預(yù)測(cè)方法與技術(shù)

第1章 預(yù)測(cè)概述
本章學(xué)習(xí)目標(biāo)
引例 汶川地震之災(zāi)能夠避免嗎？
1．1 預(yù)測(cè)的基本概念
1．1．1 預(yù)測(cè)科學(xué)的產(chǎn)生
1．1．2 預(yù)測(cè)的定義
1．1．3 預(yù)測(cè)的可能性
1．1．4 預(yù)測(cè)的不準(zhǔn)確性
1．1．5 預(yù)測(cè)的基本功能和途徑
1．2 預(yù)測(cè)的基本原理
1．3 預(yù)測(cè)的分類(lèi)
1．3．1 按預(yù)測(cè)的范圍或?qū)哟畏诸?lèi)
1．3．2 按預(yù)測(cè)的時(shí)間長(zhǎng)短分類(lèi)
1．3．3 按預(yù)測(cè)方法的性質(zhì)分類(lèi)
1．3．4 預(yù)測(cè)的其他分類(lèi)方法
1．4 預(yù)測(cè)的程序
1．5 預(yù)測(cè)方法選擇的影響因素
1．6 預(yù)測(cè)的精度
1．7 預(yù)測(cè)結(jié)果的分析與反思
本章小結(jié)
綜合練習(xí)
第2章 專(zhuān)家判斷預(yù)測(cè)法
本章學(xué)習(xí)目標(biāo)
引例 金融危機(jī)，誰(shuí)預(yù)測(cè)到了？
2．1 引言
2．2 頭腦風(fēng)暴法
2．2．1 頭腦風(fēng)暴法的基本原理
2．2．2 頭腦風(fēng)暴法的實(shí)施步驟
2．2．3 質(zhì)疑頭腦風(fēng)暴法
2．3 德?tīng)柗品?br />2．3．1 德?tīng)柗品ǜ攀?br />2．3．2 德?tīng)柗品ǖ姆诸?lèi)
2．3．3 應(yīng)用德?tīng)柗品ńM織預(yù)測(cè)過(guò)程中應(yīng)遵守的原則
2．3．4 專(zhuān)家的選擇
2．3．5 專(zhuān)家應(yīng)答問(wèn)題調(diào)查表的編制
2．3．6 對(duì)單一事件結(jié)果數(shù)量評(píng)價(jià)的專(zhuān)家應(yīng)答匯總統(tǒng)計(jì)
2．3．7 對(duì)方案序列中各方案重要性評(píng)價(jià)的專(zhuān)家應(yīng)答匯總統(tǒng)計(jì)
2．3．8 對(duì)目標(biāo)和方案相對(duì)重要性評(píng)價(jià)的專(zhuān)家應(yīng)答匯總統(tǒng)計(jì)
2．3．9 德?tīng)柗品A(yù)測(cè)結(jié)果的精度分析
2．4 概率預(yù)測(cè)法
2．4．1 主觀概率法
2．4．2 交互影響分析法
2．4．3 交互影響分析法計(jì)算程序
本章小結(jié)
綜合練習(xí)
第3章 回歸預(yù)測(cè)基礎(chǔ)
本章學(xué)習(xí)目標(biāo)
引例 飲料銷(xiāo)量的回歸預(yù)測(cè)
3．1 回歸分析與回歸函數(shù)
3．1．1 相關(guān)分析與回歸分析
3．1．2 回歸函數(shù)
3．2 多元線性回歸模型
3．2．1 線性回歸模型的基本形式
3．2．2 經(jīng)典線性回歸模型及其假設(shè)條件
3．2．3 線性回歸模型參數(shù)的估計(jì)
3．2．4 線性回歸模型的檢驗(yàn)
3．2．5 多元線性回歸模型計(jì)算實(shí)例
3．3 違背經(jīng)典假設(shè)的回歸模型
3．3．1 方差非齊性
3．3．2 多重共線性
3．3．3 序列相關(guān)
3．4 含虛擬變量的回歸模型
3．4．1 虛擬變量回歸的基本理論
3．4．2 虛擬變量的作用及虛擬變量模型的類(lèi)型
3．4．3 虛擬變量回歸模型的求解及算例
3．5 非線性回歸預(yù)測(cè)
本章小結(jié)
綜合練習(xí)
第4章 時(shí)間序列平滑模型
本章學(xué)習(xí)目標(biāo)
引例 國(guó)民經(jīng)濟(jì)的產(chǎn)業(yè)結(jié)構(gòu)分析
4．1 時(shí)間序列概述
4．1．1 時(shí)間序列的因素分析
4．1．2 時(shí)間序列的組合形式
4．2 移動(dòng)平均法
4．2．1 簡(jiǎn)單移動(dòng)平均法
4．2．2 加權(quán)移動(dòng)平均法
4．2．3 趨勢(shì)移動(dòng)平均法
4．3 指數(shù)平滑法
4．3．1 一次指數(shù)平滑法
4．3．2 二次指數(shù)平滑法
4．3．3 三次指數(shù)平滑法
4．4 差分-指數(shù)平滑法
4．4．1 一階差分-指數(shù)平滑模型
4．4．2 二階差分-指數(shù)平滑模型
4．5 自適應(yīng)過(guò)濾法
4．5．1 自適應(yīng)過(guò)濾法的基本原理
4．5．2 自適應(yīng)過(guò)濾法的計(jì)算步驟
4．5．3 自適應(yīng)過(guò)濾法的應(yīng)用
本章小結(jié)
綜合練習(xí)
第5章 趨勢(shì)外推預(yù)測(cè)
本章學(xué)習(xí)目標(biāo)
引例 預(yù)測(cè)失敗的慘痛教訓(xùn)
5．1 指數(shù)曲線法
5．1．1 預(yù)測(cè)模型及其特征
5．1．2 模型參數(shù)估計(jì)方法
5．1．3 模型的運(yùn)用
5．2 修正指數(shù)曲線法
5．2．1 預(yù)測(cè)模型及其特征
5．2．2 模型參數(shù)估計(jì)方法
5．2．3 模型的運(yùn)用
5．3 生長(zhǎng)曲線法
5．3．1 龔伯茲曲線模型及其應(yīng)用
5．3．2 羅吉斯蒂曲線
5．4 包絡(luò)曲線法
5．4．1 包絡(luò)曲線
5．4．2 包絡(luò)曲線的數(shù)學(xué)原理
5．4．3 應(yīng)用范圍
本章小結(jié)
綜合練習(xí)
第6章 馬爾可夫預(yù)測(cè)法
本章學(xué)習(xí)目標(biāo)
引例 天氣變化的概率
6．1 隨機(jī)過(guò)程的基本概念與基本類(lèi)型
6．1．1 基本概念
6．1．2 基本類(lèi)型
6．2 馬爾可夫鏈
6．2．1 馬爾可夫鏈基本概念
6．2．2 n步轉(zhuǎn)移概率與C-K方程
6．2．3 狀態(tài)的分類(lèi)及性質(zhì)
6．3 馬爾可夫預(yù)測(cè)方法應(yīng)用示例
6．4 馬爾可夫決策方法
本章小結(jié)
綜合練習(xí)
第7章 灰色系統(tǒng)預(yù)測(cè)
本章學(xué)習(xí)目標(biāo)
引例 干熱風(fēng)災(zāi)害的防御
7．1 灰色系統(tǒng)基本理論
7．1．1 五步建模思想
7．1．2 灰色系統(tǒng)與灰色預(yù)測(cè)
7．1．3 灰色生成算子
7．2 灰色關(guān)聯(lián)分析
7．2．1 關(guān)聯(lián)度的計(jì)算
7．2．2 原始數(shù)據(jù)轉(zhuǎn)變
7．2．3 關(guān)聯(lián)度的性質(zhì)
7．2．4 灰色關(guān)聯(lián)分析應(yīng)用實(shí)例
7．3 GM（1，1）模型
7．3．1 GM（1，1）模型介紹
7．3．2 GM（1，1）模型檢驗(yàn)
7．3．3 GM（1，1）模型建模機(jī)理
7．3．4 GM（1，1）模型應(yīng)用實(shí)例
7．3．5 GM（1，N）模型參數(shù)估計(jì)的MATLAB程序
7．4 GM（1，N）模型
7．4．1 GM（1，N）模型介紹
7．4．2 GM（1，N）模型應(yīng)用實(shí)例
7．5 GM（2，1）模型
7．5．1 GM（2，1）模型介紹
7．5．2 GM（2，1）模型應(yīng)用實(shí)例
7．6 災(zāi)變預(yù)測(cè)
7．6．1 災(zāi)變預(yù)測(cè)模型介紹
7．6．2 災(zāi)變預(yù)測(cè)應(yīng)用實(shí)例
本章小結(jié)
綜合練習(xí)
第8章 非參數(shù)預(yù)測(cè)方法
本章學(xué)習(xí)目標(biāo)
引例 產(chǎn)品質(zhì)量的檢驗(yàn)
8．1 非參數(shù)預(yù)測(cè)的概念
8．2 數(shù)據(jù)服從特定分布檢驗(yàn)
8．2．1 Kolmogorov-Smirnov檢驗(yàn)
8．2．2 Lilliefors正態(tài)性檢驗(yàn)
8．2．3 擬合優(yōu)度檢驗(yàn)
8．3 污染數(shù)據(jù)診斷
8．3．1 統(tǒng)計(jì)預(yù)測(cè)的穩(wěn)健性分析
8．3．2 離群點(diǎn)的判斷方法
8．3．3 M-估計(jì)量
8．4 Theil回歸模型
8．4．1 Theil回歸模型基本原理
8．4．2 最小中位數(shù)二乘回歸
8．4．3 Theil回歸和最小中位數(shù)二乘回歸范例
8．4．4 最小二乘回歸、Theil回歸和最小中位數(shù)二乘回歸的MATLAB程序代碼
8．5 Cox-Stuart趨勢(shì)分析
本章小結(jié)
綜合練習(xí)
第9章 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法
本章學(xué)習(xí)目標(biāo)
引例 預(yù)測(cè)財(cái)務(wù)失敗的神經(jīng)網(wǎng)絡(luò)方法
9．1 神經(jīng)網(wǎng)絡(luò)原理概述
9．2 基于神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)概述
9．3 交通運(yùn)輸能力預(yù)測(cè)的MATLAB實(shí)現(xiàn)
9．3．1 背景概述
9．3．2 網(wǎng)絡(luò)創(chuàng)建與訓(xùn)練
9．3．3 基于GRNN網(wǎng)絡(luò)原理的實(shí)證案例
9．3．4 實(shí)證案例的MATLAB代碼
9．4 股市預(yù)測(cè)的MATLAB實(shí)現(xiàn)
9．4．1 背景概述
9．4．2 網(wǎng)絡(luò)創(chuàng)建與訓(xùn)練
9．4．3 基于RBF網(wǎng)絡(luò)原理的實(shí)證案例
9．4．4 實(shí)證案例的MATLAB代碼
本章小結(jié)
綜合練習(xí)
第10章 組合預(yù)測(cè)
本章學(xué)習(xí)目標(biāo)
引例 中國(guó)宏觀經(jīng)濟(jì)預(yù)測(cè)
10．1 組合預(yù)測(cè)的基本概念
10．1．1 預(yù)測(cè)的不確定性與基本原則
10．1．2 組合預(yù)測(cè)的概念與任務(wù)
10．1．3 組合預(yù)測(cè)精確度的度量
10．2 組合預(yù)測(cè)分類(lèi)和預(yù)測(cè)有效度
10．2．1 組合預(yù)測(cè)分類(lèi)
10．2．2 預(yù)測(cè)有效度基本概念
10．3 非最優(yōu)正權(quán)組合預(yù)測(cè)模型權(quán)系數(shù)的確定方法
10．3．1 幾種常規(guī)的非最優(yōu)正權(quán)組合預(yù)測(cè)模型權(quán)系數(shù)的確定方法
10．3．2 非最優(yōu)組合預(yù)測(cè)系數(shù)確定方法的應(yīng)用舉例
10．3．3 正權(quán)綜合方法的改進(jìn)
10．4 組合預(yù)測(cè)權(quán)系數(shù)確定的一種合作對(duì)策方法
10．4．1 組合預(yù)測(cè)方法的合作對(duì)策描述
10．4．2 組合預(yù)測(cè)方法的合作對(duì)策實(shí)例分析
10．5 熵值法及其在確定組合預(yù)測(cè)權(quán)系數(shù)中的應(yīng)用
10．5．1 確定組合預(yù)測(cè)加權(quán)系數(shù)的熵值法的基本原理
10．5．2 熵值法確定組合預(yù)測(cè)加權(quán)系數(shù)的實(shí)例分析
10．6 B-G模型
10．7 組合預(yù)測(cè)的線性模型
10．7．1 組合預(yù)測(cè)的線性模型
10．7．2 組合預(yù)測(cè)的廣義線性模型
10．7．3 基于相對(duì)誤差極小化的組合預(yù)測(cè)模型
本章小結(jié)
綜合練習(xí)
第11章 統(tǒng)計(jì)軟件應(yīng)用基礎(chǔ)
本章學(xué)習(xí)目標(biāo)
11．1 SPSS軟件基礎(chǔ)與應(yīng)用實(shí)例
11．1．1 軟件的安裝與運(yùn)行模式
11．1．2 軟件的啟動(dòng)與退出
11．1．3 軟件的主要窗口介紹
11．1．4 數(shù)據(jù)文件的建立、編輯與讀取
11．1．5 SPSS預(yù)測(cè)實(shí)例
11．2 Eviews軟件的認(rèn)識(shí)與應(yīng)用實(shí)例
11．2．1 軟件的開(kāi)啟、關(guān)閉與工作模式
11．2．2 軟件的窗口介紹
11．2．3 數(shù)據(jù)文件的創(chuàng)立
11．2．4 Eviews運(yùn)用實(shí)例
11．3 MATLAB軟件基礎(chǔ)與應(yīng)用實(shí)例
11．3．1 MATLAB軟件特點(diǎn)
11．3．2 MATLAB軟件功能
11．3．3 MATLAB軟件桌面系統(tǒng)
11．3．4 MATLAB程序設(shè)計(jì)基礎(chǔ)
11．3．5 MATLAB軟件運(yùn)用實(shí)例
參考文獻(xiàn)
附表A 標(biāo)準(zhǔn)正態(tài)分布函數(shù)值表
附表B t分布表
附表C F分布表
附表D DW檢驗(yàn)臨界值表