季节-谐波油价预测模型研究

油价预测是能源市场研究的一个重要领域.本文基于季节调整技术和周期性分析技术,提出了一个新的预测模型-季节-谐波模型,其思路是分解-组合.通过对五种油品(WTI原油、Brent原油、无铅汽油、柴油和取暖油)价格的实证分析,与其它五种方法(ARIMA模型、指数平滑、Winters方法、EGARCH模型和逐步自回归)相比,季节-谐波模型取得了最好的预测效果.     

基于SVM分类模型的垃圾文本识别研究

主要研究垃圾文本识别问题,利用苹果手机评论文本特征向量建立了SVM分类模型对垃圾文本进行识别,并与BP神经网络判别模型结果进行对比,得出苹果手机前400组训练样本的判别正确率为71%,后196组测试样本的判别正确率为70.12%.故得到,影响垃圾观点文本识别效果的主要原因为:1)评论文本的特征项的提取和文本特征空间向量求解.2)判别分类方法的选择,其中SVM文本识别效果最优.     

基于预测油价的风险控制决策分析

本文是在建立和求解某石油集团公司针对某种油品的高、中、低三种预测价格的风险型决策模型中，提出了基于风险偏好控制的最大收益原则的决策方法，并进一步讨论了这种决策方法的优势所在。     

基于LST-GARCH模型的国际油价波动研究

本文基于西德克萨斯轻质原油现货价格日数据,采用逻辑斯特机制平滑转换GARCH模型(LST-GARCH)实证研究国际油价波动特征,研究表明收益率波动的高持久性是一种假象,国际油价的波动过程存在机制转换效应;与传统的GARCH模型相比,LST-GARCH机制转换模型能够刻画油价波动过程的机制平滑转换特征;国际油价波动性对外部冲击有明显的杠杆效应,即相同幅度负的外部冲击比正的冲击引起更大的油价波动;另外国际油价波动过程具有非线性,即波动规律的时变特征。模型的检验与预测结果表明LST-GARCH模型比GARCH模型更好地描述国际油价波动特征。     

基于非凸惩罚的SVM模型对科技型中小企业信用风险评估

以科技型中小企业为研究对象,从企业的盈利能力、成长能力、运营能力、偿债能力、供应链因素五方面选取了17个影响因素,运用带有非凸惩罚的SVM模型(SCAD SVM)模型对影响中小企业的信用风险因素进行研究,并选用LassoSVM和SVM作为对比,进行变量选择和参数估计,最后对模型的准确率进行预测,得出结论:Lasso SVM方法倾向于留下一些不太重要的变量,而SCAD SVM方法通过将系数大的变量保留,系数小的直接减小为0的方式,可以选择出重要的变量,通过预测精度验证发现,SCAD SVM方法比Lasso SVM和SVM的预测精度更高.     

突发事件对国际油价的影响分析

突发事件是引起国际油价剧烈波动的非市场因素之一.构建一种ARIMA-GARCH传递函数模型,探讨不同类型突发事件对油价的影响程度,并对历史上三个突发事件进行实证分析,考察它们对油价的持续影响、即期影响和弱化趋势影响,在此基础上总结出不同类型突发事件对油价的影响规律.     

基于多分辨率分析的股票市场预测模型研究

采用多分辨率分析技术将深证成指收盘数据序列分解为多个子序列,然后采用神经网络技术对每个子序列分别建立预测模型,将各个预测结果叠加后得到最终预测结果.研究首先发现多分辨率技术可以有效提高预测模型的预测精度,表明分析我国股市波动时应该按照不同因素对股市影响大小及周期的差异分别研究,才能更有效分析股市运行状况及对其预测;其次结果表明不同类型神经网络预测模型预测性能差异明显,在选择股市预测模型的神经网络类型时应该注意其学习算法及收敛过程,以便能更好捕获股市变化规律.     

基于运行时间预测的枢纽内多线路协调调度研究

针对传统调度模型预见性不强的弱点,提出一个基于支持向量机(SVM)的公交车辆到达枢纽时间的预测模型,基于该模型构建以所有乘客节约时间最大为目标的调度模型,动态协调公交车辆从枢纽的发车时间,并基于遗传算法对该模型进行求解。最后,我们以大连市沙河口火车站枢纽为实例,对该模型和算法的可行性进行了检验,结果显示,本文提出的调度方法优于传统调度策略。     

基于SVM的高分辨率遥感图像的分类方法研究

SVM(Support Vector Machine,支持向量机)分类算法是一种在高分辨率遥感图像分类中逐步得到重视的算法.首先详细介绍了SVM算法的数学原理,其次给出了基于SVM的高分辨率遥感图像分类方法的模型建立、光谱特征提取以及分类器设计,然后在AVIRIS标准多波段遥感数据集Indian Pines上进行了仿真,通过混淆矩阵和kappa系数评价了分类性能,最后以作者所在高校地区高分图像分类为例,验证了方法在高分辨率遥感图像地物分类上的有效性.     

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.     

基于GARCH模型的石油价格变动模拟

石油是一种特殊的商品,是国家重要的战略物资,世界各国都十分重视其价格变动问题,因为油价变化会影响到各国经济发展,甚至国家安全。因此,本文采用GARCH模型,通过基于Gibbs抽样的MCMC方法分析了国际市场石油价格的分布特征,对石油价格波动的异方差特性进行描述和模拟,实证分析结果说明从石油价格波动序列峰度系数和平方价格波动序列自相关函数的描述来看,基于t分布的模型模拟效果优于基于正态分布的模型,这一结论反映了石油价格波动序列的分布特性。     

基于VAR—GM(1.1)—SVR模型的房地产价格预测研究

为提高房地产价格预测精度,克服传统统计数据真实性低、时效性差的缺点,本文以网络搜索数据为基础,首先通过斯皮尔曼相关分析和时差相关分析筛选出与房地产价格具有高度相关性的先行关键词,并利用向量自回归模型(VAR)和GM(1.1)模型分别预测房地产价格;然后构建基于向量自回归模型和GM(1.1)模型的VAR—GM(1.1)—SVR模型将以上两个模型的预测结果进行预测融合,并以西安市数据为例进行验证,得出均方误差(MSE)和标准平均方差(NMSE)分别为0.97和0.03,优于单一模型预测效果.     

基于ARIMA模型的我国大宗农产品价格指数预测

以2006年6月至2015年12月我国大宗农产品价格指数月度时间序列作为研究对象.构建ARIMA(1,1,1)模型对我国大宗农产品价格指数进行了拟合和预测,并对模型拟合效果和预测准确度进行了检验,效果均良好.预测结果表明,从长期变化趋势看,我国大宗农产品价格指数上涨是大势所趋.从短期变化趋势看,大宗农产品面对较大的价格下行压力.     

基于支持向量机和领域知识的纳税评估预警模型

纳税评估是税务稽查的基础和前提,运用科学、合理的评估手段,降低评估风险和成本,提高纳税评估工作的整体效率和效果,成为纳税评估工作的关键问题.在总结纳税评估基本原理的基础上,针对企业的纳税评估问题构建了评估指标体系,提出了将支持向量机(SVM)和领域知识结合建立纳税评估预警模型的方法,首先利用SVM筛选出有涉税疑点的企业,然后在领域知识的指导下结合统计分析方法,进一步找出可疑对象偏离正常统计值的指标,解决了预警模型无疑点指向性的问题,实证分析表明该方法具有较高的可行性.     

中美石油消费与国际原油价格的协整分析

石油消费与石油市场与国民经济和国家安全息息相关,是学术界研究的的热点领域之一.本文采用协整性和因果关系检验的计量经济学方法,考察了我国石油消费和国际原油价格之间的相互影响,发现两者存在长期协整关系,但只具有单向因果关系.与美国的比较研究表明,我国石油市场化改革取得了显著成效,随着改革的深入,还应该建立充足的商业石油储备,并基于市场调整当前石油定价体制与进口机制,进一步放开油价,采用主动的进口策略,才能根本解决消费与价格存在的脱节问题,实现与国际石油市场更好的接轨,适应日益完善的市场经济需要.     

基于ARIMA模型的我国稀土需求统计及预测分析

以我国1978-2012年稀土需求量数据为样本,运用ARIMA模型对我国"十二五"末稀土需求量进行预测分析.预测结果表明2013-2015年我国稀土需求量总体上将持续增长,到2015年我国稀土需求总量将达到8.27万吨(REO),与2012年相比,年复合增长率为8.48%.预测具有较高的拟合精度,拟合值与观测值具有较好的一致性.通过对我国稀土需求量进行预测以期为政府制定相关行业政策提供决策依据.     

零售物价总指数的相关因素分析及预测的数学建模

本文对我国测量通货膨胀的主要指标全国零售物价总指数进行了相关因素分析，并在此基础上建立了零售物价总指数预测的数学模型．     

基于灰色系统理论的新疆综合地价预测及影响因素分析

根据新疆维吾尔自治区2006-2010年综合地价,利用灰色预测理论及灰色关联理论,建立预测新疆综合地价的GM(1,1)预测模型并寻找影响新疆综合地价的主要因素,以期为控制综合地价提供科学依据.由模型结果我们可以得到,房地产价格指数与城镇化率是当前促使新疆综合地价上升的两个主要因素.预测结果显示,房价打压政策下,新疆综合地价短期内不会下跌,且仍会平稳上升.     

基于小波神经网络与ARIMA组合模型在股票预测中的应用

为了实现对股票价格变化的短期预测,提出了一种基于小波神经网络(WNN)与自回归积分滑动平均模型(ARIMA)的组合预测模型.将股票的收盘价序列数据划分为线性以及非线性(误差项)两个部分,分别利用统计学中ARIMA模型和小波神经网络分别对两部分数据进行预测并得到结果,将两部分结果组合相加合成为整个股票价格的预测结果.实验结果表明该组合模型在预测精度方面有提高,是一种比较有效的预测模型.     

基于特征价格模型的滨海公园门票价格影响因素分析——以大连滨海公园为例

本文选取大连市2010~2014年29个滨海公园的季度面板数据,运用特征价格法,实证检验了公园自然属性及园区游憩设施属性与公园门票价格之间的关系。研究发现:在自然属性方面,除温度、降水量和沙滩属性外,其他滨海公园的自然属性均对门票价格具有显著的正向影响;而温度和降水量对游客对公园门票价格的边际意愿支付具有显著的负向影响。比较而言,由于很多滨海旅游景点门票价格实行的一票制,这可能是导致园区内各种游憩设施对门票价格产生较小影响的原因。而一些重要的园区游憩设施仍然会对门票价格产生重要的影响,比如水族馆,海洋动物表演,海上观光游船和潜水等都对门票产生显著的影响;相比之下,那些与滨海资源无关的园区游憩设施属性对门票价格没有影响,甚至产生负向影响。在园区游客拥挤度和景区A级排名方面,二者均会对公园门票价格产生显著影响。基于上述研究结果,本文对滨海公园承载力管理、环境保护、活动设施改善、以及门票价格调整等提出了相关政策建议。