基于RBF网络的中国信贷规模稳健预测

将M-估计稳健损失函数与基于统计贡献度的动态确定核函数方法相结合,提出一种有效的非参数RBF预测模型,该方法克服了稳健性缺失问题,在估计参数的同时动态确定最佳网络结构,并且在学习中自动消除噪声和异常点的影响,加快了网络的学习和收敛速度.利用中国月度信贷数据进行实证分析表明,本文模型与基准模型相比具有最好的预测稳健性和准确性,对于提高货币政策有效性和前瞻性具有很好的应用价值.

基于动态剪枝算法的神经网络预测模型

提出一种针对径向基函数网络动态剪枝算法,该方法根据统计贡献度动态确定核函数最优数量,在递归估计参数的同时根据核函数贡献度的大小动态消除冗余节点,以达到最佳网络结构.利用中国月度信贷数据进行实证分析表明,新提出的模型与SARIMA和SVR等其他基准模型相比,具有更好的预测稳健性和准确性.