基于交叉相关系数的风矢度量模型

利用卫星云图中的灰度数据,建立了基于灰度值相关系数的风矢场动态匹配度量模型,并用差商法、三次样条插值法和整体局部匹配算法对模型进行优化.与传统的固定窗口风矢度量模型相比,具有较高的度量精度和匹配速度.对非单调的气压层与温度函数进行了分段拟合求解,根据气压层温度曲线特性和气压不能突变原理,建立了气压层全局匹配模型.     

基于灰色拓扑的中国交通事故死亡人数预测模型

在对我国108个月(2003年1月-2011年12月)交通事故死亡人数统计资料时序分布特征分析基础上,选取一组阈值,建立不同阈值所对应的时间序列GM(1,1)模型群,基于灰色拓扑预测理论方法,同时运用MATLAB软件,对我国交通事故死亡人数进行了分析预测,用此模型群对未来可能出现一定阈值范围内死亡人数的年份和月份进行预测.结果表明,所建立的灰色拓扑预测模型的检验精度都达到"好"的标准,可供交通部门参考.     

GM(1,1)模型在大开间图书馆流量预测中的应用

首次将GM(1,1)模型用于预测大开间图书馆的书本流量.详细阐述了GM(1,1)模型的建立,及其对大开间图书馆借阅流量的预测.预测结果与真实情况具有良好的一致性,可信度较高.这一工作将对大开间图书馆的借阅量评估起到良好的指导作用,同时也是图书馆设计以及其馆藏量评估的重要参照.     

基于SVR的RAR区域经济预测模型

由于区域经济系统中许多经济变量呈现出强非线性与大波动性的特征,使得传统的时间序列线性建模和预测技术难以适应区域经济预测的要求.为此,提出基于支持向量机改进的残差自回归区域经济预测模型.首先采用时间序列分析中的残差自回归模型对时间序列趋势进行线性拟合,然后对残差自回归模型估计后的残差序列采用支持向量回归方法再次提取其非线性特征,从而提高区域经济时间序列模型的预测精度.最后以广东省GDP的预测实例说明模型的有效性.     

基于主成分分析的支持向量机模型对上海房价的预测研究

采用基于主成分分析的支持向量机方法对上海房价进行预测.首先利用主成分分析法对原始数据进行降维处理,然后利用具有高水平的小样本学习能力的支持向量机进行预测模型的建立,对上海房价进行预测.实证显示,经过主成分分析的支持向量机模型能够较好地处理复杂的房地产数据,具有较高的预测能力,为上海房地产业的发展提供参考.特别地,该模型可以普遍应用于影响因素众多,时效性较强的短期小样本数据问题的预测,具有较高的泛化能力和很好的预测精度.     

成分数据的组合预测

成分数据是一类具有复杂性质的数据,特别是它的预测研究在管理学与经济学中占有很重要的地位.组合预测则是近年来在预测中应用比较广泛的一种方法,它能够充分利用单预测模型的信息,提高预测精度,增强预测的稳定性,且具有较高的适应能力.本文首次把组合预测方法应用到成分数据的预测分析中,基于成分数据的一些基本性质,利用组合预测得到了较好的预测结果.     

高阶马尔可夫链的降阶模型及其应用

本文通过对传统高阶马尔可夫链模型的状态空间进行阶数重构,导出一个在重构状态空间上的降阶马尔可夫模型。理论分析证明,降阶马尔可夫链模型不但可以描述传统高阶马尔可夫链模型的全部性态,更能表达较传统模型细微的随机结构。然后,应用降阶模型对我国股票指数的动态变化进行实证分析,讨论了阶数的选取和高阶马尔可夫性检验,分析了股票市场内在波动结构。最后,对股指序列作出短期与长期的预测分析。     

上证综指的已实现波动率预测模型

采用上证综指2000-2008年的高频数据,在考察了中国股市已实现波动率的特征(即具有长记忆性、结构突变、不对称性和周内效应的特征并且结构突变只能部分解释已实现波动率的长记忆性)的基础上,构建了一个自适应的不对称性HAR-D-FIGARCH模型,并用于波动率的预测。模型的估计结果表明,与其他HAR模型相比,该模型对样本内数据的拟合效果最好。最后,通过SPA检验实证评价和比较了该模型与其他5种已实现波动率预测模型的样本外预测精度。结果发现,在各种损失函数下,该模型是预测中国股市已实现波动率精度最高的模型。     

成交量信息有助于预测中国股票市场的波动吗?

就成交量信息是否有助于预测股票市场的波动率这一问题,目前学术界有两种截然相反的观点存在。本文以中国股票市场代表性指数的代表性波动周期为例,对上述问题进行了实证研究。通过采用较以往研究更为严谨和稳健的样本外滚动时间窗预测法和高级预测能力检验法(Superiorpredictive ability,SPA),本文得到的分析结论包括:(1)成交量信息对中国股票市场的波动过程有显著影响;(2)将成交量纳入GARCH族模型会导致条件方差方程中的波动持续性出现明显下降;(3)引入成交量作为附加解释变量的GARCH族模型并未表现出比一般GARCH族模型更优的波动率预测能力。最后对实证结果给出了理论解释。     

Discrete-time GI/G/1 retrial queues with time-controlled vacation policies

A discrete-time GI/G/1 retrial queue with Bernoulli retrials and time-controlled vacation policies is investigated in this paper. By representing the inter-arrival, service and vacation tlmes using a Markov-based approach, we are able to analyze this model as a level-dependent quasi-birth-and-death （LDQBD） process which makes the model algorithmically tractable. Several performance measures such as the stationary probability distribution and the expected number of customers in the orbit have been discussed with two different policies： deterministic time-controlled system and random time-controlled system. To give a comparison with the known vacation policy in the literature, we present the exhaustive vacation policy as a contrast between these policies under the early arrival system （EAS） and the late arrival system with delayed access （LAS-DA）. Significant difference between EAS and LAS-DA is illustrated by some numerical examples.