基于马尔科夫模型的回归研究及其应用

在国内外回归分析方法的研究中,神经网络、支持向量机等传统方法被广泛使用,但是由于其计算量太大而且对计算模型和数据的准确性要求很高,在实际的应用中局限性强。为了解决这些难题,对Markov理论和相关模型进行了深入的研究。首先将多元回归和Markov模型进行结合,提出了基于多元回归的Markov模型,解决了转移矩阵难以确定的问题,并将其应用于国民收入预测中,减少了运算复杂度并且解决了实际应用中的局限性,提高了模型的鲁棒性。同时将Markov模型和Regime Switching Model进行结合,提出了基于Markov-switch的回归算法,使用状态转移矩阵来处理数据,实验结果表明该算法可以有效地提高预测效率和大幅度减少运算时间,并且在UCI数据集上进行验证和传统方法相比,标准差减少72.72%、相关系数提高2%、运行时间减少了50%。