基于时变模型平均方法的我国航空客运量预测

发布时间：2020-12-09 19:16

　　机场扩建、政策导向、经济发展等外在因素的变化常常导致航空客运量数据发生结构性改变,其模型的设定也在很大程度上存在不确定性,因此,精准而稳定地预测航空客运量变得十分困难.为了解决以上问题,本文采用了一种时变模型平均方法(TVJMA)(Sun等,2020,2012)对全国Top 5机场的客运量进行了预测研究,该方法在模型平均时基于最小化局部Jackknife准则给出了最优的权重选择,并通过非参数估计,实现了最优权重随时间变化.实证结果表明,本文所采用的TVJMA方法显著优于其它基准模型,包括Hansen和Racine (2012)的Jackknife模型平均(JMA)以及自回归模型(AR),单整自回归移动平均模型(ARIMA),季节性单整自回归移动平均模型(SARIMA)和时变参数模型(TVP)等传统方法.进一步,对不同的预测步长,TVJMA在航空客运量的预测效果同样具有稳健性.因此,TVJMA方法可以有效地降低由于航空客运量的结构性变化和预测模型不确定性等导致的预测风险,进而做出精准而稳定的客运量预测. 

【文章来源】：系统工程理论与实践. 2020年06期 第1509-1519页 北大核心CSSCI

【文章页数】：11 页

【参考文献】：
期刊论文
[1]交通基础设施投资与经济增长——基于准自然实验的证据[J]. 葛翔宇,黄永强,周艳丽.  系统工程理论与实践. 2019(04)
[2]港口竞争力与腹地经济协同机制面板数据分析[J]. 鲁渤,邢戬,王乾,汪寿阳.  系统工程理论与实践. 2019(04)
[3]中国旅游发展与宏观经济增长的非线性时变因果关系——基于非线性马尔科夫区制转移因果模型[J]. 隋建利,刘碧莹.  经济管理. 2017(08)
[4]基于奇异谱分析的我国航空客运量集成预测模型[J]. 梁小珍,乔晗,汪寿阳,张珣.  系统工程理论与实践. 2017(06)
[5]中国航空燃油消费分析及预测[J]. 柴建,张钟毓,李新,汪寿阳.  管理评论. 2016(01)
[6]基于状态相关模态切换混合估计的航迹预测[J]. 张军峰,隋东,汤新民.  系统工程理论与实践. 2014(11)
[7]基于航空信息网络的枢纽机场航班延误预测模型[J]. 罗谦,张永辉,程华,李川.  系统工程理论与实践. 2014(S1)
[8]多目标飞机航线调配模型的模糊优化算法[J]. 吴东华,夏洪山,范永俊.  系统工程理论与实践. 2014(04)
[9]民航客运量及相关因素分析[J]. 纪跃芝,邓波,秦喜文.  数学的实践与认识. 2012(24)
[10]模型平均方法及其在预测中的应用[J]. 张新雨,邹国华.  统计研究. 2011(06)



本文编号：2907354