当前位置:主页 > 经济论文 > 宏观经济论文 >

基于神经网络分位数回归及核密度估计的概率密度预测方法研究

发布时间:2018-04-12 14:01

  本文选题:概率密度 + 分位数回归 ; 参考:《合肥工业大学》2015年硕士论文


【摘要】:概率密度预测方法是基于统计学及概率论相关知识的一种方法,在统计学和概率论中有着科学的理论依据。通过完整的概率密度曲线图,不仅可以获得较为准确的点预测值,给管理决策提供更精准定量依据;同时也可以获得预测对象的完整连续的概率密度曲线以及其概率密度函数。通过分析预测的随机变量概率密度曲线图,可以为管理决策提供更多准确有用信息。本文通过神经网络分位数回归方法,不仅克服最小二乘回归的缺点,同时可以结合神经网络方法自适应和强大非线性的优点。通过设置不同的分位点,来预测随机变量不同分位点下对应的分位数,这样可以更加细致刻画被解释变量在不同分位点上受解释变量的影响以及他们之间的关系。通过神经网络分位数回归方法先求出预测对象的不同分位点上对应的分位数,然后再用确定好的核密度估计形式与最优窗宽选择方法,运用核密度估计方法思想,我们得出预测对象的完整连续的概率密度曲线图。通过加入不同的因素、以及选择不同的核密度估计形式和最优窗宽选择方法,我们可以比较在加入不同考虑因素和采用不同核密度估计形式和最优窗宽选择方法时,可以得出预测对象概率密度曲线以及获得的预测误差有很大差别。本文在综合神经网络分位数回归以及核密度估计方法的基础上,提出了基于神经网络分位数回归及核密度估计的概率密度预测方法,然后在电网企业的用电负荷概率密度预测实证研究和股票价格概率密度实证研究中使用了此方法,对基于神经网络分位数回归及核密度估计的概率密度方法进行深入的研究和探索,较好的丰富和发展了预测理论与方法体系。
[Abstract]:Probability density prediction is a method based on statistics and probability theory, which has scientific theoretical basis in statistics and probability theory.Through the complete probability density curve, we can not only obtain more accurate point prediction value, but also obtain the complete and continuous probability density curve and its probability density function.By analyzing the probability density curve of random variables, we can provide more accurate and useful information for management decision.In this paper, the neural network quantile regression method not only overcomes the shortcomings of least square regression, but also combines the advantages of adaptive and strong nonlinear neural network method.By setting different loci, the corresponding quantiles of random variables at different loci can be predicted, so that the relationship between them and the influence of explanatory variables on different loci can be described in more detail.Using neural network quantile regression method, the quantiles corresponding to different quantiles of the predicted object are obtained first, then the kernel density estimation form and the optimal window width selection method are used to estimate the kernel density of the predicted object, and the idea of the kernel density estimation method is used.We obtain the complete and continuous probability density curve of the predicted object.By adding different factors and choosing different kernel density estimation forms and optimal window width selection methods, we can compare different kernel density estimation forms and optimal window width selection methods by adding different factors and adopting different kernel density estimation forms and optimal window width selection methods.It can be concluded that the probability density curve and the prediction error are very different.In this paper, a probability density prediction method based on neural network quantile regression and kernel density estimation is proposed based on the synthesis of neural network quantile regression and kernel density estimation.Then this method is used in the empirical research of power load probability density prediction and stock price probability density in power grid enterprises.The probabilistic density method based on neural network quantile regression and kernel density estimation is deeply studied and explored, which enriches and develops the prediction theory and method system.
【学位授予单位】:合肥工业大学
【学位级别】:硕士
【学位授予年份】:2015
【分类号】:F224

【相似文献】

相关期刊论文 前10条

1 张代强;张屹山;;前瞻性利率规则在我国的实证研究——基于分位数回归方法的变参数检验[J];数量经济技术经济研究;2008年10期

2 刘生龙;;教育和经验对中国居民收入的影响——基于分位数回归和审查分位数回归的实证研究[J];数量经济技术经济研究;2008年04期

3 罗玉波;;房价影响因素分析:分位数回归方法[J];统计与决策;2011年06期

4 李顺毅;;房价如何影响消费对经济增长的贡献——基于分位数回归的实证分析[J];消费经济;2011年03期

5 朱平芳;张征宇;;无条件分位数回归:文献综述与应用实例[J];统计研究;2012年03期

6 胡丰;许启发;蒋翠侠;;基于分位数回归的基金风格分析与业绩评价[J];郑州航空工业管理学院学报;2012年06期

7 王朝;高敬雅;王琪;;基于分位数回归的房地产价格研究[J];商;2012年14期

8 胡永远;倪丽艳;;基于分位数回归的社会救助再就业人群收入研究[J];山东财政学院学报;2013年03期

9 欧阳胜银;;外资溢出效应的分位数回归研究[J];财经理论与实践;2013年04期

10 刘昕明;李志强;;基于分位数回归的企业债信用风险研究[J];北京化工大学学报(自然科学版);2013年06期

相关会议论文 前6条

1 林艺圃;;中国股市价量关系的实证分析分位数回归模型[A];中国社会科学院第三届中国经济论坛论文集(下)[C];2007年

2 陈娟;林龙;叶阿忠;;基于分位数回归的中国居民消费研究[A];中国社会科学院第三届中国经济论坛论文集(下)[C];2007年

3 夏宁;;中国上市公司高管人员薪酬的影响因素与成因分解——一个基于分位数回归模型的实证研究[A];中国会计学会财务管理专业委员会2009年学术年会论文集[C];2009年

4 宋马林;吴杰;高玉强;张琳玲;宋峰;;中国入世以来的对外贸易与环保效率——基于分省面板数据的实证分析[A];中国贸易救济与产业安全论丛(2012)——第七届中国贸易救济与产业安全研究奖获奖论文集[C];2013年

5 任声策;;创新和出口的互动关系:基于中国制造业企业的实证[A];第八届(2013)中国管理学年会——技术与创新管理分会场论文集[C];2013年

6 刘鑫波;张志敏;梁逸曾;;高效准确的高分辨数据快速平滑与基线校正算法[A];中国化学会第29届学术年会摘要集——第19分会:化学信息学与化学计量学[C];2014年

相关博士学位论文 前5条

1 邸俊鹏;分位数回归的贝叶斯估计与应用研究[D];南开大学;2013年

2 韩月丽;极值统计与分位数回归理论及其应用[D];天津大学;2009年

3 关静;分位数回归理论及其应用[D];天津大学;2009年

4 项云帆;资本资产定价模型及实证分析[D];华中科技大学;2010年

5 陈林兴;基于空间视角的我国省际农村居民消费趋同性研究[D];浙江大学;2012年

相关硕士学位论文 前10条

1 代贝;基于分位数回归的农村居民消费区域差异研究[D];昆明理工大学;2015年

2 罗小青;基于分位数回归的中国GDP与电力消费量关系研究[D];华南理工大学;2015年

3 于琴;西部地区农村产权抵押贷款对农户收入的影响研究[D];西北农林科技大学;2015年

4 王欢欢;绩效评估角度的信息化升级时间域选择模型[D];首都经济贸易大学;2015年

5 刘袁;利率市场化背景下商业银行利率风险的测度[D];南京财经大学;2015年

6 周策;VaR模型在我国开放式上市基金市场的实证分析[D];广东外语外贸大学;2015年

7 耿国强;分位数回归理论及其在金融时间序列的应用[D];中国矿业大学;2015年

8 王琪锋;复合分位数回归在线性时间序列下的应用[D];大连理工大学;2015年

9 吴博闻;删失数据下部分线性变系数模型的分位数回归[D];大连理工大学;2015年

10 凌珂;生长曲线模型的分位数回归与变量选择[D];华东师范大学;2015年



本文编号:1740042

资料下载
论文发表

本文链接:https://www.wllwen.com/jingjilunwen/hongguanjingjilunwen/1740042.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5d684***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com