發(fā)布時(shí)間：2018-04-12 14:01

  本文選題：概率密度 + 分位數(shù)回歸�。� 參考：《合肥工業(yè)大學(xué)》2015年碩士論文

【摘要】：概率密度預(yù)測(cè)方法是基于統(tǒng)計(jì)學(xué)及概率論相關(guān)知識(shí)的一種方法,在統(tǒng)計(jì)學(xué)和概率論中有著科學(xué)的理論依據(jù)。通過(guò)完整的概率密度曲線圖,不僅可以獲得較為準(zhǔn)確的點(diǎn)預(yù)測(cè)值,給管理決策提供更精準(zhǔn)定量依據(jù)；同時(shí)也可以獲得預(yù)測(cè)對(duì)象的完整連續(xù)的概率密度曲線以及其概率密度函數(shù)。通過(guò)分析預(yù)測(cè)的隨機(jī)變量概率密度曲線圖,可以為管理決策提供更多準(zhǔn)確有用信息。本文通過(guò)神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸方法,不僅克服最小二乘回歸的缺點(diǎn),同時(shí)可以結(jié)合神經(jīng)網(wǎng)絡(luò)方法自適應(yīng)和強(qiáng)大非線性的優(yōu)點(diǎn)。通過(guò)設(shè)置不同的分位點(diǎn),來(lái)預(yù)測(cè)隨機(jī)變量不同分位點(diǎn)下對(duì)應(yīng)的分位數(shù),這樣可以更加細(xì)致刻畫(huà)被解釋變量在不同分位點(diǎn)上受解釋變量的影響以及他們之間的關(guān)系。通過(guò)神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸方法先求出預(yù)測(cè)對(duì)象的不同分位點(diǎn)上對(duì)應(yīng)的分位數(shù),然后再用確定好的核密度估計(jì)形式與最優(yōu)窗寬選擇方法,運(yùn)用核密度估計(jì)方法思想,我們得出預(yù)測(cè)對(duì)象的完整連續(xù)的概率密度曲線圖。通過(guò)加入不同的因素、以及選擇不同的核密度估計(jì)形式和最優(yōu)窗寬選擇方法,我們可以比較在加入不同考慮因素和采用不同核密度估計(jì)形式和最優(yōu)窗寬選擇方法時(shí),可以得出預(yù)測(cè)對(duì)象概率密度曲線以及獲得的預(yù)測(cè)誤差有很大差別。本文在綜合神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸以及核密度估計(jì)方法的基礎(chǔ)上,提出了基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸及核密度估計(jì)的概率密度預(yù)測(cè)方法,然后在電網(wǎng)企業(yè)的用電負(fù)荷概率密度預(yù)測(cè)實(shí)證研究和股票價(jià)格概率密度實(shí)證研究中使用了此方法,對(duì)基于神經(jīng)網(wǎng)絡(luò)分位數(shù)回歸及核密度估計(jì)的概率密度方法進(jìn)行深入的研究和探索,較好的豐富和發(fā)展了預(yù)測(cè)理論與方法體系。
[Abstract]:Probability density prediction is a method based on statistics and probability theory, which has scientific theoretical basis in statistics and probability theory.Through the complete probability density curve, we can not only obtain more accurate point prediction value, but also obtain the complete and continuous probability density curve and its probability density function.By analyzing the probability density curve of random variables, we can provide more accurate and useful information for management decision.In this paper, the neural network quantile regression method not only overcomes the shortcomings of least square regression, but also combines the advantages of adaptive and strong nonlinear neural network method.By setting different loci, the corresponding quantiles of random variables at different loci can be predicted, so that the relationship between them and the influence of explanatory variables on different loci can be described in more detail.Using neural network quantile regression method, the quantiles corresponding to different quantiles of the predicted object are obtained first, then the kernel density estimation form and the optimal window width selection method are used to estimate the kernel density of the predicted object, and the idea of the kernel density estimation method is used.We obtain the complete and continuous probability density curve of the predicted object.By adding different factors and choosing different kernel density estimation forms and optimal window width selection methods, we can compare different kernel density estimation forms and optimal window width selection methods by adding different factors and adopting different kernel density estimation forms and optimal window width selection methods.It can be concluded that the probability density curve and the prediction error are very different.In this paper, a probability density prediction method based on neural network quantile regression and kernel density estimation is proposed based on the synthesis of neural network quantile regression and kernel density estimation.Then this method is used in the empirical research of power load probability density prediction and stock price probability density in power grid enterprises.The probabilistic density method based on neural network quantile regression and kernel density estimation is deeply studied and explored, which enriches and develops the prediction theory and method system.
【學(xué)位授予單位】：合肥工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F224

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張代強(qiáng);張屹山;;前瞻性利率規(guī)則在我國(guó)的實(shí)證研究——基于分位數(shù)回歸方法的變參數(shù)檢驗(yàn)[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年10期

2 劉生龍;;教育和經(jīng)驗(yàn)對(duì)中國(guó)居民收入的影響——基于分位數(shù)回歸和審查分位數(shù)回歸的實(shí)證研究[J];數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究;2008年04期

3 羅玉波;;房?jī)r(jià)影響因素分析:分位數(shù)回歸方法[J];統(tǒng)計(jì)與決策;2011年06期

4 李順毅;;房?jī)r(jià)如何影響消費(fèi)對(duì)經(jīng)濟(jì)增長(zhǎng)的貢獻(xiàn)——基于分位數(shù)回歸的實(shí)證分析[J];消費(fèi)經(jīng)濟(jì);2011年03期

5 朱平芳;張征宇;;無(wú)條件分位數(shù)回歸:文獻(xiàn)綜述與應(yīng)用實(shí)例[J];統(tǒng)計(jì)研究;2012年03期

6 胡豐;許啟發(fā);蔣翠俠;;基于分位數(shù)回歸的基金風(fēng)格分析與業(yè)績(jī)?cè)u(píng)價(jià)[J];鄭州航空工業(yè)管理學(xué)院學(xué)報(bào);2012年06期

7 王朝;高敬雅;王琪;;基于分位數(shù)回歸的房地產(chǎn)價(jià)格研究[J];商;2012年14期

8 胡永遠(yuǎn);倪麗艷;;基于分位數(shù)回歸的社會(huì)救助再就業(yè)人群收入研究[J];山東財(cái)政學(xué)院學(xué)報(bào);2013年03期

9 歐陽(yáng)勝銀;;外資溢出效應(yīng)的分位數(shù)回歸研究[J];財(cái)經(jīng)理論與實(shí)踐;2013年04期

10 劉昕明;李志強(qiáng);;基于分位數(shù)回歸的企業(yè)債信用風(fēng)險(xiǎn)研究[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年06期

相關(guān)會(huì)議論文 前6條

1 林藝圃;;中國(guó)股市價(jià)量關(guān)系的實(shí)證分析分位數(shù)回歸模型[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

2 陳娟;林龍;葉阿忠;;基于分位數(shù)回歸的中國(guó)居民消費(fèi)研究[A];中國(guó)社會(huì)科學(xué)院第三屆中國(guó)經(jīng)濟(jì)論壇論文集（下）[C];2007年

3 夏寧;;中國(guó)上市公司高管人員薪酬的影響因素與成因分解——一個(gè)基于分位數(shù)回歸模型的實(shí)證研究[A];中國(guó)會(huì)計(jì)學(xué)會(huì)財(cái)務(wù)管理專業(yè)委員會(huì)2009年學(xué)術(shù)年會(huì)論文集[C];2009年

4 宋馬林;吳杰;高玉強(qiáng);張琳玲;宋峰;;中國(guó)入世以來(lái)的對(duì)外貿(mào)易與環(huán)保效率——基于分省面板數(shù)據(jù)的實(shí)證分析[A];中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全論叢（2012）——第七屆中國(guó)貿(mào)易救濟(jì)與產(chǎn)業(yè)安全研究獎(jiǎng)獲獎(jiǎng)?wù)撐募痆C];2013年

5 任聲策;;創(chuàng)新和出口的互動(dòng)關(guān)系:基于中國(guó)制造業(yè)企業(yè)的實(shí)證[A];第八屆（2013）中國(guó)管理學(xué)年會(huì)——技術(shù)與創(chuàng)新管理分會(huì)場(chǎng)論文集[C];2013年

6 劉鑫波;張志敏;梁逸曾;;高效準(zhǔn)確的高分辨數(shù)據(jù)快速平滑與基線校正算法[A];中國(guó)化學(xué)會(huì)第29屆學(xué)術(shù)年會(huì)摘要集——第19分會(huì)：化學(xué)信息學(xué)與化學(xué)計(jì)量學(xué)[C];2014年

相關(guān)博士學(xué)位論文 前5條

1 邸俊鵬;分位數(shù)回歸的貝葉斯估計(jì)與應(yīng)用研究[D];南開(kāi)大學(xué);2013年

2 韓月麗;極值統(tǒng)計(jì)與分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

3 關(guān)靜;分位數(shù)回歸理論及其應(yīng)用[D];天津大學(xué);2009年

4 項(xiàng)云帆;資本資產(chǎn)定價(jià)模型及實(shí)證分析[D];華中科技大學(xué);2010年

5 陳林興;基于空間視角的我國(guó)省際農(nóng)村居民消費(fèi)趨同性研究[D];浙江大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 代貝;基于分位數(shù)回歸的農(nóng)村居民消費(fèi)區(qū)域差異研究[D];昆明理工大學(xué);2015年

2 羅小青;基于分位數(shù)回歸的中國(guó)GDP與電力消費(fèi)量關(guān)系研究[D];華南理工大學(xué);2015年

3 于琴;西部地區(qū)農(nóng)村產(chǎn)權(quán)抵押貸款對(duì)農(nóng)戶收入的影響研究[D];西北農(nóng)林科技大學(xué);2015年

4 王歡歡;績(jī)效評(píng)估角度的信息化升級(jí)時(shí)間域選擇模型[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2015年

5 劉袁;利率市場(chǎng)化背景下商業(yè)銀行利率風(fēng)險(xiǎn)的測(cè)度[D];南京財(cái)經(jīng)大學(xué);2015年

6 周策;VaR模型在我國(guó)開(kāi)放式上市基金市場(chǎng)的實(shí)證分析[D];廣東外語(yǔ)外貿(mào)大學(xué);2015年

7 耿國(guó)強(qiáng);分位數(shù)回歸理論及其在金融時(shí)間序列的應(yīng)用[D];中國(guó)礦業(yè)大學(xué);2015年

8 王琪鋒;復(fù)合分位數(shù)回歸在線性時(shí)間序列下的應(yīng)用[D];大連理工大學(xué);2015年

9 吳博聞;刪失數(shù)據(jù)下部分線性變系數(shù)模型的分位數(shù)回歸[D];大連理工大學(xué);2015年

10 凌珂;生長(zhǎng)曲線模型的分位數(shù)回歸與變量選擇[D];華東師范大學(xué);2015年

，

本文編號(hào)：1740042