多輸出混頻預測模型及其應用研究.pdf

1、多輸出混頻預測模型是本文提出的新模型，指自變量和因變量間時間統(tǒng)計頻率不一致的模型，其中，自變量之間既可以是同頻，也可以是混頻，因變量是同一目標值在連續(xù)時間序列點上的輸出值，它們之間為同頻。多輸出混頻預測模型是本文所構建一系列模型的總稱，分為一元、同頻多元和混頻多元多輸出混頻預測模型。該系列模型目的在于解決經濟領域中客觀存在混頻數(shù)據(jù)和多輸出的問題。在二十一世紀“信息化、網(wǎng)絡化、智能化”程度不斷加深的背景下，可獲得各個領域數(shù)據(jù)的途徑迅速增加

2、，獲得成本也不斷降低，我們獲取多項數(shù)據(jù)的條件變得更加現(xiàn)實，充分利用多項數(shù)據(jù)對經濟進行預測成為必然。在需要用于預測的自變量數(shù)據(jù)中往往統(tǒng)計時間頻率不一致，或者和因變量數(shù)據(jù)之間存在頻率差異，即出現(xiàn)混頻數(shù)據(jù)。其中，當自變量為時間頻率統(tǒng)計較低的變量，而因變量為時間頻率統(tǒng)計較高的變量時，出現(xiàn)多輸出問題。但目前針對混頻數(shù)據(jù)預測模型的研究成果中，一般都為自變量數(shù)據(jù)和因變量數(shù)據(jù)之間頻率不一致，極少涉及自變量間頻率不一致的情況；低頻變量預測高頻變量時，并未

3、涉及多輸出問題；混頻數(shù)據(jù)研究和多輸出研究是兩個相對獨立的研究領域，多輸出方法中也未涉及混頻數(shù)據(jù)的使用。研究多輸出混頻預測模型，研究過程綜合以傳統(tǒng)計量為基礎的混頻數(shù)據(jù)模型、先進的機器學習方法中的多輸出支持向量機模型、先進的搜索最優(yōu)參數(shù)的遺傳算法等方法和應用，解決經濟領域中同時存在變量數(shù)據(jù)頻率不一致和多輸出的問題。本研究主要內容包括：
　　⑴建立多輸出混頻預測模型。時間頻率統(tǒng)計不一致的數(shù)據(jù)大量存在，當人們已獲得某項頻率數(shù)據(jù)的結果后，傾

4、向于得到更高頻率的預測結果，同時在經濟領域，面臨不少自變量為低頻數(shù)據(jù)而因變量為高頻數(shù)據(jù)的客觀事實，當?shù)皖l變量預測高頻變量時，出現(xiàn)多輸出問題。為解決以上問題，本文先從建立一元模型入手，首次將混頻數(shù)據(jù)模型和多輸出問題融合，構建一元多輸出混頻預測模型。該模型中，自變量與因變量間頻率不同，但輸出的多個因變量頻率相同。一方面，人們在對某項事物進行預測時，會著重考慮某單一重要因素對它的影響或它們之間的相互關系，另一方面，在此前的文獻中，并未見到混頻

5、數(shù)據(jù)方法中同時考慮多輸出問題的研究，也未在多輸出方法領域見到包含混頻數(shù)據(jù)的研究?；谝陨蟽煞矫嬖?，借鑒混頻數(shù)據(jù)模型中最為經典的MIDAS系列模型之一U-MIDAS模型和研究多輸出模型中先進的多輸出支持向量機模型，將兩者有機結合，首先建立一元多輸出混頻預測模型，同時給出模型參數(shù)優(yōu)化方法和系數(shù)估計方法。該模型吸收兩者優(yōu)點的情況下，還克服了U-MIDAS模型僅在頻率差異較小時適用的缺點。最后將該模型用于中國和美國的股票市場和房地產市場，預測

6、股票指數(shù)和房地產指數(shù)，通過實證，與單輸出混頻模型對比，說明本文提出的模型更具優(yōu)勢。
　　⑵構建同頻多元多輸出混頻預測模型。大量研究文獻已證明，多元模型比一元模型具備更優(yōu)的預測能力。影響事物的因素眾多，且各種因素之間存在錯綜復雜的聯(lián)系，它們的變化產生的結果又具有不確定性，需要運用一定的方法對結果作出科學的預測。采用U-MIDAS模型，融合多輸出支持向量機，構建同頻多元多輸出混頻預測模型，同時給出相應的參數(shù)優(yōu)化和系數(shù)估計方法。在該模型

7、中，多個自變量之間的頻率是一致的，輸出的多個因變量之間頻率也是一致的，但自變量和因變量之間頻率不同。最后對不同市場的股票指數(shù)和不同國家與地區(qū)的房地產指數(shù)進行預測，同多元單輸出混頻模型對比，證明該模型的可行性和優(yōu)越性。
　?、菢嫿ɑ祛l多元多輸出混頻預測模型。這也是本文最大的創(chuàng)新點。任何事物的發(fā)展趨勢都同時由多方面因素決定，且各方面的因素可能存在數(shù)據(jù)統(tǒng)計時間頻率不一致的情況，即自變量間存在混頻數(shù)據(jù)。此前的文獻大多針對同頻自變量進行研究

8、，其中的原因之一是無法解決自變量之間頻率不一致的問題。即便是混頻數(shù)據(jù)模型中，也極少見到關于自變量之間頻率不一致的問題。有學者先構建多個基本一元MIDAS模型，每個一元模型的自變量頻率不同，但都針對同一個因變量，之后再進行模型組合。盡管這樣做解決了自變量間不同頻率的問題，但顯然組合模型的方法忽略了自變量之間的關系以及對因變量的綜合影響。構建一個混頻多元多輸出混頻預測模型具有很強的現(xiàn)實意義和學術價值。本文最終將構建一個混頻多元多輸出混頻預測