基于多种模型的青岛邮政储蓄银行对公存款分析与预测
| 摘要 | 第2-3页 |
| Abstract | 第3页 |
| 第一章 绪论 | 第6-12页 |
| 1.1 研究背景及意义 | 第6-7页 |
| 1.2 文献综述 | 第7-11页 |
| 1.2.1 商业银行存款 | 第7-9页 |
| 1.2.2 预测模型的研究 | 第9-11页 |
| 1.3 研究方法与论文结构 | 第11-12页 |
| 1.3.1 研究方法 | 第11页 |
| 1.3.2 论文结构 | 第11-12页 |
| 第二章 理论综述 | 第12-29页 |
| 2.1 对公存款概述 | 第12-14页 |
| 2.1.1 对公存款的定义 | 第12页 |
| 2.1.2 对公存款的特点 | 第12页 |
| 2.1.3 对公存款的地位和作用 | 第12-13页 |
| 2.1.4 对公存款的分析 | 第13-14页 |
| 2.2 马氏链预测 | 第14-16页 |
| 2.2.1 马尔科夫链的基本概念 | 第14-15页 |
| 2.2.2 马氏链的预测原理 | 第15-16页 |
| 2.3 灰色预测法 | 第16-20页 |
| 2.3.1 灰色预测GM(1,1)模型 | 第17-18页 |
| 2.3.2 灰色灾变预测模型 | 第18-19页 |
| 2.3.3 灰色马氏链预测模型 | 第19-20页 |
| 2.4 自回归移动平均过程(ARMA) | 第20-25页 |
| 2.4.1 ARMA模型的基本形式 | 第20-21页 |
| 2.4.2 模型建立的条件及判定方法 | 第21-22页 |
| 2.4.3 ARIMA模型的相关性分析及识别 | 第22-23页 |
| 2.4.4 ARMA模型的参数估计 | 第23-24页 |
| 2.4.5 利用模型进行预测 | 第24-25页 |
| 2.5 BP神经网络预测 | 第25-29页 |
| 2.5.1 BP神经网络的特点 | 第25-26页 |
| 2.5.2 神经网络的学习过程 | 第26-28页 |
| 2.5.3 神经网络的预测类型 | 第28-29页 |
| 第三章 青岛邮政储蓄银行对公存款的实证分析 | 第29-51页 |
| 3.1 马氏链 | 第29-32页 |
| 3.1.1 状态区间的划分 | 第29-30页 |
| 3.1.2 一步转移矩阵 | 第30-31页 |
| 3.1.3 马氏性检验 | 第31页 |
| 3.1.4 利用一步转移矩阵进行预测 | 第31-32页 |
| 3.2 灰色模型 | 第32-40页 |
| 3.2.1 GM(1,1)模型 | 第32-34页 |
| 3.2.2 GM(1,1)模型灾变预测 | 第34-35页 |
| 3.2.3 灰色马氏链预测 | 第35-40页 |
| 3.3 ARMA模型 | 第40-44页 |
| 3.3.1 判断时间序列的平稳性 | 第40-43页 |
| 3.3.2 模型的建立 | 第43页 |
| 3.3.3 利用ARMA模型预测 | 第43-44页 |
| 3.4 BP神经网络模型 | 第44-49页 |
| 3.4.1 数据预处理 | 第44页 |
| 3.4.2 BP网络神经结构的设计 | 第44-47页 |
| 3.4.3 利用BP神经网络进行预测 | 第47-49页 |
| 3.5 本章小结 | 第49-51页 |
| 第四章 结论 | 第51-54页 |
| 4.1 基本结论 | 第51页 |
| 4.2 预测结果的应用 | 第51-52页 |
| 4.3 本文的创新之处 | 第52页 |
| 4.4 本文的不足之处 | 第52-54页 |
| 参考文献 | 第54-56页 |
| 攻读学位期间的研究成果 | 第56-57页 |
| 致谢 | 第57-58页 |
