货币供应量M2预测精度:基于组合模型的改进

发布时间：2017-10-24 03:29

  本文关键词：货币供应量M2预测精度:基于组合模型的改进

  更多相关文章： 货币 多元回归 时间序列 组合预测

【摘要】：广义货币供应量M2是一个重要的经济指数,其值的变动对社会经济活动构成一定的影响。文章旨在对传统M2的预测方式进行改进创新,建立一个精确度较高的M2预测模型,分别讨论了线性回归模型、指数模型、Holt模型、Brown模型、平稳时间序列模型对M2的预测情况,探究了不同模型的意义和预测精度。最后使用组合预测的方法,找到了一个合适的组合模型,即通过对Holt模型、Brown模型和平稳时间序列模型预测值的加权,达到对M2较精准预测的目的,并验证了其精度优于传统预测模型。
【作者单位】： 上海交通大学数学科学学院;
【关键词】： 货币 多元回归 时间序列 组合预测
【分类号】：F224;F822.2
【正文快照】： 结果表明,利用高次插值能够减少背景值构造时的偏差,降低原始数据波动或缺失对预测结果精度的影响程度。0引言广义货币供应量M2(货币和准货币/亿元)是衡量货币政策的一个重要经济指数,研究其对于我国经济动态的趋势的研判具有导向作用。近几年,对于M2值的预测估计,各界学者根

【相似文献】

中国期刊全文数据库 前10条

1 王郁;;组合预测何以兴起[J];预测;1989年04期

2 C.W.J.Granger;赵文奇;;二十年来的组合预测[J];预测;1991年03期

3 唐小我;;最优组合预测的计算方法[J];管理现代化;1992年01期

4 马永开,唐小我;两种组合预测优化模型的分析和比较[J];电子科技大学学报;1998年01期

5 曾勇,唐小我,陈珂;组合预测冗余方法判定的一个补充规则[J];电子科技大学学报;1998年02期

6 王硕,唐小我,周俊;组合预测软科学方法研究[J];运筹与管理;1999年01期

7 陈华友;组合预测权系数确定的一种合作对策方法[J];预测;2003年01期

8 邓雪;;最优组合预测误差平方和取值范围的若干新结果[J];经济数学;2006年01期

9 张疆涌;;综合权组合预测[J];硅谷;2009年24期

10 刘延平;邵悦然;李卫东;;我国铁路客运量的组合预测[J];物流技术;2010年07期

中国重要会议论文全文数据库 前9条

1 孙将平;叶志斌;季永青;;浙江省水路货运量最优组合预测[A];第六届长三角科技论坛航运分论坛暨江苏省航海学会2009年学术年会论文集[C];2009年

2 刘平;张莉;马秀兰;;乌鲁木齐市农、林、牧、渔业总产值的组合预测研究[A];Systems Engineering, Systems Science and Complexity Research--Proceeding of 11th Annual Conference of Systems Engineering Society of China[C];2000年

3 李国锋;陈绪根;;山东省劳动力就业需求组合预测研究[A];21世纪数量经济学（第9卷）[C];2008年

4 田瑾;项静恬;陈殿斌;;多种时间序列建模及组合预测的比较和改进[A];中国现场统计研究会第九届学术年会论文集[C];1999年

5 李存金;;简单平均法下的最优组合预测问题研究[A];管理科学与系统科学进展——全国青年管理科学与系统科学论文集（第3卷）[C];1995年

6 刘茂余;于丽英;;一种组合预测新方法的研究[A];中国运筹学会第九届学术交流会论文集[C];2008年

7 樊英;张秋菊;;工业增加值预测系统的分析设计[A];中国企业运筹学[C];2006年

8 吴登生;李建平;孙晓蕾;;考虑模型相关性的组合预测过程中单项模型筛选研究[A];中国系统工程学会第十八届学术年会论文集——A02管理科学[C];2014年

9 吴文东;吴刚;魏一鸣;范英;;基于相关系数的钢材需求量组合预测[A];第十届中国管理科学学术年会论文集[C];2008年

中国博士学位论文全文数据库 前6条

1 赵欣;小世界网络理论及其在风电功率短期预测中的应用研究[D];北京交通大学;2015年

2 刘启浩;风险值组合预测的理论与实证[D];北京工业大学;2009年

3 蒋传进;基于模型遴选规则的自适应组合预测研究[D];东华大学;2014年

4 郭晓君;灰色自忆性组合预测拓展模型及应用研究[D];南京航空航天大学;2015年

5 谭泗桥;支持向量回归机的改进及其在植物保护中的应用[D];湖南农业大学;2008年

6 王富强;风电场短期风速预测及模拟的理论与方法研究[D];华北电力大学;2013年

中国硕士学位论文全文数据库 前10条

1 马艳玲;组合预测在医药流通企业销售预测中的应用研究[D];华南理工大学;2015年

2 陈嵩;组合预测技术及其在功率预测中的应用[D];华北电力大学;2015年

3 郭二凤;ATM现金流预测的研究[D];辽宁科技大学;2015年

4 施艳春;基于非线性时间序列和神经网络的风电功率短期预测[D];沈阳工业大学;2016年

5 王克楠;基于关联特性分析的铁路事故数据挖掘及预测、预警方法研究[D];北京交通大学;2016年

6 马斌;基于人工智能的短期风电功率组合预测研究[D];西南交通大学;2016年

7 沈达;我国通货膨胀率的波动与组合预测研究[D];首都经济贸易大学;2016年

8 杨冬强;风力发电短期功率预测研究[D];郑州大学;2016年

9 安秋娴;贵州省中期用电需求组合预测[D];华北电力大学(北京);2016年

10 刘旭;基于大数据的风功率预测模型优化研究与实现[D];华北电力大学;2016年

，

本文编号：1086816