资源描述：
《混合模型在经济时间序列预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、混合模型在经济时间序列预测中的应用研究第28卷第6期计算机仿真2011年6月文章编号:1006—9348(2011)06—0354—03混合模型在经济时间序列预测中的应用研究章伟(贵州财经学院信息学院,贵州贵阳550008)摘要:研究经济预测问题,为社会经济发展提供预测依据.由于经济时间序列是一种多维,非线性数据,采用单一的线性或非线性模型都不全面反映特点,导致预测精度不理想.为了提高经济时间序列预测精度,提出一种多变量自回归(CAR)和支持向量机(SVM)相结合的混合预测方法.混合方法首先利用CAR模型对经济时间序列的线性部分进
2、行预测,然后采用支持向量机对非线性部分进行预测,将预测结果组合在一起,得到混合模型的预测结果.实验结果表明,混合模型的预测精度明显优于单独模型;发挥了2种模型的优势,得到一种精度高的经济预测效果.关键词:混合模型;多元自回归模型;支持向量机;时间序列中图分类号:O411.3文献标识码:BStudyoHybridModelofEconomicTimeSeriesForecastingZHANGWei(TheSchoolofInformaticsGuizhouCollegeofFinanceandEconomics,GuiyangGu
3、izhou550008,China)ABSTRACT:Economicforecastingisstudiedinthispaper.Economictimeseriesisakindofmulti—dimensionalnonlineardata,thetraditionalforecastingmodelcannotfullyreflectthefeatures,andpredictionaccuracyisnotide—a1.Inordertoimprovetheeconomictimeseriesforecastaccur
4、acy,acombinedforecastmethodisputforwardbasedonamultivariateregression(CAR)andsuppo~vectormachines(SVM).Firstly,theproposedmodelusesCARmodeltoforecastthelinearofeconomictimeseries,thenusessupportvectormachinetoforecastthenon—linearpart,andfinallygetsthepredictionresult
5、sbasedonthemixedmode1.Experimentalresultsshowthattheforecastac—curacyofhybridmodelismuchbetterthansinglemode1.Theeconomictimeseriesforecastingmethodisofhishpre-cision.KEY-WORDS:Hybridmodel;ARIMAmodel;Suppo~vectormachines(SVM);Timeseries1引言随着科学技术和社会经济的发展,人们收集了大量的经济数据,并
6、对这些反映经济现象的数据进行分析,并对将来经济的发展进行预测.经济数据一般按时问顺序排列,受到多种因素的影响,往往具有随机性和很强的非线性,数据之间很强互依赖关系,其预测准确性对国家的大政方针起着重要的指导作用,因此,经济时间序列预测一直是预测领域的研究热点,模型的好坏对预测能有重大的影响,经济时间序列建模问题已成为经济发展的瓶颈之一….针对经济时间序列,国内外对其进行大量的研究,形成了众多的预测方法.传统的预测模型有如简单移动平均,自回归滑动平均,线性回归,Kalman滤波和非参数回归模型收稿日期:2010—10—10---——
7、354...——等,其中最常用的为带控制项的自回归滑动平均模型(con-trolledautoregressiveintegratingmovingaverage,CARMA)oCARMA模型具有时间序列和回归分析特点,但建模过程相当复杂,所以一般情况下采用带受控项的自回归模型(con-trolledautoregressive,CAR)代替CARMA来进行统一建模J.经济时间数据一般是非线性数据,而CAR是基于线性进行数据的预测模型,所以,往往对非线性经济时间序列导致预测精度不高.现代统计学习理论中神经网络(artifi—cia
8、lneuralnetworks,ANN)在非线性时间序列模中应用最为广泛,然而ANN是基于经验风验最小化原理,过分强调克服错误而泛化性能不强,而且容易陷入局部极小,过拟合,隐层神经元的数目难以确定诸多缺陷j.为了解决这些缺陷,出现了基于风险最小化的
