金融机构存款预测的组合预测模型研究
摘要
一般来说,预测模型分为单一预测模型和组合预测模型。在分析了三种常用的单一预测模型的预测结果的基础上,建立了基于灰色模型GM(1,1)、三次指数平滑模型和BP神经网络模型的组合预测模型,并对未来五年吉林省金融机构存款余额进行了预测。结果表明:1.随着经济的发展,未来吉林省金融机构存款余额逐渐增加,2016年吉林省金融机构本外币存款余额为20 933亿元,到2020年将达到30 708亿元。2016—2020年存款余额年均增长率为10.45%;2.组合预测模型克服了单一预测模型的缺点,且预测结果误差较小,不仅适用于金融机构存款余额预测,还可以推广到其他领域。
引文
[1]王丽婕,廖晓钟,高阳,等.风电场发电功率的建模和预测研究综述[J].电力系统保护与控制,2009,37(13):118-121.
[2]王健,严干贵,宋薇,等.风电功率预测技术综述[J].东北电力大学学报,2011,31(3):20-24.
[3]张大海,江世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论与实践,2002,22(8):140-142.
[4]王聪,杨建斌,邓颖.数学建模方法在风电功率预测中的应用[J].太阳能学报,2015,36(5):1081-1087.
[5]刘思峰,杨英杰.灰色系统研究进展(2004—2014)[J].南京航空航天大学学报,2015,47(1):1-18.
[6]王天真,汤天浩,张圣杰,等.基于灰色预测的粒子滤波算法[J].高技术通讯,2012,22(4):423-428.
[7]左山,鲁晶晶,田磊,等.简单移动平均预测法在航材保障中的应用[J].科技信息:学术版,2008,(30):87-88.
[8]丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):32-34.
[9]Zhang Jianyong,Wang Cong.Application of ARMA model in ultra-short term prediction of wind power[C].2013 International Conference on Computer Sciences and Applications(CSA).Wuhan,China,2013:361-364.
[10]彭怀午,刘方锐,杨晓峰,等.基于人工神经网络的风电场短期功率预测[J].太阳能学报,2011,32(8):1245-1250.
[11]周扬,吴文祥,胡莹,等.基于组合模型的能源需求预测[J].中国人口·资源与环境,2010,20(4):63-68.
[12]王守相,张娜.基于灰色神经网络组合模型的光伏短期出力预测[J].电力系统自动化,2012,36(19):37-41.
[13]王翠茹,杜鹃.优化组合预测的设计与分析[J].东北电力技术,2006,27(6):5-7,23.
[14]李炎,高山.风电功率短期预测技术综述[C]//中国高等学校电力系统及其自动化专业第二十四届学术年会论文集.北京,2008:2540-2544.
[15]王金山,杨国超.一种基于时序可变加权系数的组合预测模型[J].重庆理工大学学报,2012,26(2):118-121.
[16]杨文光,严哲,于健,等.基于混沌三次指数平滑模型的CPI预测研究[J].陕西科技大学学报:自然科学版,2015,(6):179-182.
[17]李书金,郦晓宁.模糊联盟的Shapley值与稳定性[J].系统工程理论与实践,2011,31(8):1524-1531.
[18]李维乾,解建仓,李建勋,等.基于改进Shapley值解的流域生态补偿额分摊方法[J].系统工程理论与实践,2013,33(1):255-261.
[19]曾庆聪,王金婷.组合模型在深圳港货物吞吐量预测中的应用[J].大连海事大学学报,2007,33(z1):136-138.
[20]宁艳艳,郑春华,方小艳,等.基于组合模型的能源需求预测[J].企业导报,2016,(8):191,82.
[21]芦森.基于组合模型的中国能源需求预测[D].成都:成都理工大学,2010.
[2]王健,严干贵,宋薇,等.风电功率预测技术综述[J].东北电力大学学报,2011,31(3):20-24.
[3]张大海,江世芳,史开泉.灰色预测公式的理论缺陷及改进[J].系统工程理论与实践,2002,22(8):140-142.
[4]王聪,杨建斌,邓颖.数学建模方法在风电功率预测中的应用[J].太阳能学报,2015,36(5):1081-1087.
[5]刘思峰,杨英杰.灰色系统研究进展(2004—2014)[J].南京航空航天大学学报,2015,47(1):1-18.
[6]王天真,汤天浩,张圣杰,等.基于灰色预测的粒子滤波算法[J].高技术通讯,2012,22(4):423-428.
[7]左山,鲁晶晶,田磊,等.简单移动平均预测法在航材保障中的应用[J].科技信息:学术版,2008,(30):87-88.
[8]丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):32-34.
[9]Zhang Jianyong,Wang Cong.Application of ARMA model in ultra-short term prediction of wind power[C].2013 International Conference on Computer Sciences and Applications(CSA).Wuhan,China,2013:361-364.
[10]彭怀午,刘方锐,杨晓峰,等.基于人工神经网络的风电场短期功率预测[J].太阳能学报,2011,32(8):1245-1250.
[11]周扬,吴文祥,胡莹,等.基于组合模型的能源需求预测[J].中国人口·资源与环境,2010,20(4):63-68.
[12]王守相,张娜.基于灰色神经网络组合模型的光伏短期出力预测[J].电力系统自动化,2012,36(19):37-41.
[13]王翠茹,杜鹃.优化组合预测的设计与分析[J].东北电力技术,2006,27(6):5-7,23.
[14]李炎,高山.风电功率短期预测技术综述[C]//中国高等学校电力系统及其自动化专业第二十四届学术年会论文集.北京,2008:2540-2544.
[15]王金山,杨国超.一种基于时序可变加权系数的组合预测模型[J].重庆理工大学学报,2012,26(2):118-121.
[16]杨文光,严哲,于健,等.基于混沌三次指数平滑模型的CPI预测研究[J].陕西科技大学学报:自然科学版,2015,(6):179-182.
[17]李书金,郦晓宁.模糊联盟的Shapley值与稳定性[J].系统工程理论与实践,2011,31(8):1524-1531.
[18]李维乾,解建仓,李建勋,等.基于改进Shapley值解的流域生态补偿额分摊方法[J].系统工程理论与实践,2013,33(1):255-261.
[19]曾庆聪,王金婷.组合模型在深圳港货物吞吐量预测中的应用[J].大连海事大学学报,2007,33(z1):136-138.
[20]宁艳艳,郑春华,方小艳,等.基于组合模型的能源需求预测[J].企业导报,2016,(8):191,82.
[21]芦森.基于组合模型的中国能源需求预测[D].成都:成都理工大学,2010.