針對Lasso回歸與支持向量回歸（SVR）兩者各自的優(yōu)勢,文章提出了一種新型的結(jié)合以上兩種方法的基于向量夾角余弦的變權(quán)重組合預(yù)測模型�？紤]到預(yù)測值向量和實(shí)際值向量之間的夾角越小,它們越接近,因此以最大化向量夾角余弦作為標(biāo)準(zhǔn)來構(gòu)造變權(quán)重組合預(yù)測模型。假設(shè)單一預(yù)測模型的權(quán)重是隨時(shí)間連續(xù)變化的,研究在預(yù)測值向量與真實(shí)值向量的夾角余弦最大的條件下單一預(yù)測模型權(quán)重隨時(shí)間變化的情況。實(shí)證分析結(jié)果表明,基于向量夾角余弦的變權(quán)組合預(yù)測模型與單一預(yù)測方法相比,具有更高的預(yù)測精度。同時(shí)組合預(yù)測模型彌補(bǔ)了Lasso回歸在處理非線性數(shù)據(jù)方面的不足。 

【文章來源】：統(tǒng)計(jì)與決策. 2020,36(18)北大核心CSSCI

【文章頁數(shù)】：5 頁

【參考文獻(xiàn)】：
期刊論文
[1]基于Lasso-GRNN神經(jīng)網(wǎng)絡(luò)模型的地方財(cái)政收入預(yù)測[J]. 蔣鋒,張婷,周琰玲.  統(tǒng)計(jì)與決策. 2018(19)
[2]嶺回歸、LASSO回歸和Adaptive-LASSO回歸下的財(cái)政收入因素分析[J]. 董小剛,刁亞靜,李慧玲,王純杰,溫麗男.  吉林師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2018(02)
[3]基于Lasso和支持向量機(jī)的組合預(yù)測及其應(yīng)用[J]. 喻勝華,龔尚花.  經(jīng)濟(jì)數(shù)學(xué). 2016(02)
[4]基于向量夾角余弦的組合預(yù)測模型的性質(zhì)研究[J]. 陳華友,盛昭瀚,劉春林.  管理科學(xué)學(xué)報(bào). 2006(02)
[5]基于相關(guān)性的組合預(yù)測方法研究[J]. 王應(yīng)明.  預(yù)測. 2002(02)
[6]變權(quán)組合預(yù)測模型研究[J]. 唐小我,曾勇,曹長修.  預(yù)測. 1993(03)
[7]變權(quán)重組合預(yù)測模型的建立與應(yīng)用[J]. 謝如賢,成盛超,吳健中.  預(yù)測. 1992(04)



本文編號：3075044