李自强[1]2005年在《库存管理中需求预测系统的研究与开发》文中研究表明库存管理一直是企业管理中最令人注目的焦点所在,它直接影响生产与销售,关系到企业经济效益的实现。需求预测系统的研究能够大大提高库存管理的科学性,从而提高企业的经济效益。因此本论文研究了库存管理中需求预测系统开发的全过程。首先介绍了库存管理的概念及其在企业生产经营活动中的重要作用。接着介绍了预测的概念、基本原理、分类和步骤,并指出了库存管理与预测之间的关系。明确了预测对库存管理的重要作用以后,提出并设计了需求预测系统。该系统是预测工作向智能化方向发展的一个探索,提高了预测工作的自动化程度。它是由系统登陆模块、商品信息模块、数据存储与输入模块、预测模型选择模块和预测结果输出模块五个模块组成的。接着,又设计了系统所需的数据库,采用了三库结构,即预测对象的信息资料库、预测模型库和存放预测结果的数据库;然后,研究了系统中所使用的预测方法的实现问题,并提出了选取最优预测方法的评价标准,同时采用了.NET中的组件技术实现了这些预测方法的算法;最后,通过三个具有代表性的预测实例,详细地分析了预测结果,给出了系统的输出结果,从而说明了系统的有效性和实用性。论文的最后,对整篇文章的内容做了总结,并分析了有待进一步解决的问题。
张新云[2]2015年在《宏观经济预测理论及其在中国宏观经济中的应用》文中指出宏观经济形势是一个国家或地区经济发展水平的综合体现,宏观经济的发展趋势不仅影响着政府宏观经济政策,同时也影响着公司与个人投资决策的预期,因此对宏观经济的发展趋势做出准确预测具有重要的现实意义。宏观经济预测就是在结合历史数据的基础上,通过构建经济模型,对经济形势的未来趋势进行预测。目前,宏观经济预测已经历了长时间的发展,最初的宏观经济预测只是定性预测,发展到现在,众多的经济学家、政府机构、学术机构以及商业机构等都开始纷纷进行宏观经济的定量预测,通过将计量经济学与计算机技术相结合,使得宏观预测的准确度获得极大提升。宏观经济预测模型的发展得益于宏观经济理论的演进与计算机技术的发展,但是纵观宏观经济预测的发展历史,能够系统全面总结宏观经济预测发展所依据的经济学理论的文章屈指可数,大部分的文章主要探讨的都是宏观经济预测技术层面的创新与实践。因此,本文首先通过对基础理论的系统总结,特别是对理性预期、经济周期理论、一般均衡理论与非均衡理论的分析,指出理性预期在宏观经济预测中所起的重要作用；其次,比较说明了宏观经济预测的多种方法与技术,提出了适于对中国经济进行宏观预测的方法的选择问题；最后,在总结国内外典型的宏观经济预测模型的发展历史并结合中国经济周期理论与实际的基础上,本文提出对中国宏观经济形势进行预测应该使用基于凯恩斯经济学的结构预测模型。山东大学宏观经济预测中心于2014年首次发布的中国宏观经济结构矢量自回归模型就是以凯恩斯经济理论为基础,利用贝叶斯统计估计技术得到中国宏观经济发展的季度模型,由于该模型是在结合了凯恩斯经济理论、时间序列以及中国经济的实际情况基础上建立,并且该模型在2014年中国宏观经济季度预测中结果比较准确,因此本文选择使用该模型对2015年中国宏观经济的发展进行预测,结合定性预测提出自己的几点政策思考。
李倩[3]2007年在《基于经济增长理论的经济预测研究》文中提出科学的预测是正确决策的保证。本文在现有研究成果的基础上,把经济预测理论和相关的算法结合起来,建立可实际应用的经济预测模型,为决策者提供决策依据和参考。首先,本文介绍了经济预测的概念、分类、原则、方法、步骤及其在我国的研究目的与意义,为以后建立经济预测模型打下了基础。其次,本文阐述了神经网络的发展历程和一些神经网络的基本算法,介绍了统计学习理论和支持向量机的具体实现,分析了不同损失函数的特点,并从不同角度,分析比较了神经网络和支持向量机的训练过程和网络结构特征。再次,本文研究了经济学界常用作预测经济增长的三个经济增长模型以及各自的特点,指出利用神经网络和支持向量机可以模拟经济系统内部的未知关系,减少经济模型中的各种假定,从而使预测更加切合实际。最后,本文通过神经网络和支持向量机算法构建相应的经济预测模型,利用全国的具体宏观经济数据进行了实证预测研究,实证结果表明,由于神经网络算法的预测结果不佳,所以只有基于支持向量机的经济预测是可行和有效的,利用支持向量机进行经济预测对于有效指导经济决策具有较大的参考价值。
韩海山[4]2000年在《经济预测统计模型的研究与应用》文中研究指明本文是导师滕素珍教授的项目的一部分。该项目是辽阳石油化纤公司聚脂厂产品优化的投入产出分析模型和方法的研究。 本文的主要工作： 1．把一对多的主成分方法推广到多对多的回归分析中，并且讨 论了主成分估计的某些性质。得到了和一对多的主成分估计 类似的性质。 2．用另一种方法证明了AR（2）模型的平稳域。 3．用聚脂厂实际数据说明了多对多主成分估计的均方误差比最 小二乘估计要小。 4．对聚脂厂涤纶短丝和涤纶长丝的销售量，用时间序列方法进 行了预测，得到了比较满意的结果。 5．通过时间序列分析和回归分析的有效结合，完成了短丝装置 和长丝装置的投入产出分析，估计和预测了未来几个月份的 原料投入量，从而为企业的计划生产提供了科学依据。 6．建立了聚脂熔体和聚脂切片的相关关系的模型，聚脂熔体、 聚脂切片和长丝的相关关系的模型，聚脂熔体和短丝的相关 关系的模型以及短丝和长丝的时间序列预测模型。
姜向荣[5]2009年在《短时间序列预测建模及应用研究》文中指出预测是指人们在观察和分析客观事物发展的历史和现状的基础上,寻找未来事物潜在的发展规律,进而寻求对未来状况的了解。预测的理论和方法可以广泛地应用到自然现象和社会现象的各个领域,从而形成社会预测、政治预测、军事预测、医学预测、灾害预报、生物预测、气象预测、经济预测等。市场经济条件下,经济活动不断变化和发展的,复杂程度也越来越高,具有高度不确定性。为了降低决策的风险,提高管理的科学水平,增强对未来情况的可预见性,经济预测受到广泛的关注。无论是政府的宏观决策还是企业的微观决策都离不开科学的经济预测。法国展望与预测中心学者马塞尔.巴扬指出“在任何时候,我们都要先于竞争对手捕捉到未来技术的发展前景和消费者的要求。同时,要有足够的勇气利用预测的成果做出决策”。预测与决策是管理的两个重要组成部分,管理的关键在于决策,而决策的前提是预测。[’]在商业环境中,管理者需要不断的做出各种决策,很大程度上企业的成功取决于这些决策的正确性。企业只有对产品的市场需求、自身的生产能力等各方面的发展变化进行正确的预测,了解市场供求情况,及时把握市场的发展方向和趋势,才能根据市场需求调整竞争策略、生产规模,在激烈的市场竞争中取得经济效益。在环境日益复杂多变的情况下,如何科学地预测,进而合理地做出决策已成为当今管理人员必须具备的能力。凡事预则立,不预则废,企业管理者只有做到心中有数,才能克服决策的盲目性,更好发挥科学管理的职能。在现代预测方法和计算机技术出现之前,管理者主要的预测工具就是主观判断。然而仅靠主观判断做出的预测远远没有定量预测技术做出的预测准确。信息技术的发展、计算机的普及,以及更多成熟的预测方法的发展,尤其是相关分析软件的激增,使得大量信息数据的储存、收集、处理和分析能力大大提高,从而为利用科学方法和手段进行定量预测提供了基础。作为定量预测的重要组成部分,时间序列分析预测的发展已经有几十年的历史,在国内外学者的共同努力下形成了相对成熟、完善的预测机制。时间序列(Time series)是指随时间顺序出现的一连串观测值序列,此序列实际为有限的观测资料集合。在企业收集的数据资料中,大部份为时间序列,如日每股收益率、每月短信业务量、每月通信收入等。近年来,由于信息业软件及硬件的迅速发展,数据分析在政府与企业管理决策过程中逐渐扮演益加重要的脚色。时间序列分析方法也已被各界所广泛地采用,其主要应用的目的大致包括：[2]1.通过对个别序列前后期相关性的了解来对序列未来观测值作预测。2.同时分析数个相关的序列,以了解序列前后期及同期间的关系。如果这类动态关系存在,将可被用来提高预测准确度,以及对系统中某些变量的调控有助益。3.将序列分解成几个主要成份(如趋势成份、季节变化成份、循环成分、不规则成份),以增进对序列动态行为的了解。4.对理论性模式与数据进行适合度检定,以讨论模式是否能正确地表示所观测的现象,5.对特殊政策或事件的影响加以评估。短时间序列数据,其基本特征是单个序列的观测数量较少,而以上的几种应用均以足够数量的观测点为分析的前提。现有的时间序列处理方法,不管是统计方法,还是数据挖掘方法,对长序列的关注都远远多于短序列,很多情况下,已经获得的大量有用的短时间序列却无法直接应用于已有的时间序列预测模型,或者尽管可以应用,但是预测的效果差强人意。数据挖掘算法尽管一定程度上改善了传统的时间序列分析算法在短时间序列预测的精度,但是对于企业应用来说,计算过程过于复杂,对预测人员和预测工具的要求都很高,导致预测的成本大大增加。基于此,本文致力于建立一个应用性强、预测效果更好的短时间序列预测的模型。该模型的基本原理是：利用时间序列呈现出的季节性和趋势性,分别建立基于给定历史数据季节末总量的季节内部分累积量的条件分布模型和季节末的趋势模型,利用预测周期内的已知的少数观测值来预测周期末总量；最后在总量预测的基础上进一步预测周期内的观测值。该模型最大的特点在于对观测值少的时间序列有很高的预测效率。在理论建模的基础上,本文更强调模型应用性和实证的检验。在实证方面,本文将电信行业的数据应用于该模型,同时将预测结果同ARIMA模型进行比较,实验结果表明,在短时间序列预测方面,本文的模型在预测效率上有很大的改进。此外,该模型不仅可以开发成可操作的界面程序,而且可以在MATLAB、EXCEL中实现,大大提高了可操作性,具有很高的应用价值。
宫兵[6]2007年在《基于人工神经网络的经济增长预测研究》文中研究表明本文在总结已有研究成果的基础上，结合经济预测理论和不同神经网络算法的特点，着重研究了基于人工神经网络的经济增长预测。首先本文总结了传统预测方法的特点、步骤及检验误差，指出随着对经济现象更深刻地认识，发现传统的预测方法并不适应经济社会的现实，而神经网络方法具有动态非线性的特点，适合处理多变量的数量关系，具有广阔的应用前景。其次本文回顾了神经网络的发展历史过程，介绍了神经网络的结构及特点，详细叙述了其在经济管理方面的应用情况，说明人工神经网络不仅在工程科学技术方面具有广阔的应用前景，在经济管理方面也将发挥更大的作用。再次，本文详细回顾了经济增长理论的历史发展过程，从古典经济增长理论到新古典经济增长理论在到内生经济增长理论。最后，文章以中国三次产业增加值作为输入，以国内生产总值作为输出，通过选择合适的神经网络算法，建立了相应的BP神经网络模型，利用具体的数据进行了实证研究。实证研究结果表明，人工神经网络具有较高的预测精度，利用神经网络进行经济增长预测可以为宏观经济部门决策提供更好的依据。
刘敏[7]2010年在《河北省“十二五”规划指标体系及主要指标预测》文中认为未来五年,河北省仍处于重要的战略机遇期,且机遇大于挑战,科学制定“十二五”规划意义重大。国民经济和社会发展规划指标体系和指标预测,历来是五年规划编制的核心内容,对于突出新的发展时期经济社会发展特点,统筹协调经济运行和社会发展的重大关系,引导经济和社会健康发展,确立新时期的奋斗目标,实现经济和社会可持续发展都具有十分重要的决策参考价值。基于此,提出本项研究课题,对河北省“十二五”规划指标体系及主要指标的预测进行系统分析,以期得到较为符合客观实际的研究结果。本文通过对河北省第六至第十一个五年规划纲要指标体系、河北省“十一五”规划指标体系与国家“十一五”规划指标体系、河北省“十一五”规划指标体系与相关省份“十一五”规划指标体系、全国三十一个省(市、自治区)“十一五”规划指标采用情况的对比分析和归纳,对河北省现行五年规划指标体系进行缺陷分析,为“十二五”规划指标体系的建立提供依据。通过设计合理的预测方案,选择ARMA、线性回归等预测模型,对河北省“十二五”规划主要预期性指标作出预测,并对预测结果进行可能性评价,为“十二五”规划指标体系编制及预测工作献策。
胡艳国[8]2007年在《支持向量机的研究与应用》文中认为作为统计学习理论的VC维理论和结构风险最小化原则的具体实现算法,支持向量机集优化、核、最佳推广能力等特点于一身。由于其优越的学习能力,在国内外学术界受到广泛重视。宏观经济是一个由诸多相互关联且存在一定因果关系的经济元素所组成的庞大系统。对于正处于转型期的我国宏观经济而言,由于经济制度、市场规范等各方面都正在建立和完善,进行经济预测与决策变得更加复杂而有意义。本文正是在这一大的历史背景下研究支持向量机及其在宏观经济预测中的应用,其主要内容包括:1、系统阐述了支持向量机的理论基础,研究分析了经验最小的局限性和结构风险最小化的优越性,总结了支持向量机的研究及应用现状;2、研究支持向量机的分类和回归算法,并对遗漏数据处理和验证方法等进行研究;3、对自组织数据挖掘进行研究,并提出把客观系统分析方法和支持向量机方法组合起来,用客观系统分析方法对数据进行特征提取;4、对宏观经济预测方法进行研究,分析当前的宏观经济预警方法及其不足;根据支持向量机的优点与宏观经济数据高维、小样本、时序、多主题、多层次的特点,提出把支持向量机作为宏观经济预测的新方法;5、根据实际项目需要,建立了一个具体的宏观经济数据仓库,并对宏观经济进行支持向量机的应用研究。使用支持向量分类机和回归机对GDP等经济指标数据进行挖掘。实际应用证明,支持向量机做经济预测效果不错。
江道平[9]2004年在《宏观经济预测、财政风险评估与财政风险控制决策研究》文中提出随着市场经济的发展,宏观经济管理和政府财政风险控制面临更多挑战,传统的凭借管理者经验决策的方法已经不能适应社会发展的需要。宏观经济和政府财政需要科学、系统的管理方法和决策手段。宏观经济系统是一个国家或地区总体经济状况的综合表现;政府财政是政府在经济方面的行政手段;综合的宏观经济指标可以反映财政运行状况,财政决策也将影响宏观经济指标的变化趋势。本论文提出将宏观经济预测、政府财政风险评估与控制决策作为一个整体系统进行研究,用宏观经济指标的历史和预测数据,评估财政风险状况;以评估结果作为控制、决策依据,控制宏观经济良性发展。宏观经济系统和财政风险系统是多种相互关联的经济因素共同作用的系统,其具有复杂性、系统性、动态性、综合性和反馈性等特点。对宏观经济和财政风险系统的研究应该采取以复杂系统的方法论为指导,定性和定量分析相结合的方法。基于宏观经济的本质特征,宏观经济系统的预测具有非线性、历史数据不完备性等特点,传统的预测方法难以取得满意效果,神经网络采用数据驱动,黑箱建模方式,具备解决非线性问题、网络学习能力、系统拟合能力,能够满足宏观经济指标预测要求;基于神经外推能力不强的特点,提出将多项式拟合趋势分离法与BP神经网络结合的系统建模方法,提高网络外推能力和预测准确度。当前政府财政面临很多不确定因素,即财政风险,财政风险具有很强综合性和隐藏性。针对财政的综合性特点,提出了一套财政风险综合评价指标体系。该指标体系包含对财政风险产生影响全面的经济因素,各指标之间相对独立,能够准确的表征经济因素对财政风险的影响。本文提出综合评价方法,对27个经济指标建立系统模型,综合评价财政风险总体态势,并能对单项指标的恶化起监控作用。群体决策技术被广泛应用于经济和管理系统中,目前国内、外研究的热点为群体决策方案的评价、集结和群决策支持技术。根据宏观经济指标的预测结果、财政风险状况评估结论和对经济环境状况的感知,运用群决策方法,确定财政风险控制决策的总体目标和任务,提出了基于总任务的群体决策模型,对财政决策成员的群体决策进行一致化处理,综合个体偏好,形成统一的决策,辅助行政人员决策。本论文为宏观经济预测、财政风险评估与财政风险控制决策系统的构建提供了理论、方法、模型和算法方面的准备。
王明恺[10]2007年在《基于支持向量机的非线性模型及其在区域经济预测中的应用》文中提出随着近年来机器学习和人工智能算法的快速发展,一些新的预测技术被运用到经济管理的实际研究中。支持向量机(SVM)是在统计学习理论基础上发展起来的一种新的模式识别方法,是机器学习界的热点之一。它在解决小样本、非线性以及高维度模式识别与回归估计问题中表现出许多特有的优势。本文在前人研究的基础上,针对SVM方法所具有的拟合精度高、推广能力强、全局最优、针对小样本等特点,将支持向量机应用于对区域经济发展水平的预测中,建立了基于支持向量机的区域经济非线性预测模型。在建立模型的过程中,首先,通过定量分析与定性分析构建了区域经济预测的评价指标体系,其中考虑了政策变动因素对区域经济发展的影响;其次,时间序列预测是建立在对历史信息已知的基础上,本文按照将当期的经济发展水平构造为过去3年各类指标的作用结果的原则组成数据样本集,并根据相关关系分析方法进行指标的筛选;再次,在模型参数的选择优化过程中,利用网格搜索算法,研究支持向量机模型中的参数选择对模型预测效果的影响以及它们之间的相关关系,并选取其中一组预测精确度最好的参数组合构造最终的预测模型;最后,通过将BP神经网络的预测结果与支持向量机方法进行对比,验证了支持向量机方法的有效性和优越性。本文还就支持向量回归的不同类型、数据样本的标准化以及核函数选择等对结果的影响进行了比较。通过对重庆市区域经济预测的实际应用研究,结果表明,SVM方法对非平稳的小样本区域经济数据有良好的建模和泛化能力,且可达到较高的预测精度,模型具有很高的拟合度。因此,本文成果具有较好的实用性和较高的准确性,具有一定的推广应用价值。
参考文献：
[1]. 库存管理中需求预测系统的研究与开发[D]. 李自强. 东南大学. 2005
[2]. 宏观经济预测理论及其在中国宏观经济中的应用[D]. 张新云. 山东大学. 2015
[3]. 基于经济增长理论的经济预测研究[D]. 李倩. 天津大学. 2007
[4]. 经济预测统计模型的研究与应用[D]. 韩海山. 大连理工大学. 2000
[5]. 短时间序列预测建模及应用研究[D]. 姜向荣. 北京邮电大学. 2009
[6]. 基于人工神经网络的经济增长预测研究[D]. 宫兵. 郑州大学. 2007
[7]. 河北省“十二五”规划指标体系及主要指标预测[D]. 刘敏. 河北科技大学. 2010
[8]. 支持向量机的研究与应用[D]. 胡艳国. 南昌大学. 2007
[9]. 宏观经济预测、财政风险评估与财政风险控制决策研究[D]. 江道平. 重庆大学. 2004
[10]. 基于支持向量机的非线性模型及其在区域经济预测中的应用[D]. 王明恺. 重庆大学. 2007
标签：数学论文; 宏观经济管理与可持续发展论文; 支持向量机论文; 时间序列论文; 统计模型论文; 神经网络模型论文; 预测模型论文; 经济模型论文; 经济风险论文; 经济论文; 序列模式论文; 计量经济学论文; 经济学论文; 风险模型论文; 决策能力论文; 统计学论文;