組合模型在我國經(jīng)濟預測中的應(yīng)用.pdf

1、時間序列預測法是一種歷史資料延伸預測,是對時間序列所反映的社會經(jīng)濟現(xiàn)象的發(fā)展過程和規(guī)律性進行引申外推,預測其發(fā)展趨勢的方法.時間序列預測有多種方法,如神經(jīng)網(wǎng)絡(luò)方法和傳統(tǒng)時間序列分析方法等,這些方法多用于處理平穩(wěn)時間序列問題,并具有一定的優(yōu)勢,但同時存在不足之處,預測精度往往不能達到預期的效果.ARIMA模型因在對線性時間序列問題的預測中往往可以取得較高的預測精度,而得到廣泛應(yīng)用.
　　 統(tǒng)計學習理論是主要解決小樣本的機器學習理論

2、,其核心是通過控制學習機器的復雜度來實現(xiàn)對學習機器推廣能力的控制.支持向量機(Support Vector Machine,SVM)是在這一理論下發(fā)展起來的一種通用學習方法.支持向量回歸(Support Vector Regression,SVR)是支持向量機在解決回歸問題時的推廣形式.它以結(jié)構(gòu)風險最小化為原則,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)用在金融預測領(lǐng)域.
　　 本文主要討論了組合

3、模型對我國GDP值預測的績效問題.多個模型的組合可以達到較為理想的預測效果,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)時間變動對趨勢的影響,為克服單一模型的不足,充分利用各種模型的優(yōu)點,達到增加結(jié)果的可靠性和提高預測精度的目的,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,將兩種模型組合.組合方式為:先用ARIMA對原始數(shù)

4、據(jù)建立適當?shù)哪Ｐ筒⑼瓿深A測,再對此過程中產(chǎn)生的殘差用SVR進行擬合,將兩部分預測結(jié)果對應(yīng)相加,即得到了模型間組合預測結(jié)果.與此相類似,用指數(shù)平滑模型預測,對此過程中產(chǎn)生的殘差再用SVR擬合,同樣加和兩部分的預測值得到預測結(jié)果.實驗結(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測精度有所提高,而模型間組合的預測效果更佳.
　　 為了說明組合模型的高精度不是偶然產(chǎn)生的,對另外一組數(shù)據(jù)同樣采用組合模型進行預測.對旅游外匯收入分別建立