回归模型更具稳健性,逆概率加权众数(IPWM)估计方法在缺失数据下表现出了更好的拟合效果,与IPWM-L估计量相比, IPWM-NW估计量更稳健.     

半参数回归模型在空气质量指数分析和预测中的应用

根据2013年6月到2013年8月年武汉市一个检测点有关空气质量指数的数据,运用半参数回归模型对空气质量指数进行拟合,得到了空气质量指数与各有关指标的关系．实证分析表明,半参数回归模型拟合比较准确,预测结果也比较理想．     

异方差回归中的广义方差比检验

在同方差假设之下,线性模型在回归分析的理论与应用方面起着突出的作用,很受许多研究工作者的青睐.然而,回归模型中同方差性这一标准假设不一定总是成立的.因此我们考虑了用一类基于似残差的方法来检验异方差情形下线性模型拟合观测数据的情况.本文既给出了大量的模拟,又给出了实际数据作为应用的例子.效果都很好.     

综合运输量的宏观回归模型

本文介绍一种混合回归模型的理论及实际应用时程序实现的步骤.给出利用这种模型理论对以下两方面问题建立的若干宏观回归模型:1.全国货运量与社会产值间的关系;2.铁路货运量与国民经济若干主要指标的关系;并对拟合及预测效果做了一些分析,实践证明该模型既可用于解决线性问题,也可用于解决广义线性问题.若有适当的数据,还可证明它对解决有时延的问题的有效性.     

基于多元线性回归模型的东北地区需水量分析

多元线性回归模型在社会、经济、技术以及众多自然科学研究领域中已被广泛使用,某个地区需水量应与该地区多种因素有关,故选取东北地区的GDP、水库蓄水总量、人均可支配收入、城市绿地面积和工业用水量等5个因素,借助MATLAB软件阐明了多元线性回归模型在东北地区需水量分析中的应用.并通过皮尔森相关性检验、拟合优度检验、F检验、t检验和残差分析的方法对模型进行优化,得到了准确可靠的多元线性回归模型,此模型具有拟合程度高、简易、直观等优势,为多元线性回归模型在需水量分析中的应用提供了有力参考.     

新安江流域5—9月间汛期雨量预报的混合回归模型

应用回归模型拟合,是考虑因变量与自变量之间的统计依赖关系,借以预报因变量的未来值.而自回归模型拟合,是考虑因变量自身前后的统计依赖关系,借以预报序列的未来取值.前者没有利用因变量自身的统计依赖关系,后者没有利用因变量与自变量之间的统计依赖关系.在雨量预报中,雨量的多寡,有时不仅与所选自变量有关,而且与预报量的历史取值亦有很大联系.混合回归模型综合了以上两种考虑,克服了单纯回归模型存在的不足。