地区固定资产投资预测研究
摘要 | 第3-4页 |
ABSTRACT | 第4-5页 |
第1章 绪论 | 第8-14页 |
1.1 研究背景和意义 | 第8-9页 |
1.2 国内外研究与现状 | 第9-12页 |
1.2.1 国内固定资产投资预测研究与现状 | 第9-11页 |
1.2.2 国外固定资产投资理论研究与现状 | 第11-12页 |
1.3 研究目标及内容 | 第12-14页 |
1.3.1 研究目标 | 第12页 |
1.3.2 研究内容 | 第12-14页 |
第2章 固定资产投资预测相关分析 | 第14-22页 |
2.1 固定资产投资概念及内涵 | 第14-15页 |
2.2 固定资产投资预测影响变量分析 | 第15-17页 |
2.3 固定资产投资预测主要预测方法 | 第17-22页 |
2.3.1 多元回归法 | 第17-18页 |
2.3.2 时间序列法 | 第18页 |
2.3.3 灰色预测法 | 第18-19页 |
2.3.4 神经网络法 | 第19-20页 |
2.3.5 支持向量机法 | 第20-22页 |
第3章 固定资产投资预测模型选取及评价 | 第22-34页 |
3.1 灰色神经网络模型 | 第22-29页 |
3.1.1 Lasso变量选择模型 | 第22页 |
3.1.2 灰色预测模型 | 第22-24页 |
3.1.3 神经网络模型 | 第24-27页 |
3.1.4 灰色神经网络组合模型 | 第27-29页 |
3.2 支持向量机模型 | 第29-32页 |
3.3 ARIMA模型 | 第32-34页 |
第4章 固定资产投资预测实证分析 | 第34-54页 |
4.1 基于灰色神经网络模型的固定资产投资预测 | 第34-38页 |
4.1.1 描述及相关性分析 | 第34-35页 |
4.1.2 Adaptive-Lasso变量选择 | 第35-36页 |
4.1.3 灰色神经网络模型预测 | 第36-37页 |
4.1.4 误差分析 | 第37-38页 |
4.2 基于支持向量机模型的固定资产投资预测 | 第38-44页 |
4.2.1 选定自变量和因变量 | 第39页 |
4.2.2 数据预处理 | 第39-40页 |
4.2.3 参数选择 | 第40-42页 |
4.2.4 训练与回归预测 | 第42-44页 |
4.2.5 误差分析 | 第44页 |
4.3 基于ARIMA模型的固定资产投资预测 | 第44-52页 |
4.3.1 绘制时间序列图及检验分析 | 第45-46页 |
4.3.2 ARIMA建模分析 | 第46-49页 |
4.3.3 ARIMA模型预测 | 第49-51页 |
4.3.4 误差分析 | 第51-52页 |
4.4 模型对比分析 | 第52-54页 |
第5章 结论与展望 | 第54-58页 |
5.1 结论 | 第54-55页 |
5.2 展望 | 第55-58页 |
参考文献 | 第58-62页 |
发表论文和参加科研情况说明 | 第62-64页 |
致谢 | 第64页 |