一种包含周期变动的回归预测模型

众所周知,利用普通回归模型预测,误差往往很大。道理很简单,普通回归模型仅考虑长期趋势。本文建立了一种包含周期变动的回归预测模型,提高了拟合度,减少了预测误差。     

时序列特征与预测模型选择

本文证明了时序列的基本特征与相关预测模型的关系，给出了依据时序列特征选择预测模型的方法。     

一种新的两步预测法

前言在预测中,对时变性强,变动幅度较大的时间序列,不易找到合适的预测方法.本文提出了一种新的两步预测法,通过对两个实例预测,效果较好,现介绍如下。一、基本想法首先根据时间序列的变化情况,将其适当地分成若干个子序列(使每个子序列的时变性和变动幅度都小于原序列)。然后,将每个子序列看作一个状态,利用马尔柯夫状态预测法,     

季节模型预测的定基比率法

一在经济预测中,常常遇到对具有明显季节性变动规律的经济变量进行预测的问题,即季节变动预测。在季节变动预测中,常用的方法之一是把经济变量的季节波动时间序列进行分解,测定其长期趋势T、季节变动S、循环变动C和不定变动I等组成因素,并利用乘法模型X=T·S·C·I,计算表征该变量季节变动一般规律的指标——季节指数SI,用以进行预测。依据乘法模型进行季节变动预测,其关键在于计算季节指数。计算季节指数通常是依据三年以上分季(月)的季节波动时间序列,按同期平均法求各该季(月)水平的平均值(?)k,然后除以各季(月)水平的总平均值(?),即可得到季节指数:     

时间序列预测中提高预测准确度的几种方法

经济预测工作中,人们都希望尽量使预测结果准确些。而影响预测精度的因素有很多,诸如预测者的知识、经验、预测使用的模型方法等。其中有些因素,我们不可能一蹴而就,很快就能满足提高准确度的要求,例如预测者的知识、经验等,这需要较长时间的不断地学习、探索和积累。但是其中有的因素,例如预测方法使用得恰当的话,那么预测结果的准确度就会高一些。本文拟介绍在时间序列预测中使用并且对提高预测准确度有关的三种方法:原始数据加工法、交叉预测法和平行预测法。     

一种新的模糊时间序列预测模型

利用模糊系数实变量的线性方程组建立了一种新的模糊时间序列预测模型。模型的求解被转化为一种二次规划问题,它可广泛地应用于不确定环境中的各种预测。     

一种新的预测评价方法——损失函数法

本文提出了一种用以衡量预测误差对决策产生影响的损失函数。并探讨了损失函数在建立预测模型中的应用和用损失函数对预测模型（或预测方法）进行评价的一般方法     

我国所有制结构的变动趋势预测与分析

我国所有制结构的变动趋势预测与分析刘国新，万君康（武汉工学院工商管理学院４３００７０）ＦｏｒｅｃａｓｔａｎｄＡｎａｌｙｓｉｓｏｆＴｒｅｎｄｏｎＣｈｉｎｅｓｅＯｗｎｅｒｓｈｉｐＳｔｒｕｃｔｕｒｅ…ＬｉｕＣｕｏｘｉｎＷａｎＪｕｎｋａｎｇＢａｓｅｄｏｎａｎ...     

季节周期波动的分解—组合预测

本文对季节周期波动的数据提出了分解组合的预测方法,实例计算表明该方法十分有效。一、引言许多预测对象的经济行为由于各方面的原因,比如气候影响、社会风俗习惯等而表现出明显的周期波动。而且常常是按月份或季度呈现出循环周期的波动,我们称之为季节周期波     

预测方法的有效性分析

预测方法的有效性分析王明涛（郑州工学院４５０００２）１引言在进行预测时，人们关心的主要问题之一就是预测精度；要保证预测达到一定精度，就要选择有效的预测模型，那么什么样的模型是有效的呢？怎样衡量模型的有效住呢？这是预测工作者所关心的。文献［１］探讨了简...     

利率随机过程下的债券价值变动预测

本文首先研究了利率为随机过程下期度的一般表示式,在此基础上讨论了几种常用的随机过程下债券价值变动的预测问题     

马尔科夫模型与时间序列法组合预测产品销量

在现代企业管理中,营销管理、目标管理、成本管理已广泛应用,但这些规律理论应用的基础是对来年销售量的预测。文章根据个体消费者的消费随机性特点、空调年销售规律变化特点,根据马尔科夫模型随机性、稳定性特点以及时间序列法对短期预测和变化规律稳定的预测精确度较高的特点,提出对空调的销售量进行预测的马尔科夫模型与实践序列法相结合的方法。     

浅谈时间序列的分析预测

时间序列理论是研究计量经济的基础，时间序列分析预测方法是定量分析的主流方法，本文阐连了时间序列的基本特征，并介绍了时间序列的有效分析预测模型：由于已有模型的固有缺陷，这将促使我们进一步探究先进的方法理论。     

时间序列模型在湖北省城市化水平预测的应用

文章在客观评述国内外主要预测方法的基础上。根据湖北省1949-2004年城市化水平的时间序列资料,构建城市化水平的时间序列预测模型,并进行实证检验和预测。     

经济时间序列的状态空间预测

预测是研究经济时间序列的重要课题,而经济序列大都是非平稳的,因此经济序列的预测比一般平稳时间序列困难得多。利用状态空间模型对经济序列进行建模、预测,不仅方便易行,且效果很好。不仅可对经济时间序列所含趋势、周期、季节各分量进行预测,而且可对经济时间序列本身进行预测。本文就是讨论用状态空间模型对经济序列进行预测的方法与实现。     

非平稳时间序列预测组合的条件

本文考虑当被预测的时间序列变量为非平稳过程时，由单项预测构成组合预测的条件。研究发现组合预测中的任何一个单项预测，与被预测变量具有协整关系是构成组合预测的重要条件     

上海城乡居民消费结构变动和消费增长水平的分析与预测

上海城乡居民消费结构变动和消费增长水平的分析与预测施祖辉（上海财经大学财经研究所２００４３３）“九五”期间，随着上海城乡居民生活水平的不断提高，尤其是住房消费的全面启动，居民的消费结构已发生明显变化。从消费结构的变化趋势看，城乡居民的生活消费已由生...     

基于神经网络的多维时间序列预测预报方法

1 引言时间序列就是一列随时间变化的数,它是对客观事物的一种描述,属于时域分析的范畴。我们研究时间序列的目的,就是要对时间序列建立一个参数模型,用于描述事物发展的变化规律。定义1:时间序列{x(t)}是一个t∈Z的实值向量随机变量,其中Z表示整数集。在定义1中,如果x(t)∈R~1,那么{x(t)}就是一维时间序列,所建立的模型称为一维时间序列模型;如果x(t)∈R~(?),那么{x(t)}就是r维时间序列,所建立的模型称为r维时间序列模型。 Box和Jenknis首先成功地建立了一维时间序列模型。近年来Tong也在这方面做了许多很有影响的工作。通过许多人的努力,使得一维时间序列模型,如ARMA模型等都能较好地应用于实际预测工作。一个一维序列{x(t)}的(p,q)阶ARMA模型