組合模型在我國經(jīng)濟(jì)預(yù)測(cè)中的應(yīng)用.pdf

1、時(shí)間序列預(yù)測(cè)法是一種歷史資料延伸預(yù)測(cè),是對(duì)時(shí)間序列所反映的社會(huì)經(jīng)濟(jì)現(xiàn)象的發(fā)展過程和規(guī)律性進(jìn)行引申外推,預(yù)測(cè)其發(fā)展趨勢(shì)的方法.時(shí)間序列預(yù)測(cè)有多種方法,如神經(jīng)網(wǎng)絡(luò)方法和傳統(tǒng)時(shí)間序列分析方法等,這些方法多用于處理平穩(wěn)時(shí)間序列問題,并具有一定的優(yōu)勢(shì),但同時(shí)存在不足之處,預(yù)測(cè)精度往往不能達(dá)到預(yù)期的效果.ARIMA模型因在對(duì)線性時(shí)間序列問題的預(yù)測(cè)中往往可以取得較高的預(yù)測(cè)精度,而得到廣泛應(yīng)用.
　　 統(tǒng)計(jì)學(xué)習(xí)理論是主要解決小樣本的機(jī)器學(xué)習(xí)理論

2、,其核心是通過控制學(xué)習(xí)機(jī)器的復(fù)雜度來實(shí)現(xiàn)對(duì)學(xué)習(xí)機(jī)器推廣能力的控制.支持向量機(jī)(Support Vector Machine,SVM)是在這一理論下發(fā)展起來的一種通用學(xué)習(xí)方法.支持向量回歸(Support Vector Regression,SVR)是支持向量機(jī)在解決回歸問題時(shí)的推廣形式.它以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則,借助核函數(shù)解決分類和回歸問題.SVR作為一種新的神經(jīng)網(wǎng)絡(luò)技術(shù)已經(jīng)被成功的應(yīng)用在金融預(yù)測(cè)領(lǐng)域.
　　 本文主要討論了組合

3、模型對(duì)我國GDP值預(yù)測(cè)的績(jī)效問題.多個(gè)模型的組合可以達(dá)到較為理想的預(yù)測(cè)效果,因此,越來越受歡迎并已得到了廣泛應(yīng)用.一些單一模型不能靈活體現(xiàn)時(shí)間變動(dòng)對(duì)趨勢(shì)的影響,為克服單一模型的不足,充分利用各種模型的優(yōu)點(diǎn),達(dá)到增加結(jié)果的可靠性和提高預(yù)測(cè)精度的目的,本文通過確定合理權(quán)系數(shù),將ARIMA模型、指數(shù)平滑模型、SVR模型加權(quán)組合.鑒于ARIMA模型和SVR模型各自在處理線性及非線性問題中的優(yōu)勢(shì),將兩種模型組合.組合方式為:先用ARIMA對(duì)原始數(shù)

4、據(jù)建立適當(dāng)?shù)哪Ｐ筒⑼瓿深A(yù)測(cè),再對(duì)此過程中產(chǎn)生的殘差用SVR進(jìn)行擬合,將兩部分預(yù)測(cè)結(jié)果對(duì)應(yīng)相加,即得到了模型間組合預(yù)測(cè)結(jié)果.與此相類似,用指數(shù)平滑模型預(yù)測(cè),對(duì)此過程中產(chǎn)生的殘差再用SVR擬合,同樣加和兩部分的預(yù)測(cè)值得到預(yù)測(cè)結(jié)果.實(shí)驗(yàn)結(jié)果表明:通過確定權(quán)系數(shù)的組合模型較單一模型的預(yù)測(cè)精度有所提高,而模型間組合的預(yù)測(cè)效果更佳.
　　 為了說明組合模型的高精度不是偶然產(chǎn)生的,對(duì)另外一組數(shù)據(jù)同樣采用組合模型進(jìn)行預(yù)測(cè).對(duì)旅游外匯收入分別建立