期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
分整模型在商品价格预测中的应用
被引量：
3
1
作者
刘波
范贻昌
刘嘉焜
《系统工程学报》
CSCD
2000年第2期113-118,162,共7页
首先介绍了时间序列分析中的一个新领域——长记忆分整模型 (ARFIMA) ,分析了该模型与传统时间序列模型相比较所体现出的优越性 ,及其参数估计和预测方法 .本文所给出的分整模型不仅反映了传统时间序列模型所不能反映的时间序列长记忆...
首先介绍了时间序列分析中的一个新领域——长记忆分整模型 (ARFIMA) ,分析了该模型与传统时间序列模型相比较所体现出的优越性 ,及其参数估计和预测方法 .本文所给出的分整模型不仅反映了传统时间序列模型所不能反映的时间序列长记忆性 ,而且解决了利用传统方法预测商品价格中的过度参数化问题 ,从而显著提高了商品价格预测的可靠性 .文章还给出了实际案例分析 .
展开更多
关键词
长记忆性
分整模型
商品价格预测
时间序列分析
在线阅读
下载PDF
职称材料
基于EEMD-LSTM-Adaboost的商品价格预测
被引量：
16
2
作者
邸浩
赵学军
张自力
《统计与决策》
CSSCI
北大核心
2018年第13期72-76,共5页
文章将总体经验模态分解（EEMD）方法、长短期记忆（LSTM）模型和Adaboost算法相结合,构建了一个多尺度组合预测模型（EMD-LSTM-Adaboost）。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量（IMF）和一...
文章将总体经验模态分解（EEMD）方法、长短期记忆（LSTM）模型和Adaboost算法相结合,构建了一个多尺度组合预测模型（EMD-LSTM-Adaboost）。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量（IMF）和一个趋势项。在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值。并以沪金为例进行实证分析,结果表明与已有的预测方法相比,文章所提出的EEMD-LSTM-Adaboost方法预测能力更好。
展开更多
关键词
总体经验模态分解
LSTM神经网络
ADABOOST算法
商品价格预测
在线阅读
下载PDF
职称材料
基于ARIMA模型的广州市商品房价格预测
被引量：
4
3
作者
龙会典
张海燕
《商业研究》
北大核心
2007年第7期211-213,共3页
商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。
关键词
ARIMA模型
商品
房
价格
预测
在线阅读
下载PDF
职称材料
题名
分整模型在商品价格预测中的应用
被引量：
3
1
作者
刘波
范贻昌
刘嘉焜
机构
天津大学管理学院
天津大学理学院
出处
《系统工程学报》
CSCD
2000年第2期113-118,162,共7页
文摘
首先介绍了时间序列分析中的一个新领域——长记忆分整模型 (ARFIMA) ,分析了该模型与传统时间序列模型相比较所体现出的优越性 ,及其参数估计和预测方法 .本文所给出的分整模型不仅反映了传统时间序列模型所不能反映的时间序列长记忆性 ,而且解决了利用传统方法预测商品价格中的过度参数化问题 ,从而显著提高了商品价格预测的可靠性 .文章还给出了实际案例分析 .
关键词
长记忆性
分整模型
商品价格预测
时间序列分析
Keywords
long memory property
ARFIMA model
price forecasting of commodity
分类号
F714 [经济管理—产业经济]
O211.61 [理学—概率论与数理统计]
在线阅读
下载PDF
职称材料
题名
基于EEMD-LSTM-Adaboost的商品价格预测
被引量：
16
2
作者
邸浩
赵学军
张自力
机构
北京大学光华管理学院
嘉实基金管理有限公司
出处
《统计与决策》
CSSCI
北大核心
2018年第13期72-76,共5页
基金
中国博士后科学基金资助项目(2017M611513)
文摘
文章将总体经验模态分解（EEMD）方法、长短期记忆（LSTM）模型和Adaboost算法相结合,构建了一个多尺度组合预测模型（EMD-LSTM-Adaboost）。在模型构建过程中,首先采用EEMD方法将商品价格序列分解为不同尺度的本征模态分量（IMF）和一个趋势项。在此基础上,提出采用LSTM神经网络和Adaboost算法相结合的方法对分解后的商品价格序列进行建模和预测,然后集成得到商品价格的预测值。并以沪金为例进行实证分析,结果表明与已有的预测方法相比,文章所提出的EEMD-LSTM-Adaboost方法预测能力更好。
关键词
总体经验模态分解
LSTM神经网络
ADABOOST算法
商品价格预测
Keywords
EEMD
LSTM neural Network
Adaboost algorithm
commodity price forecast
分类号
F224 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
基于ARIMA模型的广州市商品房价格预测
被引量：
4
3
作者
龙会典
张海燕
机构
广东外语外贸大学信息学院
广东技术师范学院 天河学院
出处
《商业研究》
北大核心
2007年第7期211-213,共3页
基金
广东省自然科学基金
项目编与:000672。
文摘
商品房价格的变化极大地影响一个国家宏观经济的健康发展及国民的生活质量,对商品房价格的预测直接影响政府的宏观调控政策。同时商品房价格的研究,预测和控制是关乎国计民生的大事,通过建立ARIMA模型并运用它预测广州市商品房价格。
关键词
ARIMA模型
商品
房
价格
预测
分类号
F224.39 [经济管理—国民经济]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
分整模型在商品价格预测中的应用
刘波
范贻昌
刘嘉焜
《系统工程学报》
CSCD
2000
3
在线阅读
下载PDF
职称材料
2
基于EEMD-LSTM-Adaboost的商品价格预测
邸浩
赵学军
张自力
《统计与决策》
CSSCI
北大核心
2018
16
在线阅读
下载PDF
职称材料
3
基于ARIMA模型的广州市商品房价格预测
龙会典
张海燕
《商业研究》
北大核心
2007
4
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
