基于ARIMA与神经网络集成的GDP时间序列预测研究

被引：73

作者：

熊志斌

机构：

[1] 华南师范大学数学科学学院

来源：

数理统计与管理 | 2011年 / 30卷 / 02期

关键词：

单整自回归移动平均; 神经网络; 集成模型; GDP预测;

D O I：

10.13860/j.cnki.sltj.2011.02.012

中图分类号：

F224.9 [经济数学方法的应用]; F222.33 [国民经济计算体系];

学科分类号：

0701 ; 070104 ; 020208 ; 0714 ; 020201 ;

摘要：

本文深入分析了单整自回归移动平均(ARIMA)模型与神经网络(NN)模型的预测特性和优劣,并在此基础上建立了由ARIMA模型和NN模型集成的GDP时间序列预测模型与算法。其基本思想是充分发挥两种模型在线性空间和非线性空间的预测优势,据此将GDP时间序列的数据结构分解为线性自相关主体和非线性残差两部分,首先用ARIMA模型预测序列的线性主体,然后用NN模型对其非线性残差进行估计,最终集成为整个序列的预测结果。仿真实验表明:集成模型的预测准确率显著高于单一模型的预测准确率,从而证实了集成模型用于GDP预测的有效性。

引用

页码：306 / 314

页数：9

共 14 条

[11]

Neural networks in business: a survey of applications (1992–1998)[J] . A Vellido,P.J.G Lisboa,J Vaughan.Expert Systems With Applications . 1999 (1)

[12]

Forecasting with artificial neural networks:[J] . Guoqiang Zhang,B. Eddy Patuwo,Michael Y. Hu.International Journal of Forecasting . 1998 (1)

[13] Designing a neural network for forecasting financial and economic time series [J].

Kaastra, I ;

Boyd, M .

NEUROCOMPUTING, 1996, 10 (03) :215-236

[14]

Time series forecasting by combining RBF networks, certainty factors, and the Box-Jenkins model[J] . Donald K. Wedding,Krzysztof J. Cios.Neurocomputing . 1996 (2)

← 1 2 →