基于方差-协方差组合预测的中长期电力负荷预测研究

关于中长期电力负荷预测有多种预测方法,但各方法被许多因素所局限,本文选用线性回归模型、二次多项式模型和灰色预测模型分别对电力负荷进行预测,再综合起来建立方差-协方差组合预测模型。通过比较后得出结论,本方法大大降低了误差,提高了预测精度,可以科学地预测中长期的电力负荷。

基于DCC-GARCH模型的协方差矩阵预测

文章利用DCC-GARCH模型对大类资产或股票行业指数间的协方差矩阵进行预测,并通过矩阵预测误差及组合风险跟踪误差将其与其他常见模型进行比较。结果显示:DCC模型能够显著提升协方差矩阵的预测准确性及降低最小化方差投资组合的风险跟踪误差,考虑了非对称性的ADCC模型无法进一步提升DCC模型的预测效果;DCC模型的预测能力在任何市场状态下均优于其他模型,在牛市期及低情绪期的表现更为突出。总而言之,DCC模型考虑了资产间相关性的动态变化特征,用它来预测协方差矩阵并进行投资组合构建是更为有效的。

奇异协方差矩阵的最优投资组合选择

当收益率的协方差矩阵为奇异矩阵时 ,均值 -方差模型的最优投资组合问题不宜直接求解 ,本文通过利用收益率的主成分和二次凸规划的求解方法 。

正交变换求解奇异协方差矩阵的投资组合问题

当收益率的协方差矩阵为奇异矩阵时,"均值-方差"模型的最优投资组合问题不宜直接求解。本文结合主成分分析理论、正交变换和凸规划的求解方法,提出求解非负变量条件下协方差矩阵为半正定"均值-方差"模型的有效方法。

均值-方差模型在股市最优投资组合选择中的实证研究

利用马克维茨证券投资组合理论均值-方差模型,在6支股票的日收益率已知的情况下,求出已知期望收益率条件下的最优投资组合,并模拟出该模型的有效前沿。

基于SARIMA和SVR组合模型的转向架系统寿命评估

随着地铁运营时间和里程的增加,地铁车辆逐渐接近其理论寿命,为确保车辆运行安全性,需对其重要子系统进行健康状态及剩余寿命评估。文中选取车辆转向架系统作为研究对象,提出了一种基于协方差优选法的季节性回归移动平均(SARIMA)和支持向量回归(SVR)的组合模型对转向架寿命进行评估。首先,将车辆转向架系统历史故障率转化为健康指数,然后基于协方差优选法将SARIMA和SVR进行赋权组合,根据转向架系统历史健康指数进行预测,最后建立历史和预测的健康指数与运行时间的数学模型,分析得到转向架系统的剩余寿命。以某地铁车辆转向架系统为例进行算例分析及验证,结果表明组合模型可更准确地预测其健康状态,为有关维修部门开展维修维护策略提供理论依据,估计得出其剩余寿命,为车辆寿命后期退役及延寿决策提供理论数据分析支撑。

基于LightGBM-LSTM组合模型的绿色建筑能耗度量研究

在对建筑能耗进行度量时,由于单一度量模型的输出结果存在一定误差,导致度量的准确性难以达到要求,为此,提出基于LightGBM-LSTM组合模型的绿色建筑能耗度量研究。使用方差-协方差方法对LightGBM模型与LSTM模型的权值进行计算后,构建了LightGBM-LSTM组合模型。以建筑能耗影响因素为基础,分别利用LightGBM模型与LSTM模型计算了绿色建筑能耗,最后代入到LightGBM-LSTM组合模型中,实现对建筑能耗的准确度量。在测试结果中,设计方法的度量结果与实际能耗的误差仅为864.0吨,具有较高的准确性。

林分断面积组合预测模型权重确定的比较

引入组合预测方法以提高林分断面积预测的精度及2类模型(林分水平模型和单木水平模型)预测林分断面积的兼容性。组合预测法能够充分利用各单个模型的有效信息,从而提高预测精度,而单个模型权重的选取对提高组合预测法的精度至关重要。本研究基于北京山区油松连续清查数据,利用误差平方和法、方差协方差法和最优加权法确定林分断面积组合预测模型的权重。结果表明:组合预测法能够提高预测精度,同时利用最优加权法所建立的林分断面积组合预测模型其预测精度最高,方差协方差法次之,误差平方和法预测精度最低。

对组合预测模型的再讨论

本文得出了关于组合预测模型及其实用形式的方差性质的两个定理 ,为组合预测模型的预测精度提供了可供选择的理论值。主要结论是 :运用组合预测模型的实用形式进行预测 。

时间分层组合预测法的改进及其在进口贸易中的应用

针对现有时间分层组合预测法中协方差估计存在的不足,提出一种Shrinkage方法对协方差进行修正,以增强协方差估计的稳定性。Monte Carlo模拟结果表明:Shrinkage时间分层组合预测法的预测准确性较现有方法有所提高,且对季节因素不敏感;将该方法应用于中国进口贸易的预测中,结果显示新方法可显著提升各层预测效果,且对较高层序列的调整效果更佳;Shrinkage分层组合预测法能为海关等相关部门提供一种可针对不同时间维度进行同时性预测的新思路。

多维组合预测的贝叶斯极大似然估计

为了实际预测的需要,提出了多维组合预测问题,即若干单项多维预测的变权组合预测.在各单项预测无偏且服从正态分布前题下,求出了p时刻预测向量Xp的先验分布密度和后验分布密度.利用主观先验信息、预测信息和样本信息,运用贝叶斯估计方法,得到了Xp的贝叶斯极大似然估计,其权重随时刻p的改变而改变.本方法充分利用了多维变量间的相关信息,进一步提高了预测的科学性和有效性,体现了对样本信息和预测信息的进一步综合应用.

组合预测的贝叶斯极大似然估计法

本文在正态分布前提下求出了ｐ时刻预测值ｙｐ的先验分布密度和后验分布密度，由已知的信息估计了两个协方差阵。最后求出ｙｐ的贝叶斯极大似然估计，它是两个组合预测的加权平均，本身仍为一组合预测。

组合模型在城市用水量预测中的应用

将灰色模型和一元线性回归模型应用于城市用水量的预测,并用方差—协方差优选组合模型将灰色模型和一元线性回归模型进行组合。实例分析表明,组合模型的预测精度优于单个模型,可用于城市用水量的预测。

基于集成预测的均值-方差-熵的模糊投资组合选择

通过基于集成预测的方法构建模糊投资组合,代表性地选择了遗传神经网络模型、多因素SVM回归模型和ARIMA时间序列模至作为组合预测中的单一模型,并将单一模型预测结果佳为模糊变量进行投资组合优化,实证结果表明基于集成预测的均值-方差-熵的投资组合相比其他组合收益率更高,相对风险更低.该方法可以用于投资基金管理、金融风险管理等实际工作中,以便提高决策的科学性.

估计量和预测模型的选择对高频协方差阵的预测及组合收益的影响

围绕复杂的估计方法是否有助于提高协方差阵的预测效果和组合收益进行研究。在预测模型一定的情况下,从统计精度和经济价值的角度对不同协方差阵估计量的预测效果进行了比较;同时在协方差阵一定的情况下,也对不同的预测模型进行了比较。研究发现同时考虑了噪声和跳跃影响的双频已实现协方差阵(RTSCOV)在所有比较标准下均具有最好的表现,并且较低频协方差阵而言,高频协方差阵应用在投资组合中会获得更高的收益。

对组合预测模型预测精度的分析

本文得出了关于组合预测模型及其实用形式预测精度的两个定理,从而为运用组合模型预测的合理性提供了可靠依据,其中一主要结论是:运用组合预测模型的实用形式进行预测,所产生的方差不大于运用各单一预测模型所产生方差的几何平均值。

基于证据推理和置信规则库的入学率预测方法

海外留学门槛增高导致入学竞争激烈,准确预测入学率对于申请者具有重要的参考意义。现有的基于数据驱动方法构建的入学预测模型通常只对定量历史数据进行分析,没有考虑考核指标中包含的专家定性知识,且预测结果不具有可解释性。为了解决以上问题,提出了一种新的基于证据推理(Evidence Reasoning,ER)和置信规则库(Belief Rule Base,BRB)的入学率预测方法。利用ER实现多指标有效融合来达到降低模型复杂度的目的;通过BRB构建入学预测模型;最后采用基于投影协方差矩阵自适应策略(P-CMA-ES)算法优化模型参数,从而提高模型精度。通过UCLA研究生数据集验证了模型的有效性,实验结果表明,上述方法可以准确的预测申请者的入学概率,为申请者成功入学提供了保障。

奇异方差-协方差矩阵的n种风险资产有效边界的特征

本文利用均值-方差模型,用新的方法在无套利假设下研究了当方差-协方差矩阵是奇异时n种风险资产投资组合有效边界的本质特征,并提出了有效的、操作性强的投资策略。

基于高斯过程回归的链路质量预测模型

基于链路质量的路由选择机制可有效感知当前链路的变化,且对无线传感器网络的可靠通信起着重要作用,基于此,提出基于高斯过程回归的链路质量预测模型。通过灰关联方法计算链路质量参数与分组接收率的关联度,选取链路质量指示均值和信噪比均值作为模型的输入参数,以降低计算复杂度。采用链路质量指示均值、信噪比均值和分组接收率构建基于组合协方差函数的高斯过程回归模型预测链路质量。稳定场景与不稳定场景下的实验结果表明,与动态贝叶斯网络预测模型相比,所提模型具有更好的预测精确度。

引入联跳的中国股市协方差预测——基于多元HAR模型

金融资产的时变协方差矩阵是投资组合配置、风险管理等实务活动的关键参数。早期的协方差预测模型研究使用日数据或者更低频数据,但大多存在参数估计困难和维数灾难等问题。运用日内高频数据可以构建协方差矩阵的后验非参数估计量,使其从隐变量转变为可以直接建模的可观测变量,降低协方差模型估计的复杂性并增强模型的高维适用性。进一步的,利用高频数据还可以识别多个金融资产的价格在日内同一采样间隔内发生的跳跃,即多资产联跳。针对联跳多由宏观经济新闻公告和政策制度等的发布引起,这些信息终将被吸收并体现在协方差矩阵中,联跳可能蕴含着对协方差预测有益的信息,因此识别联跳并将其引入协方差预测模型。将异质自回归模型扩展至多元形式,作为协方差非参数估计量的基准模型,并将取值0/1的联跳指示变量与Hawkes模型估计出的联跳强度分别及同时引入多元形式模型,构建3种扩展模型。选择均方误差和平均绝对误差这两种常用统计意义损失函数,采用Diebold Mariano检验,评价各扩展模型的样本外预测性能相对于基准模型是否有所改进,并采用模型置信集检验并挑选最佳扩展模型。此外,比较各种预测模型用于全局最小方差投资组合策略的效果。基于上证50指数成分股中不同行业5只高流动性个股分钟高频价格数据进行实证,研究结果表明,(1)相对于联跳指示变量,联跳强度对协方差矩阵的预测有更显著的贡献;(2)引入联跳强度可以显著提升对协方差的拟合优度和样本外预测精度;(3)同时引入联跳强度和联跳指示变量,且采用矩阵对数变换,确保正定性的扩展多元形式模型在统计和经济意义上都是最优模型。研究结论肯定了在协方差预测模型中引入联跳的重要价值,并揭示了宏观信息对协方差预测的贡献,对于金融管理者和投资者进行金融风险管理及进行资产配置都具有实际指导意义。