- 年份
- 2024(7224)
- 2023(10659)
- 2022(8928)
- 2021(8421)
- 2020(7066)
- 2019(16448)
- 2018(16063)
- 2017(31472)
- 2016(16288)
- 2015(18372)
- 2014(17867)
- 2013(17226)
- 2012(15302)
- 2011(13362)
- 2010(13457)
- 2009(12517)
- 2008(10743)
- 2007(8910)
- 2006(7452)
- 2005(6121)
- 学科
- 济(64595)
- 经济(64535)
- 业(47216)
- 管理(47170)
- 企(40446)
- 企业(40446)
- 方法(35416)
- 数学(32370)
- 数学方法(31752)
- 融(25962)
- 金融(25961)
- 银(23380)
- 银行(23374)
- 行(22580)
- 中国(21986)
- 财(18394)
- 农(15992)
- 业经(14316)
- 制(13641)
- 务(13247)
- 地方(13243)
- 财务(13191)
- 财务管理(13166)
- 企业财务(12571)
- 理论(12065)
- 贸(11214)
- 贸易(11201)
- 中国金融(11137)
- 农业(11013)
- 易(10969)
- 机构
- 学院(215824)
- 大学(213057)
- 济(89973)
- 管理(89340)
- 经济(88274)
- 理学(78658)
- 理学院(77956)
- 管理学(76246)
- 管理学院(75860)
- 研究(62603)
- 中国(54144)
- 京(41925)
- 财(40786)
- 科学(36670)
- 财经(33806)
- 中心(33140)
- 经(30967)
- 业大(30707)
- 农(30524)
- 江(29521)
- 经济学(28709)
- 所(28466)
- 经济学院(26155)
- 研究所(26147)
- 财经大学(25729)
- 北京(25272)
- 范(24849)
- 师范(24565)
- 州(24330)
- 经济管理(23949)
- 基金
- 项目(155978)
- 科学(125068)
- 基金(115822)
- 研究(113812)
- 家(99797)
- 国家(99004)
- 科学基金(87861)
- 社会(73507)
- 社会科(70033)
- 社会科学(70016)
- 省(61589)
- 基金项目(61079)
- 自然(57686)
- 自然科(56509)
- 自然科学(56499)
- 自然科学基金(55468)
- 教育(54052)
- 划(51174)
- 资助(48092)
- 编号(45766)
- 重点(35080)
- 成果(34645)
- 部(34617)
- 创(34187)
- 发(33170)
- 创新(31860)
- 国家社会(30932)
- 课题(30677)
- 教育部(30658)
- 科研(30554)
共检索到299036条记录
发布时间倒序
- 发布时间倒序
- 相关度优先
文献计量分析
- 结果分析(前20)
- 结果分析(前50)
- 结果分析(前100)
- 结果分析(前200)
- 结果分析(前500)
[期刊] 统计与决策
[作者]
次必聪 张品一
对金融时间序列的精准预测是经济政策制定者以及投资者关注的重点。文章选用道琼斯工业指数、上海证券综合指数以及伦敦金价格指数作为金融时间序列的代表，以非线性组合的方式，构造了一种新的ARIMA-LSTM组合模型，对三种金融时间序列进行预测，并将ARIMA模型、LSTM模型和线性组合模型作为对照模型，比较不同模型预测的准确性。实证结果表明，所构建的非线性组合预测模型较对照组的单一预测模型和线性组合预测模型均存在普遍的优势。在短期、中期和长期三个预测区间内，非线性组合模型相较于对照组模型的优势随着预测区间的变长而扩大。
[期刊] 统计与决策
[作者]
翟静 曹俊
文章将时间序列ARIMA模型和BP神经网络算法相结合,设计一种组合预测模型,并将其应用于实际预测中,通过实际预测检验了组合预测模型在实际预测中的有效性。研究发现,组合预测模型在预测精度方面总体上优于这两个单项预测模型,因此这种组合预测模型具有良好的预测效能。
[期刊] 统计与决策
[作者]
刘全 刘汀
文章基于ARIMA模型具备准确提取时间序列当前值、过去值及误差值之间回归关系的能力,人工神经网络具备对各种变量的感知能力强,非线性逼近、自适应、自学习性等特性,构建了一种多元时间序列预测模型,并进行了理论探讨和实证。该模型能较准确模拟和预测时间序列的变化规律,可较好满足对复杂时间序列的分析预测需求。
[期刊] 统计与决策
[作者]
虞安 王忠
文章基于对旅游成本、距离、城市居民生活质量以及活动的吸引力对出行目的地选择的影响考虑,采用了在引力模型基础上的参观人群预测方法和根据历史数据的波动特性选择ARIMA的预测方法,最终给出预测结果,对城市管理和旅游秩序的维护提供借鉴。
[期刊] 预测
[作者]
唐黎 潘和平 姚一永
本文提出一种金融时间序列预测的数据降维与信息融合计算智能模型-PANK模型。该模型由三个部分组成:(1)主成分分析(Principal Component Analysis,PCA),用于减少冗余信息;(2)仿射传播聚类(Affinity Prop-agation,AP),用于找到聚类中心和相应的聚类作为特征提取;(3)嵌套式k-最邻近元(Nested k-Nearest Neighbor,Nested KNN)用于回归预测。PANK模型先采用滑动窗口技术截取最近期的金融时间序列作为输入数据,再经过PCA减少冗余信息,提取富含有效信息的主成分,并将其放入AP中进行聚类,最后采用两层嵌套式NestedKNN预测。本文特别提出了一种新的嵌套式Nested KNN,可以有效解决KNN中的两个主要问题:计算量大和不均衡样本问题。通过对模型在欧元兑美元汇率和中国沪深300股指上的实证,结果表明PANK预测模型可达到80%的最佳命中率。
[期刊] 财经理论与实践
[作者]
罗洪奔
提出了一种基于灰色-ARIMA的金融时间序列智能混合预测模型。首先建立金融时间序列灰色预测模型,并采用PSO算法对灰色模型的三个参数进行优化;利用ARIMA算法对预测模型的残差进行分析,同时采用遗传算法对ARIMA的系数进行优化;最后用ARIMA的残差预测结果对灰色预测模型进行补偿。结果表明,以较好的精度拟合一段时期内MA<107的时间序列,预测误差控制在5%以上,与单纯的灰色预测算法和神经网络算法相比,在平均绝对误差、均方根误差和趋势准确率三项评价指标上,具有明显优势。
[期刊] 统计与决策
[作者]
江雨燕 邵金 陈梦凯 王付宇
由于金融时间序列具有高度非线性、不稳定性等特点，单一预测模型的预测精度受限。文章将集成经验模态分解（EEMD）技术和长短期记忆网络（LSTM）相结合，同时融入麻雀搜索算法（SSA）优化神经网络参数，构建了EEMD-SSA-LSTM混合预测模型。首先将该金融时间序列进行EEMD分解，其次将分解所得的各IMF分量与残差项输入到SSA优化后的LSTM网络进行逐个预测，最后通过累加得到最终预测结果。以上证指数价格为研究对象进行实证分析，结果表明，所提出的混合预测模型的MAPE、RMSE、MAE分别为0.0122、0.3278、0.2681，具有更高的预测精度与适用性。
[期刊] 统计与决策
[作者]
刘明
时间序列模型在经济问题分析研究中具有重要作用。对经济时间序列建立ARIMA类模型包括平稳性检验、模型阶数识别、参数估计和模型检验等过程。建模过程中路径选择、季节效应处理、检验方法的综合应用及样本容量等几个问题是经济时间序列建模过程中需要重点关注的问题。文章在讨论上述问题的基础上设计出经济时间序列的建模流程。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 统计与决策
[作者]
王巍 赵国杰 毕星
文章针对金融时间序列变化复杂、难以用单一智能方法进行有效预测的问题,提出了一种新的基于经验模式分解、支持向量回归和粒子群优化的混合智能预测模型。经验模式分解能将非平稳时间序列按其内在的时间特征尺度自适应地分解为多个基本模式分量,根据这些分量各自趋势变化的剧烈程度选择不同的核函数进行支持向量回归预测,最后通过粒子群优化算法对各预测分量进行加权组合,得到原始序列的准确预测值。证券市场实证研究表明该模型可以准确预测金融时间序列。
[期刊] 统计与决策
[作者]
谢合亮 张砣
时间序列模型在预测中占有重要的地位,其固有的系统误差性往往对预测精度产生负面影响。文章以沪深300指数为研究对象,通过时间序列模型得到预测方程,并以此为基础推导出卡尔曼滤波的状态方程和测量方程,利用卡尔曼方程对预测结果进行修正。结果表明,卡尔曼滤波对时间序列模型的预测有优化作用,可以提高预测的精确度。
关键词：
收益率 沪深300指数 预测 高频交易
[期刊] 统计与决策
[作者]
刘遵雄 周天清
由于金融时间序列具有复杂、非线性、非平稳性、含噪声等特点,许多传统的线性及非线性方法难以对其进行有效的预测。为此,文章提出将HRM(A Hessian Regularized Nonlinear TimeSeries Model)应用于金融时间序列领域。实验结果表明,HRM具有较好的模型构建能力,拥有较快的计算速率,并且得到了较好的预测结果。
关键词：
HRM 金融时间序列 建模 预测
[期刊] 统计与决策
[作者]
雷鹏飞
CPI是衡量一国宏观经济运行状况的重要参考指标之一,国际上通常用CPI来反映通货膨胀的程度,它是一国制定宏观经济政策、分析债券市场、货币市场和央行公开市场操作的重要参考依据。对CPI的准确预测能为我国货币政策的制定提供一定的依据。文章以CPI时间序列为样本,旨在从其内在动力机制出发,选择季节性ARIMA模型,找寻CPI的变化规律并加以预测。
关键词：
CPI 季节性ARIMA模型 预测
[期刊] 统计与决策
[作者]
田宗浩 顾国华 王鹏 王常青
文章通过分析传统的加权模糊时间序列模型和广义模糊时间序列模型,指出了需要考虑的模糊状态的确定方法和建立模糊关系矩阵中的不足。结合模糊集理论中λ强截集的性质,重新定义所要考虑隶属度对应的模糊状态和模糊逻辑关系矩阵的建立过程,建立基于λ强截集的广义模糊时间序列模型。以Alabama大学22年的入学人数为例,利用均方误差MSE和泰尔不等系数TIC对比分析本文提出模型与传统加权模型和广义模型的预测精度以及考虑λ取不同阈值时模型预测精度的变化情况,验证本文建立模型的可行性和有效性。
[期刊] 数理统计与管理
[作者]
陈艳 石智慧
为提高金融时间序列的预测精度,本文提出了基于MODWT、MCP变量选择方法和RELM_Adaboost的混合预测模型。该模型由三步构成:第一步,收集特征变量,包括MODWT分解得到的特征变量以及常用的技术指标;第二步,利用MCP惩罚方法从上述特征变量中选取重要的作为输入变量;第三步,利用Mnet惩罚正则化ELM,将RELM视作弱预测器,然后用Adaboost算法生成强预测器进行预测。实证结果显示:第一,经过MCP方法的筛选,最终的输入变量中不仅包含常用技术指标,还有小波分解所得的变量。第二,混合预测模型RELM_Adaboost有良好的泛化误差表现。本文提出的模型在量化交易时代具有良好的应用前景。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
