基于政策干預(yù)和誤差校正的非線性經(jīng)濟(jì)時(shí)間序列預(yù)測(cè)研究.pdf

1、經(jīng)濟(jì)預(yù)測(cè)作為統(tǒng)計(jì)預(yù)測(cè)的一種，以經(jīng)濟(jì)現(xiàn)象作為預(yù)測(cè)的對(duì)象，直接或間接地為宏觀和微觀的市場(chǎng)預(yù)測(cè)、管理決策、政策制定等提供信息，以對(duì)未來(lái)的發(fā)展前景做出的測(cè)定和科學(xué)預(yù)見(jiàn)。預(yù)測(cè)的目的在于為制定計(jì)劃和進(jìn)行決策時(shí)提供客觀依據(jù)，不僅僅是工程領(lǐng)域，社會(huì)經(jīng)濟(jì)領(lǐng)域更離不開(kāi)預(yù)測(cè)。經(jīng)濟(jì)時(shí)間序列的預(yù)測(cè)對(duì)于政府經(jīng)濟(jì)政策的頒布、企業(yè)和個(gè)體的投資活動(dòng)具有至關(guān)重要的指導(dǎo)意義，但是復(fù)雜的內(nèi)部規(guī)律和龐大的數(shù)據(jù)處理使得傳統(tǒng)的預(yù)測(cè)方法效果不佳，因此新預(yù)測(cè)技術(shù)的提出和改進(jìn)一直是時(shí)間序

2、列研究的重要方向之一。社會(huì)經(jīng)濟(jì)日新月異的變化絕大多數(shù)以數(shù)據(jù)的形式呈現(xiàn)在人們面前，數(shù)據(jù)庫(kù)技術(shù)的成熟和計(jì)算機(jī)的應(yīng)用普及帶來(lái)了人們積累數(shù)據(jù)量以指數(shù)速度增長(zhǎng)，如何在紛繁復(fù)雜的數(shù)據(jù)中尋求某些現(xiàn)象的發(fā)展規(guī)律，提取需要的信息并進(jìn)行預(yù)測(cè)成為決策者把握未來(lái)的根本途徑之一。
　　在對(duì)實(shí)際問(wèn)題進(jìn)行預(yù)測(cè)的時(shí)候，由于建模機(jī)制的不同，通常對(duì)于同種模型也有不同建模的方法。通常情況下，單一預(yù)測(cè)模型由于預(yù)測(cè)原理、操作規(guī)則的局限很難有效反映預(yù)測(cè)變量的變化規(guī)律，因此組

3、合預(yù)測(cè)方法成為預(yù)測(cè)方法發(fā)展的必然趨勢(shì)。本文從經(jīng)濟(jì)預(yù)測(cè)的兩種窘境——“預(yù)測(cè)誤差的處理”和“政策事件的影響”兩方面出發(fā)，分析其產(chǎn)生的原因，并提出了解決思路。本研究的主要內(nèi)容有：
　　1．在現(xiàn)有支持向量機(jī)(SVM)方法的基礎(chǔ)上提出對(duì)預(yù)測(cè)誤差進(jìn)行同步預(yù)測(cè)的雙重預(yù)測(cè)方法，利用預(yù)測(cè)到的誤差對(duì)初步預(yù)測(cè)值進(jìn)行校正以提高預(yù)測(cè)精度．針對(duì)誤差序列非線性、非平穩(wěn)以及系統(tǒng)動(dòng)力信息不足的特點(diǎn)，將經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和支持向量機(jī)(SVM)方法結(jié)合引入誤差序列

4、的預(yù)測(cè)中。對(duì)誤差序列的預(yù)測(cè)分別運(yùn)用初步訓(xùn)練誤差和測(cè)試誤差對(duì)預(yù)測(cè)集合的誤差進(jìn)行預(yù)測(cè)，將所得到的誤差序列分解為若干固有模態(tài)分量(IMF)，根據(jù)各個(gè)IMF不同尺度的特點(diǎn)，選擇不同的參數(shù)對(duì)其進(jìn)行預(yù)測(cè)，最終合成原始序列的誤差預(yù)測(cè)值，將所預(yù)測(cè)到的誤差與初步原始序列預(yù)測(cè)值結(jié)合，得到最終的預(yù)測(cè)值．仿真結(jié)果表明該方法能夠很好地解決預(yù)測(cè)滯后性和拐點(diǎn)誤差大的缺點(diǎn)，相對(duì)于普通的SVM預(yù)測(cè)方法具有更好的預(yù)測(cè)精度。
　　2．針對(duì)STSA方法在金融時(shí)間序列分析

5、中的缺陷提出了運(yùn)用EMD與STSA結(jié)合的改進(jìn)方法。以上證指數(shù)、深證成指、建筑指數(shù)、金融指數(shù)、地產(chǎn)指數(shù)、上證商業(yè)6種指數(shù)的收益數(shù)據(jù)作為研究樣本，利用EMD方法分解提取出一系列反映原始序列不同時(shí)間尺度信息的分量，通過(guò)對(duì)各分量進(jìn)行STSA分析后發(fā)現(xiàn)導(dǎo)致原始序列多變化模式的原因。在此基礎(chǔ)上提出了通過(guò)單一變化模式分量對(duì)原始序列變化趨勢(shì)進(jìn)行估計(jì)的條件和限定范圍，實(shí)驗(yàn)結(jié)果表明，該方法在提取和分析時(shí)間序列變化模式方面具有獨(dú)特的優(yōu)勢(shì)，具有較高的預(yù)測(cè)精度和

6、實(shí)用性。
　　3．針對(duì)一種新型智能進(jìn)化算法——布谷鳥(niǎo)搜索算法提出了基于多群體并行搜索和自適應(yīng)步長(zhǎng)的改進(jìn)方法。將改進(jìn)后的方法引入支持向量機(jī)參數(shù)優(yōu)化中，提出了基于改進(jìn)后布谷鳥(niǎo)搜索算法優(yōu)化支持向量機(jī)模型參數(shù)的方法.仿真結(jié)果發(fā)現(xiàn)：改進(jìn)的布谷鳥(niǎo)搜索算法用于優(yōu)化支持向量機(jī)參數(shù)不僅有效提高了參數(shù)優(yōu)化效率，而且較之改進(jìn)之前的布谷鳥(niǎo)搜索算法、遺傳算法和粒子群算法具有更快的收斂速度和穩(wěn)定性。
　　4．用通過(guò)Hilbert-Huang變換的方法將

7、地產(chǎn)指數(shù)價(jià)格分解成幾個(gè)本征模函數(shù)的疊加，通過(guò)t檢驗(yàn)、Hilbert-Huang頻譜和功率譜分析將其歸類重組，最終形成了地產(chǎn)指數(shù)的三個(gè)基本分量。在此基礎(chǔ)上對(duì)2002年5月9日至2011年2月9日期間頒布的142條房地產(chǎn)宏觀調(diào)控政策進(jìn)行作用力檢驗(yàn)，并通過(guò)模擬政策作用力探究其對(duì)地產(chǎn)指數(shù)價(jià)格分量的影響，最終找到53條影響市場(chǎng)波動(dòng)價(jià)格和54條影響重大事件價(jià)格的政策，基于此探究了政策時(shí)間對(duì)時(shí)間序列的影響作用機(jī)制。
　　5．綜合經(jīng)濟(jì)計(jì)量模型與智