- 年份
- 2024(10065)
- 2023(14599)
- 2022(12654)
- 2021(11775)
- 2020(9909)
- 2019(23112)
- 2018(22634)
- 2017(44241)
- 2016(23547)
- 2015(26661)
- 2014(26360)
- 2013(26006)
- 2012(23557)
- 2011(21145)
- 2010(21548)
- 2009(20036)
- 2008(18568)
- 2007(16110)
- 2006(14058)
- 2005(12138)
- 学科
- 济(96603)
- 经济(96500)
- 管理(68221)
- 业(66577)
- 企(56586)
- 企业(56586)
- 方法(50258)
- 数学(44857)
- 数学方法(44131)
- 中国(28913)
- 融(27928)
- 金融(27927)
- 银(25868)
- 银行(25832)
- 财(25155)
- 行(24854)
- 农(23589)
- 业经(21369)
- 地方(20461)
- 学(19255)
- 制(19077)
- 理论(17541)
- 务(17384)
- 财务(17307)
- 财务管理(17274)
- 贸(16713)
- 贸易(16698)
- 企业财务(16506)
- 易(16209)
- 农业(16178)
- 机构
- 大学(330765)
- 学院(330365)
- 管理(134034)
- 济(130851)
- 经济(128006)
- 理学(117269)
- 理学院(116069)
- 管理学(113636)
- 管理学院(113067)
- 研究(104274)
- 中国(83063)
- 京(69155)
- 科学(64869)
- 财(60174)
- 所(51204)
- 农(50777)
- 中心(49718)
- 财经(49352)
- 业大(49216)
- 研究所(46865)
- 江(46174)
- 经(44940)
- 北京(43649)
- 范(41533)
- 师范(41134)
- 经济学(39981)
- 农业(39829)
- 州(38712)
- 院(38093)
- 财经大学(37095)
- 基金
- 项目(231393)
- 科学(182195)
- 基金(168578)
- 研究(167657)
- 家(146352)
- 国家(145157)
- 科学基金(126110)
- 社会(104895)
- 社会科(99674)
- 社会科学(99646)
- 省(90904)
- 基金项目(88890)
- 自然(83524)
- 自然科(81680)
- 自然科学(81665)
- 自然科学基金(80163)
- 教育(78145)
- 划(76138)
- 资助(71688)
- 编号(68004)
- 成果(54004)
- 重点(51636)
- 部(50662)
- 创(48428)
- 发(48389)
- 课题(46814)
- 创新(45086)
- 科研(44669)
- 教育部(43917)
- 大学(43751)
- 期刊
- 济(132538)
- 经济(132538)
- 研究(94041)
- 中国(58808)
- 学报(51151)
- 管理(48299)
- 科学(46577)
- 农(44801)
- 财(44547)
- 融(40179)
- 金融(40179)
- 大学(39135)
- 学学(37056)
- 教育(35705)
- 农业(30582)
- 技术(30011)
- 财经(23731)
- 经济研究(22032)
- 业经(21590)
- 经(20072)
- 统计(17410)
- 问题(16820)
- 理论(16784)
- 技术经济(16311)
- 图书(16017)
- 策(15938)
- 业(15915)
- 科技(15612)
- 实践(15445)
- 践(15445)
共检索到470720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]
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] 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]
沈建荣 高霞
时间序列模型是分析与预测复杂系统的常用方法。与多维分析和系统分析不同,时间序列模型仅考虑单一指标,不考虑系统内各种相互作用的因素,将系统看作一种按照某种规律演化,沿着一
[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。
[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]
王惠婷
粮食产量的预测是保障粮食安全的重要组成部分。文章结合河南省许昌市粮食产量的历史数据,首先建立趋势外推预测模型,并对模型进行相应的分析;然后运用趋势外推与ARIMA模型(求和自回归移动平均模型)结合起来的混合时间序列模型对趋势值和真实值之间的离差序列即残差进行分析,得到混合时间序列模型的预测结果;最后通过比较得出的混合时间序列模型预测的精度较高,可作为粮食总产量预测的有效工具之一。
[期刊] 统计与决策
[作者]
谢佳利 杨善朝 梁鑫
文章运用时间序列的几个不同模型,对我国居民消费价格指数(CPI)的变化规律进行了比较研究;通过对我国2001年1月至2007年8月共80个月份的CPI值进行实证分析,建立了一个反映CPI变化规律的较优统计预测模型,该模型的相对误差控制在1%之内,得到较好的结果;最后,利用该模型对2007年9月至2008年8月的CPI变化趋势进行了预测。
[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] 商业时代
[作者]
李万春
本文运用spss19中的指数平滑模型、ARIMA模型、指数模型和回归分析模型对四川省内江市历年物流量和经济数据进行建模和预测。对四种方法的预测结果进行比较、分析、检验,最后得到内江市未来的物流量最有可能的发展情况,给出平均误差,并针对物流产业的发展提出相关对策。
[期刊] 中国软科学
[作者]
吕瑞华 王卫亚
根据Kolmogorov连续性定理,本文建立了混沌—神经网络(C-ANN)预测模型;提出了基于遗传算法和神经网络的混沌预测模型与方法(C-ANN-GA混合预测方法);解决了混沌时间序列的非解析式预测问题;使混沌时间序列预测方法得到了新的改进和发展。
关键词：
复杂系统 遗传算法 神经网络 混沌预测
[期刊] 统计与决策
[作者]
陈涛
支持向量机是基于结构风险最小化原理的一种学习技术,是一种具有很好泛化能力的预测工具,它有效地解决小样本、非线性、高维数、局部极小等问题。文章利用支持向量回归机对时间序列进行了预测,并对模型选择和参数优化进行了研究。仿真试验表明预测结果是合理的,并具有较高的预测精度。
[期刊] 数理统计与管理
[作者]
朱涛 卢建 江孝感
金融资产收益率具有两个明显的特征,即尖峰厚尾性和平方序列的自相关性。本文首先研究了MGARcH(κ;1,1)模型的矩特性,然后分析MGARCH模型对这两个特性的刻画能力,并将它与GARCH(1,1)进行了比较,从理论上证明了MAGRCH较之GARCH模型有较强的刻画能力。最后利用上证综合指数的收盘价数据进行了实证分析。
[期刊] 运筹与管理
[作者]
汪漂
鉴于传统预测方法一直基于"点"来衡量时间序列数据,然而现实生活中在给定的时间段内许多变量是有区间限制的,点值预测会损失波动性信息。因此,本文提出了一种基于混合区间多尺度分解的组合预测方法。首先,建立区间离散小波分解方法(IDWT)、区间经验模态分解方法(IEMD)和区间奇异普分析方法(ISSA)。其次,用本文构建的IDWT、IEMD和ISSA对区间时间序列进行多尺度分解,从而得到区间趋势序列和残差序列。然后,用霍尔特指数平滑方法(Holt’s)、支持向量回归(SVR)和BP神经网络对区间趋势序列和残差序列进行组合预测得到三种分解方法下的区间时间序列预测值。最后,用BP神经网络对各预测结果进行集成得到区间时间序列最终预测值。同时,为证明模型的有效性进行了AQI空气质量的实证预测分析,结果表明,本文所提出基于混合区间多尺度分解的组合预测方法具有较高的预测精度和良好的适用性。
[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] 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。
文献操作()
导出元数据
文献计量分析
导出文件格式：WXtxt
删除
