多輸出混頻預(yù)測模型及其應(yīng)用研究.pdf

1、多輸出混頻預(yù)測模型是本文提出的新模型，指自變量和因變量間時(shí)間統(tǒng)計(jì)頻率不一致的模型，其中，自變量之間既可以是同頻，也可以是混頻，因變量是同一目標(biāo)值在連續(xù)時(shí)間序列點(diǎn)上的輸出值，它們之間為同頻。多輸出混頻預(yù)測模型是本文所構(gòu)建一系列模型的總稱，分為一元、同頻多元和混頻多元多輸出混頻預(yù)測模型。該系列模型目的在于解決經(jīng)濟(jì)領(lǐng)域中客觀存在混頻數(shù)據(jù)和多輸出的問題。在二十一世紀(jì)“信息化、網(wǎng)絡(luò)化、智能化”程度不斷加深的背景下，可獲得各個(gè)領(lǐng)域數(shù)據(jù)的途徑迅速增加

2、，獲得成本也不斷降低，我們獲取多項(xiàng)數(shù)據(jù)的條件變得更加現(xiàn)實(shí)，充分利用多項(xiàng)數(shù)據(jù)對(duì)經(jīng)濟(jì)進(jìn)行預(yù)測成為必然。在需要用于預(yù)測的自變量數(shù)據(jù)中往往統(tǒng)計(jì)時(shí)間頻率不一致，或者和因變量數(shù)據(jù)之間存在頻率差異，即出現(xiàn)混頻數(shù)據(jù)。其中，當(dāng)自變量為時(shí)間頻率統(tǒng)計(jì)較低的變量，而因變量為時(shí)間頻率統(tǒng)計(jì)較高的變量時(shí)，出現(xiàn)多輸出問題。但目前針對(duì)混頻數(shù)據(jù)預(yù)測模型的研究成果中，一般都為自變量數(shù)據(jù)和因變量數(shù)據(jù)之間頻率不一致，極少涉及自變量間頻率不一致的情況；低頻變量預(yù)測高頻變量時(shí)，并未

3、涉及多輸出問題；混頻數(shù)據(jù)研究和多輸出研究是兩個(gè)相對(duì)獨(dú)立的研究領(lǐng)域，多輸出方法中也未涉及混頻數(shù)據(jù)的使用。研究多輸出混頻預(yù)測模型，研究過程綜合以傳統(tǒng)計(jì)量為基礎(chǔ)的混頻數(shù)據(jù)模型、先進(jìn)的機(jī)器學(xué)習(xí)方法中的多輸出支持向量機(jī)模型、先進(jìn)的搜索最優(yōu)參數(shù)的遺傳算法等方法和應(yīng)用，解決經(jīng)濟(jì)領(lǐng)域中同時(shí)存在變量數(shù)據(jù)頻率不一致和多輸出的問題。本研究主要內(nèi)容包括：
　　⑴建立多輸出混頻預(yù)測模型。時(shí)間頻率統(tǒng)計(jì)不一致的數(shù)據(jù)大量存在，當(dāng)人們已獲得某項(xiàng)頻率數(shù)據(jù)的結(jié)果后，傾

4、向于得到更高頻率的預(yù)測結(jié)果，同時(shí)在經(jīng)濟(jì)領(lǐng)域，面臨不少自變量為低頻數(shù)據(jù)而因變量為高頻數(shù)據(jù)的客觀事實(shí)，當(dāng)?shù)皖l變量預(yù)測高頻變量時(shí)，出現(xiàn)多輸出問題。為解決以上問題，本文先從建立一元模型入手，首次將混頻數(shù)據(jù)模型和多輸出問題融合，構(gòu)建一元多輸出混頻預(yù)測模型。該模型中，自變量與因變量間頻率不同，但輸出的多個(gè)因變量頻率相同。一方面，人們?cè)趯?duì)某項(xiàng)事物進(jìn)行預(yù)測時(shí)，會(huì)著重考慮某單一重要因素對(duì)它的影響或它們之間的相互關(guān)系，另一方面，在此前的文獻(xiàn)中，并未見到混頻

5、數(shù)據(jù)方法中同時(shí)考慮多輸出問題的研究，也未在多輸出方法領(lǐng)域見到包含混頻數(shù)據(jù)的研究?；谝陨蟽煞矫嬖?，借鑒混頻數(shù)據(jù)模型中最為經(jīng)典的MIDAS系列模型之一U-MIDAS模型和研究多輸出模型中先進(jìn)的多輸出支持向量機(jī)模型，將兩者有機(jī)結(jié)合，首先建立一元多輸出混頻預(yù)測模型，同時(shí)給出模型參數(shù)優(yōu)化方法和系數(shù)估計(jì)方法。該模型吸收兩者優(yōu)點(diǎn)的情況下，還克服了U-MIDAS模型僅在頻率差異較小時(shí)適用的缺點(diǎn)。最后將該模型用于中國和美國的股票市場和房地產(chǎn)市場，預(yù)測

6、股票指數(shù)和房地產(chǎn)指數(shù)，通過實(shí)證，與單輸出混頻模型對(duì)比，說明本文提出的模型更具優(yōu)勢。
　?、茦?gòu)建同頻多元多輸出混頻預(yù)測模型。大量研究文獻(xiàn)已證明，多元模型比一元模型具備更優(yōu)的預(yù)測能力。影響事物的因素眾多，且各種因素之間存在錯(cuò)綜復(fù)雜的聯(lián)系，它們的變化產(chǎn)生的結(jié)果又具有不確定性，需要運(yùn)用一定的方法對(duì)結(jié)果作出科學(xué)的預(yù)測。采用U-MIDAS模型，融合多輸出支持向量機(jī)，構(gòu)建同頻多元多輸出混頻預(yù)測模型，同時(shí)給出相應(yīng)的參數(shù)優(yōu)化和系數(shù)估計(jì)方法。在該模型

7、中，多個(gè)自變量之間的頻率是一致的，輸出的多個(gè)因變量之間頻率也是一致的，但自變量和因變量之間頻率不同。最后對(duì)不同市場的股票指數(shù)和不同國家與地區(qū)的房地產(chǎn)指數(shù)進(jìn)行預(yù)測，同多元單輸出混頻模型對(duì)比，證明該模型的可行性和優(yōu)越性。
　?、菢?gòu)建混頻多元多輸出混頻預(yù)測模型。這也是本文最大的創(chuàng)新點(diǎn)。任何事物的發(fā)展趨勢都同時(shí)由多方面因素決定，且各方面的因素可能存在數(shù)據(jù)統(tǒng)計(jì)時(shí)間頻率不一致的情況，即自變量間存在混頻數(shù)據(jù)。此前的文獻(xiàn)大多針對(duì)同頻自變量進(jìn)行研究

8、，其中的原因之一是無法解決自變量之間頻率不一致的問題。即便是混頻數(shù)據(jù)模型中，也極少見到關(guān)于自變量之間頻率不一致的問題。有學(xué)者先構(gòu)建多個(gè)基本一元MIDAS模型，每個(gè)一元模型的自變量頻率不同，但都針對(duì)同一個(gè)因變量，之后再進(jìn)行模型組合。盡管這樣做解決了自變量間不同頻率的問題，但顯然組合模型的方法忽略了自變量之間的關(guān)系以及對(duì)因變量的綜合影響。構(gòu)建一個(gè)混頻多元多輸出混頻預(yù)測模型具有很強(qiáng)的現(xiàn)實(shí)意義和學(xué)術(shù)價(jià)值。本文最終將構(gòu)建一個(gè)混頻多元多輸出混頻預(yù)測