利用优选法确定指数平滑系数α的一种方法——0.618法

指数平滑法是分析经济时间序列的最常用方法,其数学模型为: 其中:S_t是第t+1期的预测值、α为平滑系数(或加权系数) 在应用指数平滑法进行预测时,如何确定平滑系数α是提高预测精度的关键。在预测中,一方面我们希望提高α值,借以增加近期数据的权数;另一方面又希望减少α值以平滑随机误差,显然这两项要求是相互矛盾的。所     

再论最优组合预测模型的确定

1 引言组合预测的基本含义是把两个或两个以上的预测模型来用加权平均的方式组合为一个模型,而加权系数的确定是最优组合预测模型确定的关键。我国有很多人从事过这方面的研究,得到一些结果(见[1]、[2]).本文根据广义最小二乘法和加权最小一乘法思想,再论最优组合预测模型的确定. 2 根据广义最小二乘法确定最优权系数设对于同一预测问题我们有几种预测方法。 y(?)实际观测值,t=1,2,…,N; y(?)第i种方法的预测值,i=1,2,…,n; (?)=y(?)—y(?)第i种方法的预测误差; W_(?)第i种方法的加权系数,(?)=1; (?)加权组合预测值; e(?)=y(?)—y(?):组合预测误差. 根据广义二乘法的思想,最优组合预测模型,其权系数W=(w_1,…,w_n)~r应使下式中的J达到最小     

矩阵正态分布的一个刻画

设X是n×p随机矩阵,是左球对称的。本文我们发现X的正态性可用它的部分元素来刻画。令L为任一p×r实矩阵,1≤r≤p。如何由XL的正态性来断定X的正态性,文中给出一些充分条件。     

德尔菲预测法的数量分析

1 问题的提出德尔菲法是一种应用广泛的专家意见定性预测法,由于这一方法具有“匿名性”、“反馈性”以及“反复性”,可以比较真实地收集专家的预测意见,集思广益,使预测结果比较符合实际情况,所以这一预测方法在各个领域得到广泛的重视. 某洗衣机厂运用德尔菲法对某种型号的全自动洗衣机投放市场后的年销售量进行了预测。预测过程记录在表1中. 由表1可知,经过三次信息反馈,所得到的专家预测意见已趋稳定,于是得到如下的结果: (1)取最终平均值25.6作为预测值; (2)取最终的均方差3.6作为预测值的“精确性”指标,一般可称为“精确度”。由于各位专家的预测值已呈“隋性”,在无新的反馈信息刺激的情况下,预测“精确度”将不可能有新的提高。由此对传统的德菲法可以提出以下的问题:     

“预测”的定义质疑——兼论预测、预测工作和预测的定义及相互关系

什么是“预测”的定义?人们有种种不同的说法。下面是当前流行的几种有代表性的说法: (1) “预测”是指依靠现有资料和一定的理论与力法,对未知的尚未发现的(包括即将发生的)事象的预先估计和推想”。(胡学峰《“预测”释义》,《预测》杂志1986年第2期) (2) “预测就是对未来作出估计”。(陈迅著《预测与决策》,广东人民出版社1982年6月第1版第3页) (3) “预测是对尚未发生或目前还不明确的事物进行预先的估计和推测”。(陈玉祥、张汉亚主编《预测技术与应用》,机械工业出版社1985年8月第1版第1页) (4) “经济预测系对未来经济情势的一种猜测或研判”。(邱依忠编著《经济预测方法》香港正中书局) (上面的着重号为本文作者所加——引者) ……     

信用评分卡综述

信用评分卡实际上是评分卡技术在信用风险管理方面的应用。评分卡是一个数学工具,它可以通过分析发生的现象,根据历史数据和各种相关因素,来预测发生某个特定结果的可能性。分析的基础是一系列互相结合、互相关联的因素、变量、预测值或者回归方程的独立变量。评分卡应用在信用风险管理上,就称为信用评分卡。     

编者的话

本刊自1986年第1期刊出汽车需求预测调查表以来,至今已进行第三次调查预测。运用期刊进行持续而广泛的调查预测,是一项带有探索性的实验工作。参加调查的读者正在迅速增加,第1期虽然赶上春节假日也收到71份回函,第2期在不到20天时间里已收到110份回函。许多读者结合自己的专长,进行观察     

头脑奥林匹克2004年第2期答案

死算与巧算当然要巧算,但不排斥死算,而且一开始往往只有踏实死算才行。第二个数应该是(4+3+9)×13=208;第三个数应该是(2+0+8)×13=130;第四个数是(1+3+0)×13=52;再算第五个数是(5+2)×13=91;至此为止还看不出什么名堂。只好再继续死算下去:(9+1)×13=130,这时我们眼睛一亮:130又出现了!所得的数已有: 439、208、130、52、91、130……即从130开始,将以3的循环周期不断出现130、52和91这三个数。下面用巧算:先扣去前面两项,即把     

黑龙江省社员存款预测(续)

一、引言开展农村社员存款,是聚集社会主义建设资金的重要渠道之一,为了制定切实可行的存、贷款计划,搞好资金的综合平衡,1983年张国群同志对1982～1985年末的社员存款进行过预测,(见预测杂志1983.6—7期),为了便于比较,其预测结果摘录于下:见表一表一黑龙江省社员存款预测值(亿元)     

基于密度算子的组合预测方法

考虑到单项预测方法在不同时刻预测准确性的差异,提出了一种基于密度算子的组合预测方法.该方法的核心思想是利用样本区间内单项预测方法的预测准确性对预测值聚类;然后基于密度算子的思想对单项预测法集结,得到一种新的组合预测模型;在此基础上,基于预测值和相应观察值误差最小的思想确定单项预测法的加权系数.该模型充分利用了样本区间内单项预测法的预测准确性,因而预测值具有较高的准确性.最后,给出一个实例,并对其结果进行比较分析,证明了该组合预测模型的有效性.     

简谈预测与规划

在预测过程中人们都希望预测值与实际值相等或相差不大。而在实际过程中,我们则希望实际值优于预测值(尤指优于时间序列法的预测值)。但是如果实际位优于预测值便会造成预测之不准,这时,人们便会回过头来怀疑预测方法的科学性。不少人往往产生这样的认识:所有的单顶预测值,均应作为该项目未来应达到的目标值     

基于MGM(1,n)的R&D投入预测分析

当观测资料的数据量少而又存在多个相互影响或关联的变量时,常用的灰色GM(1,1)模型不能全面考虑多个变量,GM(1,n)模型也不能考虑相互影响问题,而采用MGM(1,n)模型,较好地解决了这一问题.MGM(1,n)模型是GM(1,1)模型在n元多变量情况下的推广,其参数能够反映实际工程或社会系统中多个变量间的相互影响、相互制约的关系.内容包括建模变量的选择,建立n元微分方程组,求解变量的时间响应函数和模型检验,并对GDP和R&D进行了预测.     

基于BP神经网络的葡萄酒质量快速预测模型

本文通过建立BP伸进网络模型,对由灰色关联度分析选出7个葡萄理化指标作为BP神经网络的输入变量,葡萄酒的评分作为输出,并用三组样品进行预测,得出预测值分别为:70.4187、68.1480、65.0617,与真实值的相对误差分别为:3.56%,5.35%,9.64%,从而证实了通过BP神经网络对葡萄酒质量进行预测的方法是可行的。     

未来研究有关文献简介 6、2000年的人口、福利和资源

B·B·休斯等,英国,《未来》杂志,第10卷第4期这篇文章是根据巴特勒大学下属科学研究所在“全球的2000年”草案范围内进行调查所写成的(草案是为了答复美国总统有关环境问题的指示由环境质量委员会和国务院起草的)。文章分析了1975——2000年中世界发展的三种“方案”,预测相互之间进行比较,也同其他组织的预测相比较。     

基于灰色预测模型的上证指数开盘价预测

本文采用R软件,对上证指数(000001)历史时间序列数据(2015/12/4-2015/12/11)进行灰色预测建模分析,并预测出2015/12/14的开盘价。该预测值与实际值相对照,预测误差小,模型拟合效果良好,说明灰色预测模型非常适用于短期预测;同时预测结果显示在该时期上证指数处于波动下跌趋势。     

粒子群神经网络在手机物料库存预测中的应用

物料库存预测是企业经营管理的重要方面,它直接影响企业的生产与销售以及企业经济效益的实现。开展物料安全库存预测研究对于合理地控制物料的进出,节约存货空间,降低库存成本,提高库存管理的科学性和企业经济效益具有重要的理论意义与实际应用价值。文章构建了基于粒子群优化的神经网络的手机物料库存预测模型,实验结果表明,手机物料库存的预测值与实际值吻合度较好,该方法可有效地提高预测准确度,对实际生产具有一定的指导作用。     

基于相关性分析的反倾岩质边坡最优锚固角逆预测

为了快速得出反倾岩质边坡的最优锚固角,利用1stOpt程序从相关性分析角度对反倾岩质边坡坡角、层面倾角、边坡初始安全系数、最优锚固角4个变量的35组数据进行回归拟合,得到4个变量之间拟合优度R2为0.985,P值为0的相关性预测模型.以相关性预测模型求得最优锚固角逆预测模型,并结合基于一阶Taylor展开的,以变异系数代替标准差的"方和根合成"随机误差传递公式求得逆置信限表达式.通过对龙滩水电站左岸蠕变体边坡最优锚固角的数值模拟分析及逆预测计算,发现最优锚固角逆预测值与实际值相对误差为5.67％,且逆预测值位于95％可信度的逆置信区间内,表明由相关性预测模型计算得出逆预测模型的方法能够为最优锚固角的快速获取提供一定思路.     

二十年来的组合预测

译校者注:本文译自英国《预测杂志》1989年第8卷第3期,是组合预测的创始人之一为这期组合预测专辑撰写的特约评论“Combining Forecasts——Twenty Years Later”,很有参考价值。自1969年Bates和Granger在《运筹学季刊》第20卷上发表论文“组合预测”,开创这一研究领域以来,组合预测技术的理论和方法得到了迅速发展。本文评述了20年来组合预测的各种进展,如预测的“占优势”(dominate)与“包含”(eneompass)等复杂概念和置信区间与分位数的组合预测,以及尚未解决的有关问题,如视距(horizon)大于一个时期的组合预测等。     

关于成长曲线预测模型参数识别的一点看法

《预测》1983年第1期上刊登的坚石同志一文(下称文献[1])提供了成长曲线的模型及其参数识别的二种方法,并以我国1949年、1953年、1957年三年的人口统计数据为依据,预测我国1978年人口数为958(百万)人,与实际调查数975(百万)的相对误差为1.7%。     

成长曲线与经济寿命曲线

本刊1983年第1期(总第3期(?)发表了坚石同志题为《成长曲线预测及其参数识别》一文后,收到许多读者同志写给本刊的商榷文章,就“成长曲线预测及其参数识别”的有关问题阐述了自己的观点,本期特选登韩喜文同志的文章,对成长曲线预测模型作进一步探讨。