地区固定资产投资预测研究

《地区固定资产投资预测研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、地区固定资产投资预测研究ResearchofRegionalFixedAssetInvestmentForecasting学科专业：管理科学与工程作者姓名：赵凯指导教师：毕星副教授天津大学管理与经济学部二零一七年十二月独创性声明本人声明所呈交的学位论文是本人在导师指导下进行的研宄工作和取得的研究成果，除了文中特别加以标注和致谢之处外，论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得天津大学或其他教育机构的学位或证书而使用过的材料一。与我同工作的同志对本研宄所做的任何贡献均己在论文中作了明确的说明并表示了谢意。学位论文作者签名：签字日

2、期：＞？丨年丨＞月日名｜学位论文版权使用授权书本学位论文作者完全了解天津大学有关保留、使用学位论文的规定。特授权ｉ津大学可以将学位论文的全部或部分内容编入有关数据库进行检索，并釆用影印、缩印或扫描等复制手段保存、汇编以供查阋和借阅。同意学校向国家有关部门或机构送交论文的复印件和磁盘。（保密的学位论文在解密后适用本授权说明）学位论文作者签名：导师签名：＇签字日期：年ａ月ｇ日签字日期：＞；）年＾月ｙ日｜摘要固定资产投资对我国宏观经济运行有重大影响，尤其在促进经济增长、优化资源配置、改善人民生活、扩大就业等方面有重大作用，因此有必要对固

3、定资产投资做出准确预测。而固定资产投资往往受很多不确定因素的影响，这些因素之间有着错综复杂的联系，难以用数理统计模型进行预测。本文通过灰色神经网络组合模型、支持向量机模型和ARIMA模型分别对天津市固定资产投资做出了有效预测，并进行了对比分析。在国内外固定资产投资预测研究现状的基础上，本文进一步分析了预测模型的原理，探索了模型的预测机制，并利用MATLAB软件实现了支持向量机模型预测分析，利用R语言实现了灰色神经网络模型和ARIMA模型的预测分析。经实证分析，在预测精度上，支持向量机模型和ARIMA模型都具有较高的预测精度，灰色神经网络模型预测精度相比较低一些；在预测趋

4、势效果上，支持向量机模型和ARIMA模型预测值在实际值附近波动，灰色神经网络模型预测值稍低于实际值，但预测曲线与实际曲线走向十分相近，预测趋势效果更好，适合长期趋势预测；在预测随机性上，ARIMA模型预测曲线相比另外两个预测模型曲线偏折线形状，体现了时间序列随机性的特点，适合具有随机性的短期时间序列预测。最后，本文对研究课题进行了总结和展望。本文利用三种预测模型分别对天津市固定资产投资值进行了有效的预测，验证了预测模型的合理性，并探索了每种模型的优劣性和适用性，同时提出了一些有待探索和改进的问题，并根据分析成果对天津市固定资产投资提出了一些合理化建议。关键词：固定资产投

5、资预测，灰色神经网络模型，支持向量机模型，ARIMA模型IABSTRACTInvestmentinfixedassetshassignificanteffectsonChina'smacroeconomicoperation,especiallyinpromotingeconomicgrowth,optimizingtheallocationofresources,improvingpeople'slivingandexpandingemployment,etc.Therefore,itisnecessarytomakeanaccurateforecastingofin

6、vestmentinfixedassets.Fixedassetinvestmenttendstobeinfluencedbymanyuncertainfactors,whicharecomplicatedanddifficulttopredictbymathematicalstatisticalmodels.Thisthesisusesthegreyneuralnetworkmodel,supportvectormachinemodelandARIMAmodeltoforecastthefixedassetinvestmentinTianJinrespectively

7、,andhascarriedoutcomparativeanalysis.Onthebasisofstudyingcurrentfixedassetinvestmentforecastingathomeandabroad,thisthesisfurtheranalyzesthetheoryofforecastingmodelandexplorestheforecastingmechanism.Inthisthesis,theforecastinganalysisofsupportvectormachinemodelisrealizedby